Ανακάλυψη φαρμάκου για πρώτη φορά στην AI: Μπορούν τα ρομπότ να βοηθήσουν τους επιστήμονες να ανακαλύψουν νέα φαρμακευτικά φάρμακα;

• Συγγραφέας:
• όνομα συγγραφέα

  Quantumrun Foresight
• Αύγουστος 22, 2022

Περίληψη Insight

Το υψηλό κόστος και τα ποσοστά αποτυχίας στην ανάπτυξη παραδοσιακών φαρμάκων ωθούν τις φαρμακευτικές εταιρείες να επενδύσουν σε τεχνολογίες τεχνητής νοημοσύνης (AI) για να ενισχύσουν την αποτελεσματικότητα της έρευνας και να μειώσουν το κόστος. Η τεχνητή νοημοσύνη μεταμορφώνει τη βιομηχανία εντοπίζοντας γρήγορα νέους στόχους φαρμάκων και επιτρέποντας εξατομικευμένες θεραπείες. Αυτή η στροφή προς την τεχνητή νοημοσύνη αναδιαμορφώνει το φαρμακευτικό τοπίο, από την αλλαγή των απαιτήσεων εργασίας για τους χημικούς έως την πυροδότηση συζητήσεων για τα δικαιώματα πνευματικής ιδιοκτησίας της τεχνητής νοημοσύνης.

Πλαίσιο ανακάλυψης φαρμάκων για πρώτη φορά AI

Το τυπικό έργο ανάπτυξης φαρμάκων κοστίζει 2.6 δισεκατομμύρια δολάρια ΗΠΑ. Η πίεση είναι υψηλή για τους επιστήμονες, καθώς 9 στις 10 υποψήφιες θεραπείες δεν τυγχάνουν έγκρισης από τις ρυθμιστικές αρχές. Ως αποτέλεσμα, οι φαρμακευτικές εταιρείες επενδύουν επιθετικά σε πλατφόρμες τεχνητής νοημοσύνης κατά τη διάρκεια της δεκαετίας του 2020 για να αυξήσουν την αποτελεσματικότητα της έρευνας μειώνοντας παράλληλα το κόστος. 

Διαφορετικές τεχνολογίες τεχνητής νοημοσύνης χρησιμοποιούνται στην ανακάλυψη φαρμάκων, συμπεριλαμβανομένης της μηχανικής εκμάθησης (ML), της επεξεργασίας φυσικής γλώσσας (NLP) και της όρασης υπολογιστή. Η ML αναλύει δεδομένα από διάφορες πηγές, συμπεριλαμβανομένης της επιστημονικής βιβλιογραφίας, κλινικών δοκιμών και αρχείων ασθενών. Αυτές οι πληροφορίες μπορούν στη συνέχεια να χρησιμοποιηθούν για τον εντοπισμό προτύπων που μπορεί να προτείνουν νέους στόχους φαρμάκων ή να οδηγήσουν στην ανάπτυξη πιο αποτελεσματικών θεραπειών. Το NLP, ένα προγνωστικό μοντέλο βασισμένο στη γλώσσα, χρησιμοποιείται για την εξόρυξη δεδομένων από την επιστημονική βιβλιογραφία, η οποία μπορεί να αναδείξει νέους τρόπους με τους οποίους θα μπορούσαν να αναπτυχθούν υπάρχοντα φάρμακα. Τέλος, η όραση υπολογιστή αναλύει εικόνες κυττάρων και ιστών, οι οποίες μπορούν να εντοπίσουν αλλαγές που σχετίζονται με ασθένειες.

