ການລວມເອົາ AI ເຂົ້າໃນການປິ່ນປົວມະເຮັງ.

ມະເຮັງມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ສຸຂະພາບຂອງປະຊາຊົນ, ດັ່ງນັ້ນ, ຄວາມຕ້ອງການທີ່ຈະຊອກຫາວິທີການປິ່ນປົວທີ່ມີປະສິດທິພາບ, ປອດໄພ ແລະ ຍືນຍົງ ຈຶ່ງກາຍເປັນເລື່ອງຮີບດ່ວນເພີ່ມຂຶ້ນເລື້ອຍໆ.

Báo Nhân dân•25/05/2026

ການຄົ້ນຄວ້າກຳລັງດຳເນີນຢູ່ສະຖາບັນເຄມີສາດເພື່ອຊອກຫາສານປະກອບທີ່ມີທ່າແຮງໃນການຍັບຍັ້ງມະເຮັງຈາກໂຄງສ້າງ xanthone ທີ່ເກີດຂຶ້ນຕາມທຳມະຊາດ. (ຮູບພາບ: VAN NGA)

ມະເຮັງສົ່ງຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ສຸຂະພາບຂອງປະຊາຊົນ, ເຮັດໃຫ້ຄວາມຕ້ອງການວິທີແກ້ໄຂການປິ່ນປົວທີ່ມີປະສິດທິພາບ, ປອດໄພ ແລະ ຍືນຍົງມີຄວາມຮີບດ່ວນເພີ່ມຂຶ້ນເລື້ອຍໆ. ການລວມເອົາປັນຍາປະດິດ (AI), ການປະມວນຜົນທີ່ມີປະສິດທິພາບສູງ, ແລະ ການກວດສອບຄວາມຖືກຕ້ອງຈາກການທົດລອງ ກຳລັງເປີດວິທີການທີ່ມີປະສິດທິພາບໃນການອອກແບບອະນຸພັນ xanthone ສຳລັບການປິ່ນປົວມະເຮັງແບບເປົ້າໝາຍ.

ການອອກແບບຢາດ້ວຍຄອມພິວເຕີ (CADD) ກຳລັງກາຍເປັນທ່າອ່ຽງທີ່ສຳຄັນໃນເຄມີສາດການຢາທີ່ທັນສະໄໝ. ໃນປະເທດຫວຽດນາມ, ການເຊື່ອມໂຍງຂອງ AI ແລະ ຄອມພິວເຕີປະສິດທິພາບສູງກັບວິທີການທົດລອງ ກຳລັງເປີດວິທີການໃໝ່ໆໃນການນຳໃຊ້ສານປະກອບທຳມະຊາດ. ໃນການສຶກສາຄັ້ງນີ້, ຂອບການ xanthone ໄດ້ຖືກຄັດເລືອກເປັນແຫຼ່ງທີ່ມາທີ່ມີຄວາມຫວັງ, ໂດຍມີຂະບວນການຄົ້ນຄວ້າທີ່ມຸ່ງໄປສູ່ການຈຳລອງຈົນເຖິງການຢັ້ງຢືນການທົດລອງ.

ຄຽງຄູ່ກັບການປິ່ນປົວແບບດັ້ງເດີມ, ແນວໂນ້ມໃນການພັດທະນາຢາທີ່ທັນສະໄໝກຳລັງປ່ຽນໄປສູ່ການອອກແບບຢາທີ່ແນໃສ່ເປົ້າໝາຍ, ປະສົມປະສານກັບເຕັກໂນໂລຊີການຄິດໄລ່ທີ່ກ້າວໜ້າເພື່ອຫຼຸດເວລາການຄົ້ນຄວ້າ ແລະ ປັບປຸງປະສິດທິພາບ. ໃນແນວໂນ້ມນີ້, ສານປະກອບທີ່ໄດ້ມາຈາກທຳມະຊາດ, ໂດຍສະເພາະແມ່ນ xanthones, ກຳລັງດຶງດູດຄວາມສົນໃຈຍ້ອນທ່າແຮງທາງຊີວະພາບທີ່ຫຼາກຫຼາຍຂອງມັນ, ລວມທັງກິດຈະກຳຕ້ານມະເຮັງ. ຢ່າງໃດກໍຕາມ, ການນຳໃຊ້ສານປະກອບເຫຼົ່ານີ້ຢ່າງມີປະສິດທິພາບຍັງຄົງຈຳກັດຖ້າອີງໃສ່ວິທີການທົດລອງແບບດັ້ງເດີມຢ່າງດຽວ, ເຊິ່ງໃຊ້ເວລາຫຼາຍ ແລະ ມີຄ່າໃຊ້ຈ່າຍສູງ.

