Главной задачей исследования было сокращение числа дорогостоящих экспериментов по проверке новых фармацевтических композиций. Инструмент дает возможность частично заменить лабораторные испытания автоматизированным скринингом сокристаллов: сам подбирает компоненты, оценивает свойства новых составов, выбирает лучшие и совершенствует их формулы с помощью эволюционного алгоритма. Это позволяет превзойти даже результаты, получаемые с помощью современных открытых больших языковых моделей – такое сравнение тоже входило в программу экспериментов. Если прежде от создания молекулы до изготовления лекарства проходил почти год, то использование data-driven подхода сократило этот срок до нескольких недель.
С помощью инструмента также была улучшена таблетируемость препаратов. Решение было протестировано на компонентах для таких лекарств, как парацетамол, никорандил и ривароксабан.
""Наша совместная разработка – большое подспорье коллегам-химикам в их научной деятельности, так как позволяет сэкономить время экспертов-кристаллографов для решения действительно творческих задач. Мы будем развивать этот проект в направлении ""AutoML для научных исследований"". Наша цель – создать инструмент для быстрой адаптации существующих ИИ-методов и моделей для все новых и новых задач – как в химии, так и за её пределами"", – отметил Николай Никитин, руководитель научной группы автоматического машинного обучения в лаборатории NSS Lab центра «Сильный ИИ в промышленности».