Ένα παράδειγμα φαρμακευτικής εταιρείας που χρησιμοποιεί τεχνητή νοημοσύνη για την ανάπτυξη νέων φαρμάκων είναι η Pfizer, η οποία χρησιμοποιεί το IBM Watson, ένα σύστημα ML που μπορεί να ερευνήσει εκτενώς τα ανοσοογκολογικά φάρμακα. Εν τω μεταξύ, η Sanofi με έδρα τη Γαλλία συνεργάστηκε με τη βρετανική startup Exscientia για να δημιουργήσει μια πλατφόρμα τεχνητής νοημοσύνης για την αναζήτηση θεραπειών για μεταβολικές ασθένειες. Η ελβετική εταιρεία Roche, θυγατρική Genentech, χρησιμοποιεί ένα σύστημα τεχνητής νοημοσύνης από την GNS Healthcare που εδρεύει στις ΗΠΑ για να ηγηθεί της αναζήτησης θεραπειών για τον καρκίνο. Στην Κίνα, η startup βιοτεχνολογίας Meta Pharmaceuticals εξασφάλισε χρηματοδότηση 15 εκατομμυρίων δολαρίων ΗΠΑ για την ανάπτυξη θεραπειών αυτοάνοσων ασθενειών με χρήση τεχνητής νοημοσύνης. Η εταιρεία επωάστηκε από μια άλλη εταιρεία ανακάλυψης φαρμάκων με τη βοήθεια AI, την Xtalpi.

Αποδιοργανωτικός αντίκτυπος

Ίσως η πιο πρακτική εφαρμογή της πρώτης ανακάλυψης φαρμάκου για την τεχνητή νοημοσύνη ήταν η ανάπτυξη του πρώτου θεραπευτικού φαρμάκου για τον COVID-19, ενός αντιιικού φαρμάκου που ονομάζεται Remdesivir. Το φάρμακο αρχικά αναγνωρίστηκε ως πιθανή θεραπεία για τον ιό από ερευνητές της Gilead Sciences, μια εταιρεία βιοτεχνολογίας στην Καλιφόρνια, χρησιμοποιώντας τεχνητή νοημοσύνη. Η εταιρεία χρησιμοποίησε έναν αλγόριθμο για να αναλύσει δεδομένα από τη βάση δεδομένων GenBank, η οποία περιέχει πληροφορίες για όλες τις διαθέσιμες στο κοινό ακολουθίες DNA.

Αυτός ο αλγόριθμος εντόπισε δύο πιθανούς υποψηφίους, τους οποίους η Gilead Sciences συνέθεσε και δοκίμασε έναντι του ιού COVID-19 σε ένα πιάτο εργαστηρίου. Και οι δύο υποψήφιοι βρέθηκαν αποτελεσματικοί κατά του ιού. Στη συνέχεια, ένας από αυτούς τους υποψηφίους επιλέχθηκε για περαιτέρω ανάπτυξη και δοκιμή σε ζώα και ανθρώπους. Το Remdesivir βρέθηκε τελικά ασφαλές και αποτελεσματικό και εγκρίθηκε για χρήση από τον Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ (FDA).

Έκτοτε, εταιρείες και οργανισμοί έχουν συνεργαστεί για να βρουν περισσότερες θεραπείες για τον COVID-19 χρησιμοποιώντας συστήματα AI. Το 2021, 10 εταιρείες ενώθηκαν για να δημιουργήσουν το IMPECCABLE (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads). Αυτοί οι οργανισμοί περιλαμβάνουν το Πανεπιστήμιο Rutgers, το University College του Λονδίνου, το Υπουργείο Ενέργειας των ΗΠΑ, το Κέντρο Υπερυπολογιστών Leibniz και την NVIDIA Corporation.

Το έργο είναι ένας αγωγός προσομοίωσης τεχνητής νοημοσύνης που υπόσχεται να παρακολουθεί γρήγορα τον έλεγχο πιθανών υποψηφίων φαρμάκων COVID-19 50,000 φορές πιο γρήγορα από τις τρέχουσες μεθόδους. Το IMPECCABLE συνδυάζει διάφορες επεξεργασίες δεδομένων, μοντελοποίηση και προσομοίωση με βάση τη φυσική και τεχνολογίες ML για να δημιουργήσει μια τεχνητή νοημοσύνη που χρησιμοποιεί μοτίβα σε δεδομένα για τη δημιουργία προγνωστικών μοντέλων. Σε αντίθεση με την τυπική μέθοδο, όπου οι επιστήμονες πρέπει να σκεφτούν προσεκτικά και να αναπτύξουν μόρια με βάση τις γνώσεις τους, αυτός ο αγωγός επιτρέπει στους ερευνητές να ελέγχουν αυτόματα τεράστιους αριθμούς χημικών ουσιών, αυξάνοντας δραματικά την πιθανότητα εύρεσης πιθανού υποψηφίου.