ຮອງສາດສະດາຈານ, ດຣ. ຟ້າມ ມິງ ກວນ ແລະ ເພື່ອນຮ່ວມງານຂອງລາວທີ່ສະຖາບັນເຄມີສາດ (ສະພາບັນດິດ ວິທະ ຍາສາດ ແລະ ເຕັກໂນໂລຊີຫວຽດນາມ) ໄດ້ຈັດຕັ້ງປະຕິບັດໂຄງການ "ການຄົ້ນຄວ້າກ່ຽວກັບການນຳໃຊ້ການຈຳລອງດ້ວຍຄອມພິວເຕີຮ່ວມກັບວິທີການທົດລອງເພື່ອຄົ້ນຫາສານປະກອບຍັບຍັ້ງຈຸລັງມະເຮັງທີ່ມີທ່າແຮງຈາກສານປະກອບໂຄງສ້າງ xanthone ທີ່ມາຈາກທຳມະຊາດ". ໂຄງການນີ້ມີຈຸດປະສົງເພື່ອສ້າງຂະບວນການຄົ້ນຄວ້າປະສົມປະສານທີ່ວິທີການຄິດໄລ່ທີ່ທັນສະໄໝເຊັ່ນ: AI, ການຈຳລອງໂມເລກຸນ, ແລະ ການຄອມພິວເຕີປະສິດທິພາບສູງຖືກນຳໃຊ້ຮ່ວມກັບການຢັ້ງຢືນການທົດລອງ, ປະກອບສ່ວນເຂົ້າໃນການເປີດວິທີການໃໝ່ໃນການຄົ້ນຄວ້າ ແລະ ພັດທະນາຢາໃນຫວຽດນາມ.

ຮອງສາດສະດາຈານ, ດຣ. ຟາມ ມິງ ກວນ ໄດ້ກ່າວວ່າ ທີມງານຄົ້ນຄວ້າໄດ້ສ້າງຖານຂໍ້ມູນຂອງສານປະກອບ xanthone, ລວມທັງສານປະກອບທີ່ມີຂໍ້ມູນການທົດລອງທີ່ມີຢູ່ແລ້ວ ແລະ ຂໍ້ມູນທີ່ໃຊ້ສຳລັບການກວດຄັດກອງແບບເສມືນ. ໂດຍອີງໃສ່ສິ່ງນີ້, ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ຖືກພັດທະນາ ແລະ ຝຶກອົບຮົມໃຫ້ຄາດຄະເນການພົວພັນທີ່ອາດເກີດຂຶ້ນຂອງສານປະກອບກັບເປົ້າໝາຍທາງຊີວະພາບທີ່ກ່ຽວຂ້ອງກັບມະເຮັງ, ດັ່ງນັ້ນຈຶ່ງສ້າງລາຍຊື່ສັ້ນຂອງສານປະກອບທີ່ມີທ່າແຮງທີ່ຍັບຍັ້ງໂປຣຕີນທີ່ຢູ່ພາຍໃຕ້ການສຶກສາຢ່າງວ່ອງໄວ. ການລວມຂໍ້ມູນການທົດລອງທີ່ເຜີຍແຜ່ກັບຮູບແບບການຄິດໄລ່ໃຫ້ຄໍາແນະນໍາທີ່ຊັດເຈນກວ່າສໍາລັບຂະບວນການກວດຄັດກອງ, ແທນທີ່ຈະອີງໃສ່ວິທີການ "ລອງຜິດລອງຖືກ" ແບບດັ້ງເດີມ.

