Του Γιάννη Παλιούρη
Με όπλο του τη Μηχανική Μάθηση ένα ρομπότ μπορεί να συνθέτει οργανικά χημικά μόρια με τρόπο που θα μπορούσε να φέρει επανάσταση στη δημιουργία νέων φαρμάκων.
Επίτευγμα του Πανεπιστημίου της Γλασκώβης, το ρομπότ «εκπαιδεύτηκε» από χημικούς ώστε να αναγνωρίζει χημικά στοιχεία, αλλά κυρίως τις πολύπλοκες μεταξύ τους αντιδράσεις και τους δεσμούς που δημιουργούν. Αυτό βέβαια κατέστη εφικτό αφού το εν λόγω ρομπότ δεν είναι μια απλή μηχανή από γρανάζια και πνευματικούς μηχανισμούς, αλλά μια ολοκληρωμένη πλατφόρμα Τεχνητής Νοημοσύνης με προηγμένους αλγόριθμους.
Το ρομπότ απέδειξε τις ικανότητές τους επί του πεδίου. Η ερευνητική ομάδα του Πανεπιστημίου της Γλασκώβης, ήθελε να εξετάσει τα αποτελέσματα 1000 αντιδράσεων, βασισμένων στο συνδυασμό 8 διαφορετικών αρχικών χημικών ουσιών. Το ρομπότ δεν χρειάστηκε να γίνουν και οι χίλιες αντιδράσεις προκειμένου να δημιουργηθούν νέα μόρια. Αφού εξέτασε μόνο περίπου 100 ή το 10% των πιθανών αντιδράσεων, ήταν σε θέση να προβλέψει με ακρίβεια πάνω από 80% ποιοι συνδυασμοί άξιζαν περαιτέρω μελέτης. Ουσιαστικά το ρομπότ «είδε» εκ των προτέρων ποια δημιουργούμενα μόρια έχουν προοπτικές πρακτικής χρήσης.
Αφήνοντας τις αντιδράσεις να εξελιχθούν, οι ερευνητές ανακάλυψαν μια σειρά άγνωστων μέχρι τότε μορίων. Πρόκειται για ψηφιοποίηση της χημείας, εξέλιξη που σύμφωνα με τους ερευνητές ανοίγει τον δρόμο για τη δημιουργία νέων φαρμάκων και χημικών υλικών, σε κλάσμα του κόστους και του χρόνου που απαιτούν οι κλασσικές τεχνικές της χημείας.
«Κάναμε ένα βασικό βήμα στην ψηφιοποίηση της χημείας που θα επιτρέψει την αναζήτηση, σε πραγματικό χρόνο, του χημικού χώρου για νέες ανακαλύψεις μορίων με λιγότερο κόστος, σε μικρότερο χρόνο και αυξημένη της ασφάλεια», δήλωσε στην επιστημονική επιθεώρηση Nature ο επικεφαλής της ερευνητικής ομάδας.
Ο απώτερος στόχος της εφαρμογής μεθόδων Τεχνητής Νοημοσύνης στη Φαρμακευτική Χημεία είναι η παρασκευή θεραπευτικών ουσιών με το μικρότερο δυνατό κόστος και τη μεγαλύτερη εφικτή αποτελεσματικότητα. Τα συστήματα και οι πλατφόρμες ΤΝ είναι πολύ πιο αποτελεσματικά από το ανθρώπινο μυαλό όταν πρόκειται να κοσκινίσουν χρήσιμες πληροφορίες μέσα από μεγάλο όγκο δεδομένων.
Eπιπλέον, η εκτέλεση σύνθετων χημικών αντιδράσεων απαιτεί εξειδικευμένες γνώσεις, που συνήθως αποκτούνται μετά από πολλά χρόνια μελέτης και εργαστηριακής εμπειρίας. Η ανάπτυξη τεχνολογιών αυτοματοποίησης των χημικών συνθέσεων είναι, άλλωστε, μια προσπάθεια μισού αιώνα που δεν έχει ακόμη ευδοκιμήσει. Οι δυνατότητες που συνοδεύουν την τεχνητή νοημοσύνη, τη διαθεσιμότητα μεγάλου όγκου δεδομένων και τη χρήση προηγμένων αλγορίθμων αλλάζουν το ερευνητικό πλαίσιο.
Μακροπρόθεσμα, η ΤΝ θα ανοίξει νέους δρόμους για πιο αποτελεσματικές και εξατομικευμένες ιατρικές θεραπείες. Ωστόσο, απαιτείται συνεχής έρευνα και επενδύσεις σε αυτόν τον τομέα, καθώς και νέα διεπιστημονική συνεργασία από επιστήμονες στους τομείς της χημείας, της φαρμακολογίας και της βιοτεχνολογίας.
