Science: у ИИ в поиске лекарств пока нет доведённых до одобрения препаратов
Блог Science разбирает, где на самом деле находится применение ИИ в разработке лекарств спустя годы обещаний. Отправная точка — предсказание структуры белков, которое действительно стало рабочим инструментом любой лаборатории.
Дальше картина скромнее: молекул, найденных с помощью моделей и дошедших до одобрения регулятором, нет; несколько кандидатов идут по клиническим испытаниям, и часть из них уже выбыла на второй фазе — там, где проверяется, работает ли препарат на людях. Автор объясняет, почему так: модели хорошо ускоряют этап поиска молекулы-кандидата, а основные потери происходят позже, в биологии, которую предсказать нечем.
Вывод у текста прикладной: ИИ сжимает самый дешёвый участок цепочки, а самый дорогой остаётся прежним.
Что говорят
EA-3167Hacker News
Главная мысль рекомендаций: надо думать, зачем ты применяешь ту или иную технологию, а не хватать её просто потому, что она появилась. Очень хочется, чтобы это поняли люди с властью и влиянием пораньше — обычно цена ошибки не столь драматична и дорога, как здесь. Новое и блестящее не значит работающее.
tim333Hacker News
Разбор статьи от Дерека Лоу лежит на science.org — изначально, кажется, ссылались на него, но почему-то заменили на версию за 30 фунтов у Elsevier.