Generatiiviset tekoälymallit uusien syöpälääkkeiden kehittämisessä

Thumbnail Image

Files

bachelor_Tirri_Miranda_2025.pdf (1.7 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Electrical Engineering | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-12-10

Department

Major/Subject

Bioinformation Technology

Mcode

Degree programme

Bachelor's Programme in Electrical Engineering
Sähkötekniikan kandidaattiohjelma
Kandidatprogrammet i elektroteknik

Language

fi

Pages

23

Series

Abstract

This bachelor's thesis is a literature review that examines how artificial intelligence can be used to accelerate the development and implementation of cancer drugs. The study investigates what types of AI models can be used to evaluate potential cancer drug candidates, as well as how these models have already been applied in practice. In this work, we review several generative AI models that have been used in pharmaceutical research. We also examine which stages of the drug development process these generative models support. These stages include molecular design, target molecule identification, and optimization of drug candidates. Furthermore, this thesis compares the advantages of AI-assisted cancer drug research with traditional pharmaceutical research. These advantages include speed and cost-efficiency.

Tämä kandidaatintyö on kirjallisuustutkimus, jossa käydään läpi, miten tekoälyä voidaan hyödyntää syöpälääkkeiden kehittämisen ja käyttöönoton nopeuttamiseksi. Työssä tutkitaan, millaisia tekoälymalleja potentiaalisten syöpälääkekandidaattien läpikäymiseen voidaan käyttää, sekä sitä, miten tekoälymalleja on tähän mennessä jo hyödynnetty. Tässä työssä tarkastellaan muutamia generatiivisia tekoälymalleja, joita lääketutkimuksissa on käytetty. Työssä tarkastellaan myös mitä lääkekehityksen vaiheita nämä generatiiviset mallit tukevat. Näitä vaiheita ovat molekyylisuunnittelu, kohdemolekyylien tunnistus, sekä lääkekandidaattien optimointi. Tässä työssä verrataan tekoälyavusteisen syöpälääketutkimuksen etuja verrattuna perinteisiin lääketutkimuksiin. Näihin etuihin voidaan lukea nopeus ja kustannustehokkuus.

Description

Supervisor

Turunen, Markus

Thesis advisor

Kielosto, Mari

Keywords

syöpälääketutkimus, tekoäly, tekoälymallit, lääkekehitys, bioteknologia, cancer drug research, AI models, drug development, biotechnology

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202512289559

Collections

[kand] Sähkötekniikan korkeakoulu / ELEC