Zastosowanie algorytmów sztucznej inteligencji w przemyśle farmaceutycznym – wyzwania i perspektywy

Michał Bielówka; Aleksandra Wocław; Oliwia Wydymańska; Dominika Kaczyńska; Kinga Kwiatkowska; Alicja Pluta

Zastosowanie algorytmów sztucznej inteligencji w przemyśle farmaceutycznym – wyzwania i perspektywy

Autorzy

Michał Bielówka - Studenckie Koło Naukowe Analiz Komputerowych i Sztucznej Inteligencji przy Katedrze Radiologii i Medycyny Nuklearnej Śląskiego Uniwersytetu Medycznego w Katowicach; Aleksandra Wocław - Studenckie Koło Naukowe im. Zbigniewa Religi przy Katedrze i Zakładzie Biofizyki, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Oliwia Wydymańska - Studenckie Koło Naukowe im. Zbigniewa Religi przy Katedrze i Zakładzie Biofizyki, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Dominika Kaczyńska - Studenckie Koło Naukowe Analiz Komputerowych i Sztucznej Inteligencji przy Katedrze Radiologii i Medycyny Nuklearnej Śląskiego Uniwersytetu Medycznego w Katowicach; Kinga Kwiatkowska - Studenckie Koło Naukowe im. Zbigniewa Religi przy Katedrze i Zakładzie Biofizyki, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Alicja Pluta - Collegium Medicum im. dr. Władysława Biegańskiego Uniwersytetu Jana Długosza w Częstochowie

Streszczenie

Sztuczna inteligencja (ang. Artificial Intelligence - AI) staje się kluczowym elementem rewolucji w przemyśle farmaceutycznym. Sztuczna Inteligencja umożliwia analizę ogromnych zbiorów danych medycznych, identyfikację wzorców klinicznych oraz prognozowanie wyników terapeutycznych. W kontekście odkrywania nowych leków, AI może znacząco przyśpieszyć proces ich projektowania poprzez analizę danych molekularnych i klinicznych. Sztuczna inteligencja może identyfikować potencjalne cele terapeutyczne leków oraz pomóc również w predykcji interakcji lek-cel. Jednym z najbardziej kluczowych aspektów, w których AI ma bardzo duży potencjał jest pomoc w projektowaniu leków o większej skuteczności i mniejszej toksyczności, jednocześnie zmniejszając koszty tego procesu. W zakresie automatyzacji procesów produkcyjnych, AI analizuje bardzo duże ilości danych pochodzących z procesów produkcyjnych, identyfikuje anomalie i optymalizuje planowanie produkcji. Pomimo obiecujących możliwości, wprowadzenie AI do przemysłu farmaceutycznego wymaga dostosowania regulacji, zapewnienia transparentności algorytmów oraz odpowiedniego przeszkolenia personelu.