Curar una enfermedad a menudo implica usar un tratamiento para eliminar la fuente de los síntomas (virus, bacterias, etc.). Para el cáncer, esto significaría evitar la mutación del ADN o la replicación de las células cancerosas, supongo.
El aprendizaje profundo se usa muy a menudo para clasificar los objetos de acuerdo con sus propiedades. Podría imaginarse, conociendo los efectos de una variedad de píldoras sobre la enfermedad, clasificar las moléculas según su probabilidad de ayudar a deshacerse de la enfermedad.
A partir de ahí, puedes probar tu modelo con moléculas no utilizadas para ver cuál podría ser útil. Esto podría tener el efecto de acelerar la investigación un poco, pero no resolvería la fase de análisis que viene después de que se selecciona una molécula para ver los riesgos, los efectos secundarios, etc.
Una variación de esta técnica sería tratar de predecir qué genes podrían ser responsables de una enfermedad, con el fin de utilizar las técnicas de edición genética CRISPR para “reparar” el gen defectuoso. Tenga en cuenta que esto no es posible para un adulto, sino más bien para un embrión, que podría estar libre de una patología genética.
Algo que hacemos actualmente -y a menudo se usa como ejemplo de clasificación en las clases de Machine Learning- es detectar enfermedades con ML / DL en lugar de tratar de curarlas. La detección temprana puede ayudar mucho en el tratamiento, ya que no tiene tiempo para evolucionar ni diseminarse. Por ejemplo, puede tratar de predecir si un tumor es dañino dependiendo de su tamaño, ubicación y todo tipo de información sobre el paciente (edad, etc.).