AI-ի առաջին դեղամիջոցի հայտնաբերումը. կարո՞ղ են ռոբոտներն օգնել գիտնականներին հայտնաբերել նոր դեղագործական դեղամիջոցներ:
AI-ի առաջին դեղամիջոցի հայտնաբերումը. կարո՞ղ են ռոբոտներն օգնել գիտնականներին հայտնաբերել նոր դեղագործական դեղամիջոցներ:
AI-ի առաջին դեղամիջոցի հայտնաբերումը. կարո՞ղ են ռոբոտներն օգնել գիտնականներին հայտնաբերել նոր դեղագործական դեղամիջոցներ:
- Հեղինակ:
- Օգոստոս 22, 2022
Insight ամփոփում
Ավանդական դեղամիջոցների մշակման մեջ բարձր ծախսերը և ձախողման մակարդակը դրդում են դեղագործական ընկերություններին ներդրումներ կատարել արհեստական ինտելեկտի (AI) տեխնոլոգիաներում՝ բարձրացնելու հետազոտության արդյունավետությունը և նվազեցնել ծախսերը: AI-ն փոխակերպում է արդյունաբերությունը՝ արագորեն բացահայտելով դեղերի նոր թիրախները և հնարավորություն տալով անհատականացված բուժումներ կատարել: Այս տեղաշարժը դեպի արհեստական ինտելեկտը վերափոխում է դեղագործական լանդշաֆտը` քիմիկոսների համար աշխատանքի պահանջների փոփոխությունից մինչև արհեստական ինտելեկտուալ սեփականության իրավունքների վերաբերյալ բանավեճեր հրահրող:
AI- առաջին թմրամիջոցների հայտնաբերման համատեքստը
Թմրամիջոցների զարգացման տիպիկ նախագիծն արժե 2.6 միլիարդ դոլար: Ճնշումը մեծ է գիտնականների համար, քանի որ 9 թեկնածու բուժումներից 10-ը չեն հասնում կարգավորող հաստատություններին: Արդյունքում, դեղագործական ընկերությունները ագրեսիվ ներդրումներ են կատարում AI հարթակներում 2020-ական թվականներին՝ բարձրացնելու հետազոտության արդյունավետությունը՝ միաժամանակ նվազեցնելով ծախսերը:
Դեղերի հայտնաբերման համար օգտագործվում են արհեստական ինտելեկտի տարբեր տեխնոլոգիաներ, ներառյալ մեքենայական ուսուցումը (ML), բնական լեզվի մշակումը (NLP) և համակարգչային տեսլականը: ML-ն վերլուծում է տարբեր աղբյուրների տվյալները, ներառյալ գիտական գրականությունը, կլինիկական փորձարկումները և հիվանդների գրառումները: Այնուհետև այս տեղեկատվությունը կարող է օգտագործվել օրինաչափություններ հայտնաբերելու համար, որոնք կարող են առաջարկել դեղերի նոր թիրախներ կամ հանգեցնել ավելի արդյունավետ բուժման մշակմանը: NLP-ն՝ լեզվի վրա հիմնված կանխատեսող մոդել, օգտագործվում է գիտական գրականությունից տվյալներ հանելու համար, որոնք կարող են ընդգծել գոյություն ունեցող դեղերի մշակման նոր ուղիները: Վերջապես, համակարգչային տեսողությունը վերլուծում է բջիջների և հյուսվածքների պատկերները, որոնք կարող են բացահայտել հիվանդությունների հետ կապված փոփոխությունները:
Դեղագործական ընկերության օրինակ, որն օգտագործում է արհեստական ինտելեկտը նոր դեղամիջոցներ մշակելու համար, Pfizer-ն է, որն օգտագործում է IBM Watson-ը՝ ML համակարգ, որը կարող է լայնորեն ուսումնասիրել իմունոուռուցքաբանական դեղամիջոցները: Միևնույն ժամանակ, ֆրանսիական Sanofi-ն համագործակցել է բրիտանական Exscientia ստարտափի հետ՝ ստեղծելու AI հարթակ՝ նյութափոխանակության հիվանդությունների բուժման միջոցներ փնտրելու համար: Շվեյցարական Roche ընկերության դուստր Genentech-ն օգտագործում է AI համակարգ ԱՄՆ-ում գործող GNS Healthcare-ից՝ քաղցկեղի բուժման որոնումները ղեկավարելու համար: Չինաստանում բիոտեխնոլոգիական ստարտափը Meta Pharmaceuticals-ն ապահովել է 15 միլիոն ԱՄՆ դոլարի սերմերի ֆինանսավորում՝ արհեստական արհեստական ինտելեկտի միջոցով աուտոիմուն հիվանդությունների բուժման համար: Ընկերությունը ինկուբացվել է AI-ի օգնությամբ դեղերի հայտնաբերման մեկ այլ ընկերության՝ Xtalpi-ի կողմից:
