AI-unua malkovro de drogoj: Ĉu robotoj povas helpi sciencistojn malkovri novajn farmaciajn drogojn?

• Aŭtoro:
• Aŭtora nomo

  Quantumrun Foresight
• Aŭgusto 22, 2022

Enrigarda resumo

Altaj kostoj kaj malsukcesaj indicoj en tradicia drog-evoluo puŝas farmaciajn kompaniojn investi en artefarita inteligenteco (AI) teknologioj por akceli esplorefikecon kaj malaltigi kostojn. AI transformas la industrion rapide identigante novajn drogcelojn kaj ebligante personecigitajn traktadojn. Ĉi tiu ŝanĝo al AI transformas la farmacian pejzaĝon, de ŝanĝado de laborpostuloj por kemiistoj ĝis estigado de debatoj pri la rajtoj de intelekta proprieto de AI.

AI-unua drog-eltrova kunteksto

La tipa drog-evoluiga projekto kostas 2.6 miliardojn USD. La premo estas alta por sciencistoj, ĉar 9 el 10 kandidataj terapioj ne atingas reguligajn aprobojn. Kiel rezulto, farmaciaj kompanioj agreseme investas en AI-platformoj dum la 2020-aj jaroj por pliigi esplor-efikecon dum malpliigo de kostoj. 

Malsamaj AI-teknologioj estas uzitaj en drogeltrovo, inkluzive de maŝinlernado (ML), naturlingva prilaborado (NLP), kaj komputila vizio. ML analizas datumojn de diversaj fontoj, inkluzive de scienca literaturo, klinikaj provoj kaj paciencaj registroj. Ĉi tiuj informoj tiam povas esti uzataj por identigi ŝablonojn, kiuj povas sugesti novajn drogcelojn aŭ konduki al la disvolviĝo de pli efikaj traktadoj. NLP, lingvo-bazita prognoza modelo, estas utiligita por elmini datumojn de scienca literaturo, kiu povas reliefigi novajn manierojn ke ekzistantaj medikamentoj povus esti evoluigitaj. Fine, komputila vizio analizas bildojn de ĉeloj kaj histoj, kiuj povas identigi ŝanĝojn asociitajn kun malsanoj.

Ekzemplo de farmacia firmao kiu uzas AI por evoluigi novajn medikamentojn estas Pfizer, kiu utiligas IBM Watson, ML-sistemon kiu povas vaste esplori imuno-onkologiajn medikamentojn. Dume, Francio-bazita Sanofi partneris kun brita ekentrepreno Exscientia por krei AI-platformon por serĉi metabolajn terapiojn. La svisa kompanio Roche-filio Genentech uzas AI-sistemon de usona GNS Healthcare por gvidi la serĉon de kontraŭkancero-traktadoj. En Ĉinio, bioteknologia starto Meta Pharmaceuticals certigis seman financadon de USD $ 15-miliono por disvolvi aŭtoimunajn malsanojn per AI. La firmao estis kovita de alia AI-helpita drogeltrovaĵfirmao, Xtalpi.

Disrompa efiko

Eble la plej praktika apliko de AI-unua medikamento-malkovro estis la evoluo de la unua terapia medikamento por COVID-19, kontraŭvirusa medikamento nomita Remdesivir. La drogo estis komence identigita kiel ebla terapio por la viruso fare de esploristoj ĉe Gilead Sciences, bioteknologia firmao en Kalifornio, uzante AI. La firmao uzis algoritmon por analizi datenojn de la GenBank-datumbazo, kiu enhavas informojn pri ĉiuj publike haveblaj DNA-sekvencoj.

Ĉi tiu algoritmo identigis du eblajn kandidatojn, kiujn Gilead Sciences sintezis kaj testis kontraŭ la viruso COVID-19 en laboratorio-plado. Ambaŭ kandidatoj estis trovitaj efikaj kontraŭ la viruso. Unu el tiuj kandidatoj tiam estis selektita por pluevoluigo kaj testado en bestoj kaj homoj. Remdesivir estis finfine trovita esti sekura kaj efika, kaj estis aprobita por uzo fare de la Usona Manĝaĵo kaj Drug Administration (FDA).

