Возможности использования искусственного интеллекта при разработке составов антигипертензивных фитопрепаратов

В современной фармацевтической индустрии применение искусственного интеллекта существенно улучшает процесс создания лекарственных средств. Недавние исследования выявили, что искусственный интеллект может значительно повысить эффективность лечения гипертонии путем оптимизации составов растительных сборов. В исследовании предложены три уникальных состава сборов, разработанных при помощи нейросети ChatGPT с учетом анализа данных о растениях, их взаимодействии и эффективности лечения. Каждый состав тщательно подобран для обеспечения максимальной эффективности и минимального количества побочных эффектов.

Инновационные подходы могут значительно улучшить качество жизни пациентов, предоставляя им более эффективные и безопасные средства для лечения гипертонии и других сердечно-сосудистых заболеваний. Прогресс открывает новые перспективы для будущего медицинского развития, подчеркивая значимость симбиоза между технологиями и медицинской практикой.

1. Sahu A., Mishra J., Kushwaha N. Artificial Intelligence (AI) in Drugs and Pharmaceuticals. Comb. Chem. High. Throughput. Screen. 2022; 25 (11): 1818-1837. https://doi.org/10.2174/1386207325666211207153943

2. Карцхия А. А. Цифровая медицина – реальность сегодняшнего дня. Экономические и социальные проблемы России. 2021; 2 (46): 132-142.

3. Честнов О.П., Бойцов С.А., Куликов А.А., Батурин Д.И. Мобильные технологии на службе охраны здоровья. Медицинские новости. 2015; 2 (245): 6-10.

4. Загородникова К.А. Организация мониторинга безопасности лекарственных средств в мире – методологические подходы. Тихоокеанский медицинский журнал. 2015; 1 (59): 11-15.

5. Тавберидзе К. Ю. Цифровой маркетинг в сфере здравоохранения. Общественное здоровье и здравоохранение. 2023; 2 (77): 18-26.

6. Хусанов У.А.У., Кудратиллаев М.Б.У., Сиддиков Б.Н.У., Довлетова С.Б. Искусственный интеллект в медицине. Science and Education. 2023; 5: 772-782.

7. Yinlong L., Yilin L., Ziyue S., Xinggao L. Semisupervised contrastive regression for pharmaceutical processes. Expert Systems with Applications. 2024; 238: 121974. https://doi.org/10.1016/j.eswa.2023.121974

8. Agatonovic-Kustrin S., Beresford R. Basic concepts of artificial neural network (ANN) modeling and its application in pharmaceutical research. Journal of Pharmaceutical and Biomedical Analysis. 2000; 22 (5): 717-727. https://doi.org/10.1016/S0731-7085(99)00272-1