Tekoälyn ensimmäinen lääkelöytö: Voivatko robotit auttaa tutkijoita löytämään uusia lääkelääkkeitä?

• Kirjoittaja:
• tekijän nimi

  Quantumrun Foresight
• Elokuu 22, 2022

Havainnon yhteenveto

Perinteisten lääkekehitysten korkeat kustannukset ja epäonnistumisaste pakottavat lääkeyhtiöt investoimaan tekoälyteknologioihin tutkimuksen tehostamiseksi ja kustannusten alentamiseksi. Tekoäly muuttaa alaa tunnistamalla nopeasti uusia lääkekohteita ja mahdollistamalla yksilölliset hoidot. Tämä muutos kohti tekoälyä muokkaa farmaseuttista maisemaa kemistien työvaatimusten muuttumisesta ja herättää keskustelua tekoälyn immateriaalioikeuksista.

Tekoälyn ensimmäinen huumeiden löytökonteksti

Tyypillinen lääkekehitysprojekti maksaa 2.6 miljardia dollaria. Paineet tiedemiehille ovat korkeat, sillä yhdeksän kymmenestä hoitoehdokkaista ei saavuta viranomaishyväksyntää. Tämän seurauksena lääkeyritykset investoivat aggressiivisesti tekoälyalustoihin 9-luvulla lisätäkseen tutkimuksen tehokkuutta ja alentaakseen kustannuksia. 

Lääkkeiden löytämisessä käytetään erilaisia ​​tekoälytekniikoita, mukaan lukien koneoppiminen (ML), luonnollisen kielen käsittely (NLP) ja tietokonenäkö. ML analysoi tietoja eri lähteistä, mukaan lukien tieteellinen kirjallisuus, kliiniset tutkimukset ja potilastiedot. Näitä tietoja voidaan sitten käyttää tunnistamaan malleja, jotka voivat ehdottaa uusia lääkekohteita tai johtaa tehokkaampien hoitojen kehittämiseen. NLP:tä, kielipohjaista ennustavaa mallia, käytetään louhimaan tieteellisestä kirjallisuudesta saatuja tietoja, jotka voivat tuoda esiin uusia tapoja kehittää olemassa olevia lääkkeitä. Lopuksi tietokonenäkö analysoi solujen ja kudosten kuvia, jotka voivat tunnistaa sairauksiin liittyviä muutoksia.

Esimerkki lääkeyrityksestä, joka käyttää tekoälyä uusien lääkkeiden kehittämiseen, on Pfizer, joka hyödyntää IBM Watsonia, ML-järjestelmää, joka pystyy laajasti tutkimaan immuuni-onkologisia lääkkeitä. Samaan aikaan ranskalainen Sanofi on tehnyt yhteistyötä brittiläisen startup-yrityksen Exscientian kanssa luodakseen tekoälyalustan aineenvaihduntasairauksien hoitojen etsimiseen. Sveitsiläisen Rochen tytäryhtiö Genentech käyttää yhdysvaltalaisen GNS Healthcaren tekoälyjärjestelmää johtaakseen syövänhoitojen etsintää. Kiinassa biotekniikan startup Meta Pharmaceuticals sai 15 miljoonan dollarin alkurahoituksen kehittääkseen tekoälyä käyttäviä autoimmuunisairauksien hoitoja. Yritystä inkuboi toinen tekoälyn avustama lääkekehitysyritys, Xtalpi.

Häiritsevä vaikutus

Ehkä käytännöllisin tekoälyn ensimmäisen lääkekehityksen sovellus oli ensimmäisen terapeuttisen lääkkeen kehittäminen COVID-19:ää varten, viruslääke nimeltä Remdesivir. Kaliforniassa toimivan bioteknologiayrityksen Gilead Sciencesin tutkijat tunnistivat lääkkeen alun perin tekoälyä käyttämällä. Yhtiö analysoi algoritmin avulla GenBank-tietokannasta, joka sisältää tiedot kaikista julkisesti saatavilla olevista DNA-sekvensseistä.

Tämä algoritmi tunnisti kaksi mahdollista ehdokasta, jotka Gilead Sciences syntetisoi ja testasi COVID-19-virusta vastaan ​​laboratorioastiassa. Molempien ehdokkaiden todettiin olevan tehokkaita virusta vastaan. Yksi näistä ehdokkaista valittiin sitten jatkokehitystä ja testausta varten eläimillä ja ihmisillä. Remdesivir todettiin lopulta turvalliseksi ja tehokkaaksi, ja Yhdysvaltain elintarvike- ja lääkevirasto (FDA) hyväksyi sen käytettäväksi.