Խանգարող ազդեցություն
Թերևս AI-ի առաջին դեղամիջոցի հայտնաբերման ամենագործնական կիրառումը COVID-19-ի համար առաջին բուժական դեղամիջոցի մշակումն էր՝ հակավիրուսային դեղամիջոց, որը կոչվում է Remdesivir: Դեղը ի սկզբանե ճանաչվել է որպես վիրուսի հնարավոր բուժում Կալիֆորնիայի բիոտեխնոլոգիական ընկերության Gilead Sciences-ի հետազոտողների կողմից՝ օգտագործելով AI: Ընկերությունն օգտագործել է GenBank-ի տվյալների բազայի տվյալների վերլուծության ալգորիթմը, որը պարունակում է տեղեկատվություն հանրությանը հասանելի ԴՆԹ-ի բոլոր հաջորդականությունների մասին:
Այս ալգորիթմը հայտնաբերել է երկու հավանական թեկնածու, որոնք Gilead Sciences-ը սինթեզել և փորձարկել է COVID-19 վիրուսի դեմ լաբորատոր ափսեի մեջ։ Պարզվել է, որ երկու թեկնածուներն էլ արդյունավետ են վիրուսի դեմ: Այդ թեկնածուներից մեկն այնուհետև ընտրվեց կենդանիների և մարդկանց վրա հետագա զարգացման և փորձարկման համար: Remdesivir-ը, ի վերջո, անվտանգ և արդյունավետ է, և այն հաստատվել է ԱՄՆ Սննդամթերքի և դեղերի վարչության (FDA) կողմից օգտագործման համար:
Այդ ժամանակից ի վեր ընկերություններն ու կազմակերպությունները համագործակցել են՝ գտնելու ավելի շատ COVID-19 բուժում՝ օգտագործելով AI համակարգերը: 2021 թվականին 10 ընկերություններ միավորվեցին՝ ստեղծելու ԱՆԲԱՐՁՐԱՑՈՒՑԻՉ (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads): Այդ կազմակերպությունների թվում են Ռութգերսի համալսարանը, Լոնդոնի համալսարանական քոլեջը, ԱՄՆ էներգետիկայի դեպարտամենտը, Լայբնից գերհամակարգչային կենտրոնը և NVIDIA կորպորացիան:
Նախագիծը արհեստական ինտելեկտի մոդելավորման խողովակաշար է, որը խոստանում է արագ հետևել COVID-19 դեղամիջոցի հավանական թեկնածուների զննմանը 50,000 անգամ ավելի արագ, քան ներկայիս մեթոդները: IMPECCABLE-ը համատեղում է տարբեր տվյալների մշակումը, ֆիզիկայի վրա հիմնված մոդելավորումն ու մոդելավորումը, ինչպես նաև ML տեխնոլոգիաները՝ ստեղծելու AI, որն օգտագործում է տվյալների օրինաչափությունները՝ կանխատեսող մոդելներ կառուցելու համար: Ի տարբերություն տիպիկ մեթոդի, որտեղ գիտնականները պետք է ուշադիր մտածեն և իրենց գիտելիքների հիման վրա մոլեկուլներ մշակեն, այս խողովակաշարը հետազոտողներին թույլ է տալիս ավտոմատ կերպով ստուգել հսկայական քանակությամբ քիմիական նյութեր՝ կտրուկ մեծացնելով հավանական թեկնածու գտնելու հավանականությունը:
AI-ի առաջին դեղամիջոցի հայտնաբերման հետևանքները
Արհեստական ինտելեկտի առաջին դեղամիջոցի հայտնաբերման մեթոդոլոգիաների արդյունաբերության ընդունման ավելի լայն հետևանքները կարող են ներառել.
