Inteligența artificială poate anticipa expunerile chimice dăunătoare sănătății umane
Inteligența artificială îmbunătățește rapid capacitatea oamenilor de știință de a detecta substanțele chimice din mediu și din organismul uman.
Un nou articol de perspectivă susține că următorul pas major nu constă doar în identificarea unor substanțe chimice suplimentare, ci în determinarea expunerilor care au cele mai mari șanse de a perturba sistemele biologice și de a contribui la apariția bolilor.
Publicat în revista Artificial Intelligence & Environment, articolul prezintă o schimbare către expoziția chimică funcțională, o abordare emergentă care combină spectrometria de masă de înaltă rezoluție, inteligența artificială, bazele de date toxicologice și datele despre răspunsul biologic.
Expoziția chimică analizează gama totală de expuneri de mediu la care o persoană este supusă de-a lungul vieții. Instrumentele analitice moderne pot detecta mii de semnale chimice în sânge, urină, țesuturi și probe de mediu. Totuși, multe dintre substanțele detectate rămân neidentificate, în timp ce semnificația biologică a altora este slab înțeleasă.
„Viitorul expoziției chimice nu se concentrează doar pe descoperirea substanțelor chimice prezente, ci și pe prezicerea efectelor acestor substanțe în sistemele biologice”, a declarat Hemi Luan de la Universitatea Guangdong de Tehnologie. „AI poate ajuta cercetătorii să își concentreze resursele experimentale limitate asupra expunerilor cele mai relevante pentru sănătatea umană.”
Autorii propun transformarea inteligenței artificiale dintr-un „motor de descoperire chimică” într-un motor de predicție funcțional. Aceste sisteme ar putea integra structurile chimice, predicțiile de toxicitate, interacțiunile moleculare și modificările în gene, proteine și metabolite. Fiecare substanță chimică ar putea primi astfel un scor de risc al activității biologice, ajutând cercetătorii să prioritizeze candidații pentru testarea în laborator și evaluarea riscurilor pentru sănătate.
Cadrele includ, de asemenea, abordări de învățare automată pentru inferența cauzală, care ar putea ajuta la distingerea efectelor semnificative ale expunerii de simple corelații statistice.
Rămân provocări importante, inclusiv lipsa unor date de înaltă calitate pentru antrenament, amestecuri chimice, factori de confuzie necunoscuți și necesitatea unor modele transparente și interpretabile. Validarea experimentală utilizând celule, organoizi sau modele animale va rămâne, de asemenea, esențială.
Autorii concluzionează că o colaborare mai strânsă între chimiști, toxicologi, epidemiologi, bioinformaticieni și oameni de știință informatici ar putea transforma expoziția chimică dintr-un inventar chimic într-un instrument predictiv și preventiv pentru acțiuni de sănătate publică.
