safetyriskБезопасность и риск фармакотерапииSafety and Risk of Pharmacotherapy2312-78212619-1164Federal State Budgetary Institution ‘Scientific Centre for Expert Evaluation of Medicinal Products’ of the Ministry of Health of the Russian Federation (FSBI ‘SCEEMP’)10.30895/2312-7821-2023-11-4-367-371safetyrisk-403Research ArticleАВТОРИТЕТНОЕ МНЕНИЕAUTHORITATIVE OPINIONПрименение искусственного интеллекта способно принести фармацевтической отрасли десятки триллионов рублейArtificial Intelligence Can Bring Tens of Trillions of Rubles to the Pharmaceutical Industryhttps://orcid.org/0000-0001-9932-4205ПогребнякА. В.PogrebnyakA. V.

Погребняк Андрей Владимирович, д-р хим. наук, канд. фарм. наук

Andrey V. Pogrebnyak, Dr. Sci. (Chem.), Cand. Sci. (Pharm.)

pspa2007@yandex.ru202320102023114367371Copyright © Погребняк А.В., 20232023Погребняк А.В.Pogrebnyak A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.risksafety.ru/jour/article/view/403

Группа вычислительных методов, объединенных в наши дни понятием «искусственный интеллект», начала формироваться практически с возникновением математики. В последние десятилетия это направление получило колоссальное развитие и стало активно применяться в различных областях, в том числе в сфере фармации.

Применение искусственного интеллекта в жизненном цикле лекарственного средства – тема интервью с доктором химических и кандидатом фармацевтических наук, заведующим отделом информационных технологий, профессором кафедры физической и коллоидной химии Пятигорского медико-фармацевтического института – филиала ФГБОУ ВО ВолгГМУ Минздрава России Андреем Владимировичем ПОГРЕБНЯКОМ.

The computational methods presently united by the concept of artificial intelligence began to form almost at the time of the emergence of mathematics. In recent decades, artificial intelligence has gained tremendous momentum and has become actively used in various fields, including pharmacy.

The use of artificial intelligence in the life cycle of a medicinal product is the topic of this interview with Andrey V. POGREBNYAK, Doctor of Chemistry and Candidate of Pharmaceutical Sciences, Head of the Information Technology Department and Professor of the Department of Physical and Colloid Chemistry of the Pyatigorsk Medical and Pharmaceutical Institute (Branch of the Volgograd State Medical University).

искусственный интеллектмашинное обучениелекарственное средствофармацияпоиск активных соединенийскринингпрепараты-кандидатыдоклинические исследованияклинические исследованияartificial intelligencemachine learningmedicinespharmacyscreening for active compoundsscreeningcandidate medicinesdrug candidatesnon-clinical studiesclinical studiesReferencesYousefinejad S, Hemmateenejad B. Chemometrics tools in QSAR/QSPR studies: a historical perspective, chemometrics and intelligent laboratory systems. Vol. 149, part B. P. 177–204. Elsevier BV; 2015. https://doi.org/10.1016/j.chemolab.2015.06.016Yousefinejad S, Hemmateenejad B. Chemometrics tools in QSAR/QSPR studies: a historical perspective, chemometrics and intelligent laboratory systems. Vol. 149, part B. P. 177–204. Elsevier BV; 2015. https://doi.org/10.1016/j.chemolab.2015.06.016Myint KZ, Wang L, Tong Q, Xie XQ. Molecular fingerprint-based artificial neural networks QSAR for ligand biological activity predictions. Mol Pharm. 2012;9(10):2912–23. https://doi.org/10.1021/mp300237zMyint KZ, Wang L, Tong Q, Xie XQ. Molecular fingerprint-based artificial neural networks QSAR for ligand biological activity predictions. Mol Pharm. 2012;9(10):2912–23. https://doi.org/10.1021/mp300237zФилимонов ДА, Поройков ВВ, Караичева ЕИ. Компьютерное прогнозирование спектра биологической активности химических соединений по их структурной формуле: система PASS. Фармакология и токсикология. 1985;58(2);56.Filimonov DA, Poroikov VV, Karaicheva EI. Computer prediction of the spectrum of biological activity of chemical compounds according to their structural formula: PASS system. Pharmacology and toxicology. 1985;58(2);56 (In Russ.).Jabalia N, Kumar A, Kumar V, Rani R. In silico approach in drug design and drug discovery: an update. In: Singh SK, ed. Innovations and implementations of computer aided drug discovery strategies in rational drug design. Springer; 2021. https://doi.org/10.1007/978-981-15-8936-2_10Jabalia N, Kumar A, Kumar V, Rani R. In silico approach in drug design and drug discovery: an update. In: Singh SK, ed. Innovations and implementations of computer aided drug discovery strategies in rational drug design. Springer; 2021. https://doi.org/10.1007/978-981-15-8936-2_10Погребняк АВ, Кульгав ЕА, Ковтун ЕВ, Погребняк ЛВ. Цифровая трансформация и искусственный интеллект в разработке БАВ и лекарственных форм. М.: Мир науки; 2022.Pogrebnyak AV, Kulgav EA, Kovtun EV, Pogrebnyak LV. Digital transformation and artificial intelligence in the development of biologically active substances and dosage forms. Moscow: World of Science; 2022.Askin S, Burkhalter D, Calado G, El Dakrouni S. Artificial intelligence applied to clinical trials: opportunities and challenges. Health Technol (Berl). 2023;13(2):203–13. https://doi.org/10.1007/s12553-023-00738-2Askin S, Burkhalter D, Calado G, El Dakrouni S. Artificial intelligence applied to clinical trials: opportunities and challenges. Health Technol (Berl). 2023;13(2):203–13. https://doi.org/10.1007/s12553-023-00738-2Weissler EH, Naumann T, Andersson T, Ranganath R, Elemento O, Luo Y, et al. The role of machine learning in clinical research: transforming the future of evidence generation. Trials. 2021;22(1):537. https://doi.org/10.1186/s13063-021-05489-xWeissler EH, Naumann T, Andersson T, Ranganath R, Elemento O, Luo Y, et al. The role of machine learning in clinical research: transforming the future of evidence generation. Trials. 2021;22(1):537. https://doi.org/10.1186/s13063-021-05489-xЗинченко ВВ, Хоружая АН, Шарова ДЕ, Ахмад ЕС, Мокиенко ОА, Владзимирский АВ, Морозов СП. Стандартизация в области регулирования технологий искусственного интеллекта в российском здравоохранении. Казанский медицинский журнал. 2021;102(6):923–33.https://doi.org/10.17816/KMJ2021-923Zinchenko VV, Khoruzhaya AN, Sharova DE, Akhmad ES, Mokienko OA, Vladzymyrskyy AV, Morozov SP. Standardization in regulating artificial intelligence systems in Russian healthcare. Kazan Medical Journal. 2021;102(6):923–33 (In Russ.). https://doi.org/10.17816/KMJ2021-923Moor M, Banerjee O, Abad ZSH, Krumholz HM, Leskovec J, Topol EJ, Rajpurkar P. Foundation models for generalist medical artificial intelligence. Nature. 2023;616(7956):259–65. https://doi.org/10.1038/s41586-023-05881-4Moor M, Banerjee O, Abad ZSH, Krumholz HM, Leskovec J, Topol EJ, Rajpurkar P. Foundation models for generalist medical artificial intelligence. Nature. 2023;616(7956):259–65. https://doi.org/10.1038/s41586-023-05881-4

The authors declare that there are no conflicts of interest present.