Dr. Jürgen Bajorath liderliğindeki bir ekip, Bonn Üniversitesi’nde gerçekleştirilen dönüm noktası niteliğindeki bir çalışmada, yapay zekanın (YZ) farmasötik araştırmalardaki rolüne ilişkin önemli bir bulguyu ortaya koydu.
Nature Machine Intelligence dergisinde yayınlanan çalışma, başta grafik sinir ağları (GNN’ler) olmak üzere bazı yapay zeka sistemlerinin, ilaç etkinliğini tahmin etmek için belirli kimyasal etkileşimlerden öğrenmek yerine mevcut verilerin ezberlenmesine olan şaşırtıcı bağımlılığını ortaya koyuyor.
‘Zeki Hans’ Etkisinin Ortaya Çıkarılması
GNN’ler, moleküllerin hedef proteinlere bağlanma gücünü tahmin etmek için kullanılan kritik makine öğrenimi uygulamalarıdır. Bu sistemler, düğümlerin ve kenarların sırasıyla yapıları ve etkileşimleri gösterdiği protein-ligand komplekslerini sembolize eden grafikler kullanılarak eğitilir. Bonn Üniversitesi’ndeki ekip, GNN’lerin karar verme süreçlerini daha derinlemesine incelemek için EdgeSHAPer adlı bir yöntem geliştirdi. Sonuçlar beklenmedikti: çoğu GNN’nin tahminlerde bulunmak için eğitim verilerindeki kimyasal benzerliklere büyük ölçüde dayandığı ve ‘Akıllı Hans etkisi’ne benzer bir olguyu yansıttığı görüldü.
Önemli Protein-İlaç Etkileşimlerinin Gözardı Edilmesi
Bu keşif, GNN’lerin tahmin gücünün abartılmış olabileceğini ima etmektedir. Sistemlerin temel protein-ilaç etkileşimlerini öğrenmede başarısız olması, kimyasal bilgiye dayanan daha basit yöntemlerin eşit derecede etkili olabileceğini göstermektedir. Özünde, yapay zeka sistemlerinin kimyasal etkileşimlerin karmaşık etkileşimini anlamak ve bunlardan içgörü elde etmek yerine ezbere öğrenmeye daha fazla bağımlı olduğu görülmüştür.
Gelişmiş Tahmin Gücü için Umut
Bu bulgulara rağmen, çalışma bazı cesaret verici işaretleri de gün ışığına çıkarmıştır. Bazı GNN modelleri daha fazla etkileşim öğrenme eğilimi göstermiştir. Bu durum, eğitim tekniklerinin ve temsillerin ince ayarının yapılmasıyla, bu modellerin potansiyel olarak ilaç etkinliğine ilişkin daha doğru tahminler sağlayacak şekilde geliştirilebileceğini göstermektedir.
Bu arada, Massachusetts Teknoloji Enstitüsü’ndeki (MIT) araştırmacılar, MRSA ile mücadele edebilecek yeni bir antibiyotik sınıfı keşfetmek için gelişmiş derin öğrenme modellerinden yararlandılar. Bu başarı, altmış yıldır ilk büyük antibiyotik keşfine işaret ediyor ve yapay zekanın ilaç keşfini hızlandırmada ve ilaç geliştirme sürecini optimize etmede dönüştürücü etkisinin altını çiziyor. Biyofarmasötik endüstrisi geliştikçe, YZ’nin ilaç keşfindeki rolü 2024’te izlenmesi gereken önemli bir trend olmaya devam ediyor.
Yeni tedaviler ve inovasyonlar için kapı bekçisi olan Gıda ve İlaç İdaresi (FDA), bu tür gelişmelerin incelenmesi ve onaylanmasında çok önemli bir rol oynamaktadır. Biyofarmasötik ekosistemde güvenlik, etkinlik ve etik davranış sağlamak, ilaç keşfinde yapay zekanın hızla değişen ortamında gezinirken misyonunun merkezinde yer almaya devam ediyor.
Yapayzeka.news’in hiçbir güncellemesini kaçırmamak için bizi Facebook, Twitter, LinkedIn, Instagram‘ ve Whatsapp Kanalımız‘dan takip edin.