ໃນເວລາດຽວກັນ, ພາລາມິເຕີທາງດ້ານຢາ ແລະ ດັດຊະນີ "ຄວາມຄ້າຍຄືກັນຂອງຢາ" ຂອງສານປະກອບຍັງຖືກຄາດຄະເນໂດຍໃຊ້ເຄື່ອງມືການຄິດໄລ່ພິເສດ. ສິ່ງນີ້ຮັບປະກັນວ່າບໍ່ພຽງແຕ່ສານປະກອບທີ່ມີທ່າແຮງສູງທີ່ຈະຍັບຍັ້ງໂປຣຕີນເປົ້າໝາຍຖືກຄັດເລືອກເທົ່ານັ້ນ, ແຕ່ຍັງຮັບປະກັນວ່າເງື່ອນໄຂທີ່ສຳຄັນສຳລັບການພັດທະນາຢາເຊັ່ນ: ການດູດຊຶມ, ການແຈກຢາຍ ແລະ ຄວາມປອດໄພໄດ້ຮັບການຕອບສະໜອງ. ນີ້ແມ່ນບາດກ້າວທີ່ສຳຄັນໃນການປັບປຸງຄວາມໜ້າເຊື່ອຖືຂອງການຄາດຄະເນການຄິດໄລ່ ແລະ ຫຼຸດຜ່ອນລາຍຊື່ຕື່ມອີກເພື່ອລະບຸສານປະກອບທີ່ມີທ່າແຮງກ່ອນທີ່ຈະກ້າວໄປສູ່ໄລຍະການທົດລອງ.

ຈຸດເດັ່ນຂອງການຄົ້ນຄວ້າແມ່ນການນຳໃຊ້ຮູບແບບການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງໃນການອອກແບບອະນຸພັນໃໝ່ຈາກສານປະກອບຕະກົ່ວທີ່ຖືກລະບຸ. ແທນທີ່ຈະພຽງແຕ່ "ຄົ້ນຫາ", ການຄົ້ນຄວ້າໄດ້ດຳເນີນບາດກ້າວທີ່ສຳຄັນໂດຍ "ການອອກແບບ" ອະນຸພັນໃໝ່ໂດຍອີງໃສ່ໂຄງສ້າງຂອງສານປະກອບຕະກົ່ວໂດຍມີເປົ້າໝາຍເພື່ອປັບປຸງກິດຈະກຳ. ວິທີການນີ້ສະແດງໃຫ້ເຫັນຢ່າງຊັດເຈນເຖິງບົດບາດຂອງ AI ບໍ່ພຽງແຕ່ໃນການວິເຄາະຂໍ້ມູນເທົ່ານັ້ນ ແຕ່ຍັງໃນການສ້າງສານປະກອບໂຄງສ້າງໃໝ່, ເຊິ່ງເປັນທິດທາງທີ່ໄດ້ຮັບຄວາມສົນໃຈ ຈາກທົ່ວໂລກ ໃນຂົງເຂດການອອກແບບຢາ.

ສິ່ງທີ່ໜ້າສັງເກດແມ່ນ, ດ້ວຍບັນຊີລາຍຊື່ຂອງອະນຸພັນທີ່ມີທ່າແຮງທີ່ໄດ້ຮັບຈາກຂະບວນການຈຳລອງ, ການສຶກສາໄດ້ດຳເນີນໄປດ້ວຍການສັງເຄາະເຄິ່ງໜຶ່ງຂອງອະນຸພັນເຫຼົ່ານີ້ໂດຍອີງໃສ່ກົດ gambogic - ສານປະກອບ xanthone ທີ່ອຸດົມສົມບູນຢູ່ໃນຢາງຂອງພືດ Coptis chinensis. ສອງກຸ່ມຫຼັກຂອງອະນຸພັນ, esters (11 ສານປະກອບ) ແລະ amides (8 ສານປະກອບ), ໄດ້ຖືກສັງເຄາະດ້ວຍປະສິດທິພາບສູງ, ແລະຂະບວນການສັງເຄາະຍັງໄດ້ຖືກພັດທະນາ ແລະ ເຜີຍແຜ່.

