Процесс создания новых медицинских препаратов требует много времени и ресурсов, зачастую занимая от 10 до 15 лет, при этом множество кандидатов отбраковываются на ранних этапах. Чтобы уменьшить количество таких отбраковок, исследователи из Гарвардской медицинской школы разработали инновационный инструмент — модель PDGrapher. Эта графовая нейросеть осуществляет «обратный поиск», анализируя различия между больными и здоровыми клетками, чтобы выявить вмешательства, способные восстановить здоровье клеток. В первоначальных тестах PDGrapher демонстрировала высокую точность и скорость, показывая лучшие результаты на 19 наборах данных по 11 видам рака, выполняя вычисления до 25 раз быстрее конкурентов. Отметим, что алгоритм успешно обнаруживал известные решения, исключенные из обучающего материала, что свидетельствует о его способности генерировать новые идеи. На данный момент модель прошла лишь вычислительные тесты, и дальнейшие клинические исследования должны подтвердить её полезность в лечении конкретных пациентов. PDGrapher уже доступен в открытом доступе на GitHub под лицензией MIT, что позволит использовать его в качестве исследовательского инструмента для оптимизации лабораторных процессов.