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
2024-12-19
SCID: 54.1/yqvv27vk
Discuss with AI
искусственный интеллектмодели цифровых двойниковмашинное обучениемультиомные технологиисахарный диабет 1 типа
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Терапии, модифицирующие течение сахарного диабета 1 типа, направленные на сохранение эндогенной секреции инсулина или предотвращение прогрессирования заболевания
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest