هوش مصنوعی میتواند واکنش انسان‌ها را به ترکیبات دارویی جدید پیش‌بینی کند.
از هنگام شناسایی یک ترکیب درمانی بالقوه تا دریافت تأیید سازمان غذا و داروی آمریکا (FDA) برای یک داروی جدید ممکن است به بیش از یک دهه زمان و بیش از یک میلیارد دلار هزینه نیاز داشته باشد. تیمی از محققان در مرکز فارغ التحصیلان دانشگاه شهری نیویورک یک مدل هوش مصنوعی جدید طراحی کرده‌اند که میتواند در فرایند تولید دارو دقت را به میزان چشمگیری افزایش و زمان و هزینه را کاهش دهد.
این مدل جدید که CODE-AE نامیده می‌شود، میتواند ترکیبات دارویی جدید را برای پیش‌بینی دقیق میزان اثربخشی آن در انسان غربال کند. این مدل در آزمایش‌ها توانست از نظر تئوری داروهای شخصی‌سازی‌شده را برای بیش از ۹هزار بیمار شناسایی کند تا درمان بیماری‌های آن‌ها با موفقیت بیشتری همراه باشد. دانشمندان انتظار دارند که این تکنیک سرعت کشف دارو و دقت در پزشکی را به طور چشمگیری افزایش دهد.
پیش‌بینی دقیق و محکم واکنش‌های خاص بیمار به یک ترکیب شیمیایی جدید برای کشف درمان‌های ایمن و مؤثر و انتخاب یکی از داروهای موجود برای یک بیمار خاص ضروری است؛ اما انجام آزمایش‌های اولیه برای اطمینان از اثربخشی دارو در انسان غیراخلاقی و غیرممکن است. در بیشتر مواقع، از مدل‌های سلولی یا بافتی به‌عنوان جایگزین بدن انسان برای ارزیابی اثر درمانی یک مولکول دارو استفاده می‌شود. متأسفانه، اثر دارو در یک مدل بیماری معمولاً با اثربخشی و سمی‌بودن دارو در بیماران مرتبط نیست. این شکاف دانش، عامل اصلی هزینه‌های فراوان و بهره‌وری اندک کشف دارو است.
