هوش مصنوعی و ماشین لرنینگ چگونه فرآیند کشف دارو را متحول می‌کنند؟ بر اساس نظرسنجی GlobalData در آوریل ۲۰۲۵، هوش مصنوعی با نظر ۷۳٪ از پاسخ‌دهندگان، به‌عنوان فناوری‌ای شناخته می‌شود که بیشترین تأثیر تحول‌آفرین را در صنایع مختلف از جمله سلامت خواهد داشت. این تأثیر با اهدای جایزه نوبل شیمی ۲۰۲۴ به تیم دیپ‌مایند برای سیستم AlphaFold برجسته شد؛ سیستمی که توانایی پیش‌بینی دقیق ساختار پروتئین‌ها را دارد و مسیر طراحی دارو را متحول کرده است. نقش هوش مصنوعی در داروسازی از شناسایی اهداف درمانی تا طراحی ترکیبات دارویی و آزمایش‌های بالینی گسترده است. مدل‌های مولد (Generative AI) در طراحی مولکول‌ها و پروتئین‌های سفارشی و مدل‌های زبانی بزرگ (LLMs) در جذب و نگه‌داشت داوطلبان در کارآزمایی‌های بالینی مؤثر عمل کرده‌اند. برای مثال، ابزار تطبیق بیماران در سال ۲۰۲۳ توانست با بهره‌گیری از LLM زمان بررسی اولیه را برای پزشکان تا ۹۰٪ کاهش دهد. ادغام هوش مصنوعی در فرآیند کشف دارو، توانسته هزینه مرحله نخست آزمایش‌های بالینی را از ۱۰۰ میلیون دلار به ۷۰ میلیون کاهش دهد و بازه ۴ تا ۵ ساله تحقیقات اولیه را نیز به کمتر از یک سال رسانده است؛ مزیتی مهم برای بیماری‌هایی که گزینه‌های درمانی کمی دارند. با این حال، این پیشرفت‌ها با چالش‌هایی مانند کمبود داده‌های زیستی باکیفیت، موانع قانونی، کمبود نیروی متخصص و دغدغه‌های اخلاقی مواجه‌اند. آموزش مدل‌های AI نیازمند داده‌هایی است که تهیه آن‌ها زمان‌بر و پرهزینه است. بنابراین، با وجود پتانسیل‌های گسترده، مسیر توسعه AI در سلامت همچنان به تلاش مشترک علمی، صنعتی و نظارتی نیاز دارد.