Процесс создания новых медицинских препаратов зачастую занимает много времени и требует значительных финансовых вложений — от 10 до 15 лет, при этом многие кандидаты отсекаются на ранних этапах. Чтобы минимизировать такие отказы, исследователи из Гарвардской медицинской школы разработали уникальную модель PDGrapher. Эта графовая нейросеть выполняет «обратный поиск», анализируя различия между здоровыми и больными клетками с целью нахождения эффективных вмешательств для восстановления здоровья. В ходе первых испытаний PDGrapher продемонстрировала выдающиеся результаты, обойдя своих конкурентов: на 19 наборах данных, охватывающих 11 типов рака, модель значительно ускорила вычисления и повысила точность в определении терапевтических мишеней. Ученые исключили известные решения из обучающего набора, и алгоритм успешно нашел их вновь, что подтверждает его способность генерировать новые идеи. На данный момент PDGrapher прошла вычислительные тесты, и в будущем планируются клинические испытания для проверки ее эффективности в лечении пациентов. Алгоритм уже доступен для исследовательских целей на GitHub под MIT-лицензией.