Использование искусственного интеллекта и машинного обучения для ускорения разработки методов лечения, изменяющих течение сахарного диабета 1-го типа

Leveraging artificial intelligence and machine learning to accelerate discovery of disease-modifying therapies in type 1 diabetes
Mark Allen Clements, Todd M. Brusko, Amanda L. Posgai, Melanie R. Shapiro, Matthew E. Brown, Erin M. Tallon
2024-12-19

искусственный интеллектмодели цифровых двойниковмашинное обучениемультиомные технологиисахарный диабет 1 типа
Прогресс в разработке методов лечения, направленных на сохранение эндогенной секреции инсулина при сахарном диабете 1-го типа или на предотвращение его развития, сдерживается ограниченным числом моделей на животных, продолжительностью и высокой стоимостью клинических исследований, трудностями выявления лиц с более быстрым прогрессированием к клинически манифестному сахарному диабету 1-го типа, а также неоднородностью клинического ответа в интервенционных исследованиях. Классические плацебо-контролируемые интервенционные исследования часто включают монотерапию, широкие популяции участников и длительные периоды наблюдения, ориентированные на клинические конечные точки. Хотя такой подход по-прежнему считается «золотым стандартом» клинических исследований, предпринимаются усилия по внедрению новых подходов, использующих возможности искусственного интеллекта и машинного обучения для ускорения разработки лекарственных препаратов и оценки их эффективности. В настоящем обзоре рассматриваются новые подходы к перепрофилированию препаратов, применяемых для лечения заболеваний с патогенетическими путями, общими с сахарным диабетом 1-го типа, а также к выбору синергических комбинаций лекарственных средств для максимизации терапевтической эффективности. Обсуждается, как современные мультиомные технологии, включая анализ процессинга и презентации антигенов клеткам адаптивной иммунной системы, могут способствовать выявлению новых биомаркеров и их последующей трансляции в антиген-специфические иммунотерапевтические методы. Также рассматривается возможность использования искусственного интеллекта для создания моделей «цифровых двойников», обеспечивающих быстрое тестирование персонализированных препаратов in silico и определение дозировок. В заключение обсуждаются некоторые ограничения искусственного интеллекта и машинного обучения, включая проблемы интерпретируемости моделей и смещения, а также сохраняющаяся необходимость валидационных исследований посредством подтверждающих интервенционных испытаний.
1
Искусственный интеллект и машинное обучение разрабатываются для ускорения поиска и оценки эффективности методов сохранения эндогенной секреции инсулина или профилактики сахарного диабета 1 типа.
2
Искусственный интеллект может создавать цифровых двойников для быстрого компьютерного тестирования персонализированных методов лечения и определения дозировок.
3
Вычислительные подходы могут перепрофилировать препараты, воздействующие на общие с диабетом 1 типа патогенетические пути, и выявлять синергичные комбинации для повышения эффективности лечения.
4
Интерпретируемость моделей и систематические смещения остаются важными ограничениями, а результаты применения ИИ требуют подтверждения в интервенционных клинических исследованиях.
5
Мультиомные анализы, включая изучение процессинга и презентации антигенов клеткам адаптивной иммунной системы, могут выявить биомаркеры для антиген-специфической иммунотерапии.

Терапии, модифицирующие течение сахарного диабета 1 типа, направленные на сохранение эндогенной секреции инсулина или предотвращение прогрессирования заболевания

Ускорение с помощью AI и машинного обучения поиска терапий, репозиционирования лекарственных средств, подбора синергических комбинаций препаратов, выявления биомаркеров, разработки антиген-специфической иммунотерапии и персонализированной оценки эффективности и дозирования

Publication Details
Publication Date
2024-12-19
Journal
Publisher
ISSN
Cited by
24
Access Type
Author Information
Authors
Mark Allen Clements
Todd M. Brusko
Amanda L. Posgai
Melanie R. Shapiro
Matthew E. Brown
Erin M. Tallon
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%