בעידן הרפואה המותאמת אישית, תכנון תרופתי מדויק הופך למפתח להצלחה טיפולית. אולם, כלים אוטומטיים קודמים התקשו להתמודד עם מספר גדול של תרופות. מאמר חדש ב-arXiv מציג פריצת דרך: שימוש במודלי שפה גדולים (LLM) לייצור היררכיות ספציפיות לדומיין ולבעיה, המאפשרות תכנון תרופתי מותאם אישית בקנה מידה גדול בהרבה. הגישה הזו מביאה את התכנון האוטומטי צעד אחד קרוב יותר לשיתוף פעולה עם רופאים.
במחקרים קודמים, מתכננים אוטומטיים מבוססי PDDL – שפת תיאור דומיינים כללית – הצליחו לייצר טיפולים מותאמים אישית באמצעות היררכיות כלליות שאינן תלויות בדומיין. אולם, בפועל, הגישה הזו הייתה מוגבלת ל-7 תרופות בלבד. מבחינה קלינית, זהו מספר זעום שאינו ריאלי לשימוש אמיתי. החוקרים מציינים כי מגבלה זו מנעה יישום מעשי, שכן טיפולים מודרניים כוללים לעיתים עשרות תרופות ומעלה.
במאמר החדש, החוקרים מציעים גישה חדשנית: הגדרת הדומיין באופן פרוגרמטי, כולל מצב התחלתי ותהליך יצירת יורשים. לאחר מכן, משתמשים ב-LLM לייצור היררכיה ספציפית לבעיה, שמשמשת אלגוריתם חיפוש קבוע – GBFS (Greedy Best-First Search). השילוב הזה מאפשר התמודדות יעילה עם בעיות מורכבות יותר, ללא צורך בהתאמות ידניות רבות.
התוצאות מרשימות: השיטה החדשה משפרת באופן דרמטי את הכיסוי ואת זמן התכנון, ומאפשרת תכנון תרופתי מותאם אישית עבור לפחות 28 תרופות. זהו קפיצת מדרגה משמעותית בהשוואה למגבלות הקודמות, ומצביע על פוטנציאל לשימוש קליני אמיתי. הגישה מדגימה כיצד LLM יכולים לשפר תכנון אוטומטי בתחומים מורכבים כמו רפואה.
למנהלי עסקים בתחום הבריאות והביוטק, המחקר הזה פותח אופקים חדשים. תכנון תרופתי מותאם אישית בקנה מידה גדול יכול לייעל תהליכי פיתוח תרופות, לשפר תוצאות טיפוליות ולהפחית עלויות. כעת נותר לבדוק כיצד ליישם זאת במערכות רפואיות אמיתיות – האם זו ההתחלה של עידן חדש ברפואה מבוססת AI?