به گزارش گروه علم و آموزش ایرنا از وبگاه سای‌تِک‌دِیلی (SciTechDaily)، دانشمندان از مدل‌های یادگیری ماشین برای فرمولاسیون (فرمول‌سازی) داروهای تزریقی بلند اثر
(long-acting injectable drug) با موفقیت استفاده کردند. قابلیت الگوریتم‌های یادگیری ماشین برای سرعت‌بخشیدن به فرمولاسیون داروها، زمان و هزینه لازم برای تولید دارو را کاهش می‌دهد و دسترسی به داروهای جدید امیدوارکننده را با سرعت بیشتری ممکن می‌کند.
این پژوهش محققان دانشگاه تورُنتو در کانادا، از اولین پژوهش‌هایی است که از روش‌های یادگیری ماشین در فرمولاسیون داروهای تزریقی پلیمری بلند اثر، استفاده می‌کند. محققان این پژوهش چندرشته‌ای از هوش مصنوعی و خودکارسازی (اتوماسیون) برای تسریع در کشف مواد و مولکول‌های لازم برای آینده‌ای پایدار استفاده می‌کنند.
یکی از محققان می‌گوید: یادگیری ماشین، پیشرفت‌هایی باورنکردنی در زمینه کشف مولکول‌های جدید دارای قابلیت تبدیل‌شدن به دارو را ممکن کرده است. اکنون، در حال کار بر روی استفاده از روش‌هایی مشابه برای کمک به طراحی فرمول‌های دارویی بهتر و در نهایت داروهای بهتر هستیم.
داروهای تزریقی بلند اثر، دسته‌ای از سامانه‌های (سیستم‌های) دارورسانی پیشرفته هستند که برای آزادسازی محتویات خود در زمان طولانی به‌منظور دستیابی به اثر درمانی طولانی‌مدت طراحی شده‌اند. این داروها، یکی از روش‌های درمانی امیدوارکننده برای درمان بیماری‌های مزمن محسوب می‌شوند.
دستیابی به مقدار بهینه رهایش دارو در دوره زمانی مدنظر، مستلزم طراحی و شناسایی فرمول‌های مختلف از طریق آزمایش‌های گسترده و زمان‌بر است. استفاده از یادگیری ماشین، به بیماران کمک می‌کند به مصرف صحیح داروهای خود بیشتر پایبند باشند؛ همچنین عوارض جانبی داروها را کاهش و اثربخشی داروها را از طریق تزریق در نزدیکی محل اثر در بدن افزایش می‌دهد.
محققان با استفاده از این روش، یک فرمول برای استفاده از دارویی طراحی کردند که در حال حاضر برای درمان سرطان تخمدان استفاده می‌شود. یکی از محققان می‌گوید: وقتی یک مدل آموزش‌دیده دارید، می‌توانید آنچه ماشین آموخته است را تفسیر کنید و از آن برای پیشرفت معیارهای طراحی سامانه‌های جدید استفاده کنید.
نتایج پژوهش کنونی نشان‌دهنده قابلیت یادگیری ماشین برای کاهش آزمون و خطا در زمینه داروهای تزریقی، تاثیر طولانی دارد؛ اما محققان معتقدند نیستند مجموعه داده‌های منبع‌باز در دسترس در علوم دارویی، مشکلی مهم برای پیشرفت به‌شمار می‌آید.
تیم پژوهشی به‌منظور گسترش استفاده از یادگیری ماشین در علوم دارویی، مجموعه داده‌ها و کدهای خود را در پلتفرم منبع‌باز Zenodo در دسترس قرار داده‌اند.
یادگیری ماشین مطالعه الگوریتم‌ها و مدل‌های آماری استفاده‌شده در سامانه‌های رایانه‌ای است که به‌جای استفاده از دستورالعمل‌های واضح، از الگوها و استنباط برای انجام وظایف استفاده می‌کند. یادگیری ماشین علمی است که باعث می‌شود رایانه‌ها بدون نیاز به یک برنامه صریح، درباره یک موضوع خاص یاد بگیرند.