E!163 AId Red Glead Discovery

Viktiga resultat som projektet gav

Projektet syftade till att utveckla en AI-plattform för att utföra integrerad Drug Discovery på ett automatiserat sätt, genom att använda metoder för djupinlärning. Den utvecklade plattformen kräver en låg grad av manuellt arbete och användningen av metoder för djupinlärning under utvecklingen har varit framgångsrik. Den är också snabbare än konkurrerande verktyg, med en bibehållen kvalitetsnivå. Efter implementering av den funktionalitet som identifierats efter behov, uppfyller plattformen projektmålet även om kommersialisering av projektet ännu inte har uppnåtts

Långsiktiga effekter som förväntas

Projektet innebar att utveckla en AI-plattform för Drug Discovery som skulle minska delar av det experimentella arbetet inom tidig läkemedelsutveckling och därmed minska kostnader och resursutnyttjande. Plattformen uppvisar de förutsedda och förväntade effekterna att väsentligt minska tidsåtgången för att identifiera potentiella startpunkter. Verifiering av data genererad via plattformen har även kunnat valideras genom jämförelser med tidigare experimentella data och experiment genomförda avseende AI genererad data. Valet av affärsmodell återstår dock att slutföra

Upplägg och genomförande

AI-plattformen utvecklades i princip enligt den ursprungliga designplanen, med endast någon mindre justering. De initiala testerna visade sig vara kritiska för den kommande utvecklingen av prototypen; behovet av en mer robust prediktiv algoritm, att åtgärda buggar samt att implementera nya funktioner. Efterföljande tester utvecklades och utfördes inkluderande en benchmark av plattformen, jämförelser med konkurrenters mjukvaror och utvärdering av specialiserade slutanvändare. All data som hämtades från detta arbete användes sedan för att göra de slutliga ändringarna.