Siitä lähtien yritykset ja organisaatiot ovat tehneet yhteistyötä löytääkseen lisää COVID-19-hoitoja tekoälyjärjestelmillä. Vuonna 2021 10 yritystä ryhmittyi yhteen luodakseen IMPECCABLE (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads). Näihin organisaatioihin kuuluvat Rutgers University, University College London, Yhdysvaltain energiaministeriö, Leibniz Supercomputing Center ja NVIDIA Corporation.

Projekti on tekoälysimulaatioputki, joka lupaa nopeuttaa mahdollisten COVID-19-lääkekandidaattien seulontaa 50,000 XNUMX kertaa nykyistä nopeammin. IMPECCABLE yhdistää erilaista tietojenkäsittelyä, fysiikkaan perustuvaa mallintamista ja simulointia sekä ML-tekniikoita luodakseen tekoälyn, joka käyttää datassa olevia malleja ennustavien mallien rakentamiseen. Toisin kuin tyypillinen menetelmä, jossa tutkijoiden on harkittava huolellisesti ja kehitettävä molekyylejä tietämyksensä perusteella, tämä putki mahdollistaa tutkijoiden automaattisen seulonnan valtavan määrän kemikaaleja, mikä lisää dramaattisesti todennäköisen ehdokkaan löytämisen todennäköisyyttä.

Tekoälyn ensimmäisen lääkekehityksen vaikutukset

Tekoälyn ensimmäisten lääkekehitysmenetelmien teollisuuden käyttöönoton laajempia vaikutuksia voivat olla: 

• Tekoälyalustat ottavat tehtäviä, joita perinteisesti hoitavat uransa alkuvaiheessa olevat kemistit, minkä vuoksi näiden ammattilaisten on hankittava uusia taitoja tai vaihdettava urapolkuja.
• Suuret lääkeyhtiöt, jotka työllistävät robottitutkijoita laajan geneettisen, sairaus- ja hoitotietojen keräämiseen ja hoidon kehittämisen nopeuttamiseen.
• Kumppanuuksien kasvu bioteknologian startup-yritysten ja vakiintuneiden lääkeyritysten välillä tekoälyavusteisten lääkkeiden löytämiseksi, mikä houkuttelee lisää investointeja terveydenhuoltoalan yksiköiltä.
• Räätälöityjen lääkehoitojen helpottaminen yksilöille, joilla on ainutlaatuisia biologisia ominaisuuksia, erityisesti niille, joilla on harvinaisia ​​autoimmuunisairauksia.
• Tehostettu sääntelykeskustelu tekoälyn immateriaalioikeuksista lääkekeksinnöissä ja vastuullisuudesta tekoälyyn liittyvistä virheistä lääkesektorilla.
• Terveydenhuoltoala kokee merkittäviä kustannussäästöjä lääkekehityksessä, mikä mahdollistaa edullisemmat lääkkeiden hinnat kuluttajille.
• Lääkealan työllisyysdynamiikka muuttuu, ja painopiste on datatieteessä ja tekoälyosaamisessa perinteisen lääketiedon sijaan.
• Mahdollisuus parantaa maailmanlaajuisia terveystuloksia nopeampien ja tehokkaampien lääkekeksintöprosessien ansiosta, erityisesti kehitysmaissa.
• Hallitukset mahdollisesti toteuttavat politiikkaa varmistaakseen tekoälyn löytämien lääkkeiden tasapuolisen saatavuuden, ehkäisevät monopolit ja edistävät laajempia terveyshyötyjä.
• Ympäristövaikutukset vähenevät, kun tekoälyyn perustuva lääkekehitys vähentää resurssivaltaisten laboratoriokokeiden ja -kokeiden tarvetta.

Pohdittavia kysymyksiä

• Miten muuten uskot tekoälyn ensimmäisen lääkekeksinnön muuttavan terveydenhuoltoa?
• Mitä hallitukset voivat tehdä säännelläkseen tekoälylääkkeiden kehitystä, erityisesti hinnoittelua ja saatavuutta?