Нейросети допускают ошибки в предсказании свойств лекарств
Исследование МФТИ выявило систематические ошибки ИИ при моделировании новых препаратов.
Ученые из МФТИ проверили точность нейросетей в моделировании новых лекарств. Оказалось, алгоритмы часто ошибаются при предсказании структуры молекул и их биологической активности. Проблема связана с ограничениями обучающих данных — ИИ плохо работает с соединениями, которые сильно отличаются от известных.
Исследователи протестировали популярные модели, включая GraphINVENT и REINVENT. В 40% случаев нейросети предлагали молекулы, которые либо невозможно синтезировать, либо они не обладали нужными свойствами. Особенно часто ошибки возникали при работе с редкими химическими структурами.
Основная причина — недостаток данных. Большинство алгоритмов обучают на базах существующих соединений, но они охватывают лишь 10% теоретически возможных молекул. Когда нейросети сталкиваются с новыми комбинациями атомов, результаты становятся ненадежными.
Ученые предложили два решения. Первое — улучшение обучающих наборов за счет синтетических данных и квантово-химических расчетов. Второе — гибридные модели, где ИИ сочетается с традиционными методами молекулярного моделирования.
Фармацевтические компании уже используют ИИ для ускорения разработки лекарств. Однако исследование МФТИ показывает, что полностью полагаться на нейросети нельзя. Ошибки в предсказаниях могут привести к значительным финансовым потерям на поздних стадиях испытаний.
Эксперты рекомендуют проверять предложения алгоритмов экспериментально. «ИИ — мощный инструмент, но он не заменяет химиков, — говорит один из авторов исследования. — Пока это помощник, а не волшебная палочка».
