Диссертация

Развитие технологий искусственного интеллекта (ИИ) и машинного обучения значительно ускорило поиск новых малых лекарственных молекул, несмотря на то что пока созданные при помощи ИИ потенциальные лекарственные вещества не были зарегистрированы национальными регуляторами. Тем не менее, эти технологии могут быстро анализировать огромные наборы данных, предсказывать поведение потенциальных кандидатов на лекарство и оптимизировать процесс разработки препаратов, снижая затраты и время, связанные с разработкой лекарств. Тем не менее, создание новых лекарственных веществ всё ещё является крайне трудоемкой и дорогой задачей, требующей многопараметрической оптимизации, которая помимо чисто химических и фармакологических требований к фармсубстанции, то как эффективность, безопасность, масштабируемость синтеза, включает и факторы иной природы, такие как экономическую целесообразность (баланс между размером рынка и затратами на разработку и производство с учетом возможной конкуренции) и юридические аспекты в лице особенностей патентной конкуренции и регистрации препаратов. Интеграция учета всех факторов, прямо или косвенно влияющих на принятие решение в рамках разработки потенциальных лекарственных веществ, в рамках платформенных решений на основе искусственного интеллекта представляется для профессионального сообщества ключом к проблемам индустрии. Описанию одной из первых таких платформ и созданию её ключевых узлов, связанных с моделированием структурных трендов медицинской химии и оценкой синтезируемости молекулярных структур посвящена настоящая диссертация.