ອະນຸພັນທີ່ໄດ້ຮັບໄດ້ຖືກປະເມີນກິດຈະກຳທາງຊີວະພາບຂອງມັນໃນຈຸລັງມະເຮັງ; ສອງສານປະກອບທີ່ມີຄວາມຫວັງທີ່ສຸດໄດ້ຖືກທົດສອບຕື່ມອີກໃນແບບຈຳລອງສັດເພື່ອກຳນົດທ່າແຮງໃນການຍັບຍັ້ງເນື້ອງອກຂອງມັນ, ໃນຂະນະທີ່ການປະເມີນຄວາມເປັນພິດສ້ວຍແຫຼມ ແລະ ຊຳເຮື້ອໄດ້ຖືກດຳເນີນເພື່ອຮັບປະກັນຄວາມປອດໄພ. ຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່າອະນຸພັນຫຼາຍຊະນິດສະແດງໃຫ້ເຫັນກິດຈະກຳຕ້ານເນື້ອງອກທີ່ສຳຄັນ, ສອດຄ່ອງກັບການຄາດຄະເນການຈຳລອງ; methyl gamgogate ແລະ morpholinyl gambogamide ໂດດເດັ່ນດ້ວຍປະສິດທິພາບໃນການຍັບຍັ້ງເນື້ອງອກທີ່ດີກວ່າ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ອີງຕາມຮອງສາດສະດາຈານ ດຣ. ຟ້າມ ມິງ ກວນ, ການຈັດຕັ້ງປະຕິບັດການຄົ້ນຄວ້າແບບປະສົມປະສານຍັງປະເຊີນກັບສິ່ງທ້າທາຍຫຼາຍຢ່າງ. ຫນ້າທໍາອິດ, ມີຂໍ້ຈໍາກັດໃນການປ້ອນຂໍ້ມູນສໍາລັບຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກເນື່ອງຈາກການຂາດແຫຼ່ງຂໍ້ມູນການທົດລອງທີ່ມີຄຸນນະພາບສູງ, ເຊິ່ງສົ່ງຜົນກະທົບຕໍ່ຄວາມຫນ້າເຊື່ອຖືຂອງການຄາດຄະເນ. ນອກຈາກນັ້ນ, ການເຊື່ອມໂຍງທີ່ມີປະສິດທິພາບລະຫວ່າງກຸ່ມຄົ້ນຄວ້າລະຫວ່າງສາຂາວິຊາ, ລວມທັງເຄມີສາດ, ຊີວະສາດ, ຊີວະວິທະຍາຂໍ້ມູນຂ່າວສານ, ແລະວິທະຍາສາດຂໍ້ມູນ, ຕ້ອງການການປະສານງານຢ່າງໃກ້ຊິດທັງໃນດ້ານຄວາມຊ່ຽວຊານແລະຂະບວນການເຮັດວຽກ.

ອີງຕາມຜົນໄດ້ຮັບເບື້ອງຕົ້ນເຫຼົ່ານີ້, ທີມງານຄົ້ນຄວ້າວາງແຜນທີ່ຈະຂະຫຍາຍການນຳໃຊ້ຮູບແບບ CADD ໄປສູ່ກຸ່ມສານປະກອບທຳມະຊາດອື່ນໆໃນອະນາຄົດ, ພ້ອມທັງເພີ່ມຄວາມຫຼາກຫຼາຍຂອງເປົ້າໝາຍການປິ່ນປົວ ແລະ ປະກອບສ່ວນເຂົ້າໃນການຄົ້ນຄວ້າ ແລະ ພັດທະນາຢາທີ່ດີຂຶ້ນ.

ຮຽວ ລຽນ ງາ

ແຫຼ່ງຂໍ້ມູນ: https://nhandan.vn/tich-hop-ai-dieu-tri-ung-thu-post964425.html