Συνέπειες της πρώτης ανακάλυψης φαρμάκου με AI

Οι ευρύτερες επιπτώσεις της υιοθέτησης από τη βιομηχανία των μεθοδολογιών ανακάλυψης φαρμάκων για πρώτη φορά στην τεχνητή νοημοσύνη μπορεί να περιλαμβάνουν: 

• Οι πλατφόρμες τεχνητής νοημοσύνης αναλαμβάνουν καθήκοντα που παραδοσιακά χειρίζονται χημικοί πρώιμης σταδιοδρομίας, απαιτώντας από αυτούς τους επαγγελματίες να αποκτήσουν νέες δεξιότητες ή να αλλάξουν επαγγελματικούς δρόμους.
• Μεγάλες φαρμακευτικές εταιρείες που απασχολούν ρομποτικούς επιστήμονες για τον έλεγχο εκτεταμένων γενετικών δεδομένων, ασθενειών και δεδομένων θεραπείας, επιταχύνοντας την ανάπτυξη της θεραπείας.
• Αύξηση των συνεργασιών μεταξύ νεοφυών επιχειρήσεων βιοτεχνολογίας και καθιερωμένων φαρμακευτικών εταιρειών για ανακάλυψη φαρμάκων με τη βοήθεια τεχνητής νοημοσύνης, προσελκύοντας περισσότερες επενδύσεις από φορείς υγειονομικής περίθαλψης.
• Η διευκόλυνση εξατομικευμένων ιατρικών θεραπειών για άτομα με μοναδικά βιολογικά χαρακτηριστικά, ιδιαίτερα εκείνα με ασυνήθιστες αυτοάνοσες διαταραχές.
• Εντατικοποιήθηκαν οι ρυθμιστικές συζητήσεις σχετικά με τα δικαιώματα πνευματικής ιδιοκτησίας της τεχνητής νοημοσύνης στις ανακαλύψεις φαρμάκων και την ευθύνη για σφάλματα που σχετίζονται με την τεχνητή νοημοσύνη στον φαρμακευτικό τομέα.
• Ο κλάδος της υγειονομικής περίθαλψης αντιμετωπίζει σημαντικές μειώσεις κόστους στην ανάπτυξη φαρμάκων, επιτρέποντας πιο προσιτές τιμές φαρμάκων για τους καταναλωτές.
• Η δυναμική της απασχόλησης στον φαρμακευτικό τομέα αλλάζει, με έμφαση στην επιστήμη των δεδομένων και την τεχνογνωσία της τεχνητής νοημοσύνης έναντι της παραδοσιακής φαρμακευτικής γνώσης.
• Δυνατότητα για βελτιωμένα αποτελέσματα παγκόσμιας υγείας λόγω ταχύτερων και αποτελεσματικότερων διαδικασιών ανακάλυψης φαρμάκων, ιδιαίτερα στις αναπτυσσόμενες χώρες.
• Οι κυβερνήσεις ενδεχομένως να θεσπίζουν πολιτικές για να διασφαλίσουν δίκαιη πρόσβαση στα φάρμακα που ανακαλύφθηκαν από την τεχνητή νοημοσύνη, να αποτρέψουν τα μονοπώλια και να προωθήσουν ευρύτερα οφέλη για την υγεία.
• Οι περιβαλλοντικές επιπτώσεις μειώνονται καθώς η ανακάλυψη φαρμάκων που βασίζεται στην τεχνητή νοημοσύνη μειώνει την ανάγκη για εργαστηριακά πειράματα και δοκιμές με ένταση πόρων.

Ερωτήσεις προς εξέταση

• Πώς αλλιώς πιστεύετε ότι η ανακάλυψη φαρμάκου για πρώτη φορά στην τεχνητή νοημοσύνη θα αλλάξει την υγειονομική περίθαλψη;
• Τι μπορούν να κάνουν οι κυβερνήσεις για να ρυθμίσουν τις εξελίξεις των φαρμάκων που προέρχονται από την τεχνητή νοημοσύνη, ιδιαίτερα την τιμολόγηση και την προσβασιμότητα;