آلفابت از راه اندازی استارتاپ جدیدی به نام «آزمایشگاه ایزومورفیک» خبر داده که - تعمیرات کولر گازی در شهر بابلسر استان مازندران - قرار است با استفاده از فناوریهای مبتنی بر هوش مصنوعی، داروهای مختلفی را کشف کند.
پیش از این نیز یکی دیگر از شرکتهای زیرمجموعه آلفابت تحت عنوان DeepMind از - تعمیرات کولر گازی در شهر بابلسر استان مازندران - هوش مصنوعی برای پیشبینی ساختار پروتئینها استفاده کرده بود.
شرکت جدید آلفابت یعنی آزمایشگاه ایزومورفیک (Isomorphic Laboratories) قصد دارد از هوش مصنوعی برای ساخت ابزارهایی استفاده کند - تعمیرات کولر گازی در شهر بابلسر استان مازندران - که به شناسایی داروهای جدید کمک زیادی میکنند. سخنگوی آلفابت یعنی «دمیس هسابیس» مدیرعامل DeepMind که به عنوان مدیرعامل این استارتاپ فعالیت خواهد کرد، میگوید این دو شرکت از یکدیگر مستقل - تعمیرات کولر گازی در شهر بابلسر استان مازندران - خواهند بود و تنها گاهی اوقات با یکدیگر همکاری میکنند.
کارشناسان برای چندین سال از هوش مصنوعی به عنوان راهی برای سریعتر و ارزانتر کردن کشف داروهای جدید برای درمان بیماریهای مختلف یاد میکنند. همچنین طی دو سال گذشته، صدها میلیون دلار روی شرکتهایی که ابزارهای هوش مصنوعی - تعمیرات کولر گازی در شهر بابلسر استان مازندران - را ایجاد میکنند، - تعمیرات کولر گازی در شهر بابلسر استان مازندران - سرمایهگذاری شده است.
به گفته هسابیس، آزمایشگاه ایزومورفیک سعی خواهد کرد با ایجاد - تعمیرات کولر گازی در شهر بابلسر استان مازندران - کردن مدلهایی بتواند نحوه تعامل دارو با بدن را پیشبینی کند. در این کار ممکن است از فناوریهای DeepMind برای بررسی ساختاری پروتئین استفاده شود تا نحوه تعامل پروتئینها مورد بررسی قرار گیرد. البته این شرکت جدید قرار نیست داروهای خود را تولید کند اما قصد دارد مدلهای هوش مصنوعی خود را به فروش برساند. با این وجود یکی از سخنگویان شرکت اعلام میکند که آنها روی مشارکت با شرکتهای داروسازی نیز تمرکز خواهند کرد.
با این وجود، توسعه و آزمایش دارو چالش سختتری نسبت به کشف ساختار پروتئین است. همانطور که «درک لو» شیمیدان و نویسنده - تعمیرات کولر گازی در شهر بابلسر استان مازندران - به آن اشاره میکند، بیش از ۹۰ درصد داروهایی که به کارآزمایی بالینی راه پیدا میکنند، نتیجه مطلوبی نخواهند داشت. پروژههای انجام شده در DeepMind و کارهای آینده شرکت جدید میتواند به رفع برخی از محدودیتهای تحقیقاتی کمک کند، اما راهحل سریعی برای چالشهای بسیار زیاد توسعه دارو محسوب نمیود.