لزلی سالاس استرادا از آزمایشگاه مارتا فیلیزولا در دانشکده پزشکی ایکان در مونت سینای(Mount Sinai) اکنون امیدوار است که با کشف داروهایی که گیرنده‌ای موسوم به گیرنده کاپا-افیونی(kappa-opioid) را مهار می‌کنند، اعتیاد به مواد افیونی را کاهش دهد.استرادا می‌گوید: اگر معتاد باشید و سعی می‌کنید اعتیاد خود را ترک کنید، در برخی مواقع علائم ناشی از ترک اعتیاد خود را مشاهده خواهید کرد و غلبه بر آنها می‌تواند واقعاً سخت باشد.
وی افزود: بعد از قرار گرفتن در معرض مواد افیونی زیاد، مغز شما به مواد مخدر بیشتری نیاز دارد. مسدود کردن فعالیت گیرنده کاپا-افیونی در مدل‌های حیوانی نشان داده است که نیاز به استفاده از دارو در دوره ترک را کاهش می‌دهد.

چالش در کشف داروهایی است که در واقع می‌توانند فعالیت پروتئینی مانند گیرنده کاپا-افیونی را در دریایی از نامزدهای بی‌شمار مسدود کنند. به همین دلیل استرادا برای کارآمدتر کردن این فرآیند به ابزارهای محاسباتی روی آورده است. وی از هوش مصنوعی برای بهینه‌سازی سیستم‌های یافتن داروی خود استفاده می‌کند.

حجم عظیمی از اطلاعات
استرادا می‌گوید: هوش مصنوعی این مزیت را دارد که می‌تواند حجم عظیمی از اطلاعات را بگیرد و یاد بگیرد که الگوها را از میان آنها تشخیص دهد. بنابراین ما معتقدیم که فناوری یادگیری ماشینی می‌تواند به ما کمک کند تا اطلاعاتی را که می‌توان از پایگاه‌های داده شیمیایی بزرگ برای طراحی داروهای جدید به دست آورد، مورد استفاده قرار دهیم و به این ترتیب، ما به طور بالقوه می‌توانیم زمان و هزینه‌های مرتبط با کشف داروهای جدید را کاهش دهیم.

گروه همکار استرادا یک مدل کامپیوتری را برای تولید ترکیباتی آموزش دادند که ممکن است گیرنده را با یک الگوریتم یادگیری تقویتی که به خواصی که برای درمان‌های دارویی مطلوب هستند، مسدود کند. آنها این کار را با ترکیب اطلاعات مربوط به گیرنده کاپا-افیونی و داروهای شناخته شده انجام دادند.

این راهکار تا اینجا موفقیت آمیز بوده است. محققان تاکنون چندین ترکیب را شناسایی کرده‌اند که ویژگی‌های امیدوارکننده‌ای دارند.پژوهشگران اکنون قصد دارند آنها را ترکیب کنند و در نهایت آنها را در مدل‌های حیوانی به منظور مشاهده و تعیین ایمنی و اثربخشی آزمایش کنند.به گفته استرادا، هدف نهایی، کمک به افرادی است که با اعتیاد دست و پنجه نرم می‌کنند.