- AI պլատֆորմները ստանձնում են առաջադրանքներ, որոնք ավանդաբար զբաղվում են վաղ կարիերայի քիմիկոսների կողմից, ինչը պահանջում է այս մասնագետներին ձեռք բերել նոր հմտություններ կամ փոխել կարիերայի ուղիները:
- Խոշոր դեղագործական ընկերությունները, որոնք աշխատում են ռոբոտային գիտնականների՝ գենետիկական, հիվանդությունների և բուժման լայնածավալ տվյալներ ուսումնասիրելու համար՝ արագացնելով թերապիայի զարգացումը:
- Բիոտեխնոլոգիական ստարտափների և հաստատված դեղագործական ընկերությունների միջև համագործակցության աճ՝ AI-ի օգնությամբ դեղերի հայտնաբերման համար՝ ներգրավելով ավելի շատ ներդրումներ առողջապահական կազմակերպություններից:
- Յուրահատուկ կենսաբանական բնութագրեր ունեցող անհատների համար հարմարեցված բժշկական բուժումների հեշտացում, հատկապես նրանց համար, ովքեր ունեն հազվադեպ աուտոիմուն խանգարումներ:
- Ակտիվացրել են կարգավորիչ քննարկումները AI-ի մտավոր սեփականության իրավունքների վերաբերյալ դեղերի հայտնաբերման և դեղագործական ոլորտում AI-ի հետ կապված սխալների համար պատասխանատվության մասին:
- Առողջապահության ոլորտը դեղերի մշակման ծախսերի զգալի կրճատում է ապրում, ինչը թույլ է տալիս սպառողների համար դեղերի ավելի մատչելի գներ:
- Դեղագործության ոլորտում զբաղվածության դինամիկան փոխվում է՝ շեշտը դնելով տվյալների գիտության և AI փորձաքննության վրա՝ ավանդական դեղագործական գիտելիքի փոխարեն:
- Թմրամիջոցների հայտնաբերման ավելի արագ և արդյունավետ գործընթացների շնորհիվ գլոբալ առողջապահական արդյունքների բարելավման ներուժը, հատկապես զարգացող երկրներում:
- Կառավարությունները, հնարավոր է, որդեգրեն քաղաքականություն՝ ապահովելու AI-ի կողմից հայտնաբերված դեղամիջոցներին հավասար հասանելիություն, կանխարգելելով մենաշնորհները և խթանելով առողջության ավելի լայն օգուտները:
- Շրջակա միջավայրի վրա ազդեցությունները նվազում են, քանի որ AI-ի վրա հիմնված թմրամիջոցների հայտնաբերումը նվազեցնում է ռեսուրսների ինտենսիվ լաբորատոր փորձերի և փորձարկումների անհրաժեշտությունը:
Հարցեր, որոնք պետք է հաշվի առնել
- Ի՞նչ եք կարծում, AI-ի առաջին դեղամիջոցի հայտնաբերումը այլ կերպ ինչպե՞ս կփոխի առողջապահությունը:
- Ի՞նչ կարող են անել կառավարությունները՝ կարգավորելու AI-ի առաջին դեղերի զարգացումները, մասնավորապես՝ գնագոյացումը և մատչելիությունը:
Insight հղումներ
Հետևյալ հանրաճանաչ և ինստիտուցիոնալ հղումները վկայակոչվել են այս պատկերացման համար.