Ekde tiam, kompanioj kaj organizoj kunlaboris por trovi pli da COVID-19-traktadoj uzante AI-sistemojn. En 2021, 10 kompanioj kuniĝis por krei IMPECCABLE (Integrita Modeliga Dukto por COVID Kuraciĝo per Takso de Pli bonaj Plumboj). Ĉi tiuj organizoj inkluzivas Rutgers University, University College London, Usonon Sekcion de Energio, Leibniz Supercomputing Center kaj NVIDIA Corporation.

La projekto estas simuladdukto de AI, kiu promesas rapidigi la ekzamenadon de eblaj COVID-19-kandidatoj 50,000 fojojn pli rapide ol nunaj metodoj. IMPECCABLE kombinas diversajn datumtraktadon, fizik-bazitan modeladon kaj simuladon, kaj ML-teknologiojn por krei AI, kiu uzas ŝablonojn en datumoj por konstrui prognozajn modelojn. Male al la tipa metodo, kie sciencistoj devas zorge pripensi kaj evoluigi molekulojn surbaze de sia scio, ĉi tiu dukto permesas al esploristoj aŭtomate ekzameni grandegajn nombrojn da kemiaĵoj, draste pliigante la probablecon trovi verŝajnan kandidaton.

Implicoj de AI-unua drogeltrovaĵo

Pli larĝaj implicoj de industriadopto de AI-unuaj drogeltrovaj metodaroj povas inkludi: 

• AI-platformoj supozantaj taskojn tradicie traktitajn de fruaj karieraj kemiistoj, necesigante ĉi tiujn profesiulojn akiri novajn kapablojn aŭ ŝanĝi karierojn.
• Grandaj farmaciaj kompanioj dungante robotajn sciencistojn por traserĉi ampleksajn genetikajn, malsanojn kaj kuracajn datumojn, akcelante terapievoluon.
• Pliiĝo en partnerecoj inter bioteknologiaj noventreprenoj kaj establitaj farmaciaj firmaoj por AI-helpata drog-eltrovo, altirante pli da investo de sanservoj.
• La faciligo de tajloritaj kuracaj traktadoj por individuoj kun unikaj biologiaj trajtoj, precipe tiuj kun nekutimaj aŭtoimunaj malsanoj.
• Intensigitaj reguligaj diskutoj pri la rajtoj de intelekta proprieto de AI en drogeltrovaĵoj kaj respondeco por AI-rilataj eraroj en la farmacia sektoro.
• La sanindustrio spertas signifajn kostreduktojn en drog-evoluo, permesante pli atingeblajn medikamentajn prezojn por konsumantoj.
• Dungadodinamiko en la farmacia sektoro ŝanĝiĝas, kun emfazo de datumscienco kaj AI-kompetenteco super tradicia farmacia scio.
• Potencialo por plibonigitaj tutmondaj sanrezultoj pro pli rapidaj kaj pli efikaj drogeltrovprocezoj, precipe en evolulandoj.
• Registaroj eble realigas politikojn por certigi justan aliron al AI-malkovritaj medikamentoj, malhelpante monopolojn kaj kreskigante pli larĝajn sanprofitojn.
• Mediaj efikoj malpliiĝantaj ĉar AI-movita drogeltrovaĵo reduktas la bezonon de rimedo-intensaj laboratorioeksperimentoj kaj provoj.

Konsiderindaj demandoj

• Kiel alie vi pensas, ke AI-unua drog-eltrovo ŝanĝos sanservon?
• Kion la registaroj povas fari por reguligi la evoluojn pri drogoj, precipe pri prezoj kaj alirebleco?