AI pirmais zāļu atklājums: vai roboti var palīdzēt zinātniekiem atklāt jaunas farmaceitiskās zāles?

• Autors:
• Autors nosaukums

  Quantumrun Foresight
• Augusts 22, 2022

Ieskata kopsavilkums

Augstās izmaksas un neveiksmju līmenis tradicionālo zāļu izstrādē liek farmācijas uzņēmumiem investēt mākslīgā intelekta (AI) tehnoloģijās, lai palielinātu pētniecības efektivitāti un samazinātu izmaksas. AI pārveido nozari, ātri identificējot jaunus narkotiku mērķus un nodrošinot personalizētu ārstēšanu. Šī pāreja uz mākslīgo intelektu pārveido farmācijas ainavu, sākot no mainīgām darba prasībām ķīmiķiem līdz diskusijām par AI intelektuālā īpašuma tiesībām.

AI pirmā narkotiku atklāšanas konteksts

Tipisks zāļu izstrādes projekts maksā USD 2.6 miljardus. Spiediens zinātniekiem ir liels, jo 9 no 10 terapijas kandidātiem nesaņem normatīvo apstiprinājumu. Tā rezultātā farmācijas uzņēmumi 2020. gados agresīvi iegulda AI platformās, lai palielinātu pētniecības efektivitāti, vienlaikus samazinot izmaksas. 

Zāļu atklāšanā tiek izmantotas dažādas AI tehnoloģijas, tostarp mašīnmācīšanās (ML), dabiskās valodas apstrāde (NLP) un datorredze. ML analizē datus no dažādiem avotiem, tostarp zinātniskās literatūras, klīniskajiem pētījumiem un pacientu ierakstiem. Pēc tam šo informāciju var izmantot, lai identificētu modeļus, kas var ieteikt jaunus zāļu mērķus vai radīt efektīvākas ārstēšanas metodes. NLP, uz valodu balstīts prognozēšanas modelis, tiek izmantots, lai iegūtu datus no zinātniskās literatūras, kas var izcelt jaunus veidus, kā varētu izstrādāt esošās zāles. Visbeidzot, datorredze analizē šūnu un audu attēlus, kas var identificēt ar slimībām saistītās izmaiņas.

Piemērs farmācijas uzņēmumam, kas izmanto mākslīgo intelektu, lai izstrādātu jaunas zāles, ir Pfizer, kas izmanto IBM Watson, ML sistēmu, kas var plaši pētīt imūnonkoloģijas zāles. Tikmēr Francijā bāzētais Sanofi ir sadarbojies ar Lielbritānijas starta uzņēmumu Exscientia, lai izveidotu mākslīgā intelekta platformu, lai meklētu vielmaiņas slimību terapijas. Šveices uzņēmuma Roche meitas uzņēmums Genentech izmanto ASV bāzētās GNS Healthcare AI sistēmu, lai vadītu vēža ārstēšanas meklējumus. Ķīnā biotehnoloģiju jaunuzņēmums Meta Pharmaceuticals nodrošināja USD 15 miljonu sākotnējo finansējumu, lai izstrādātu autoimūno slimību ārstēšanu, izmantojot AI. Uzņēmums tika inkubēts citā ar AI atbalstītā zāļu atklāšanas uzņēmumā Xtalpi.

Traucējoša ietekme

Iespējams, vispraktiskākais mākslīgā intelekta zāļu atklāšanas pielietojums bija pirmās terapeitiskās zāles COVID-19, pretvīrusu medikamenta ar nosaukumu Remdesivir izstrāde. Sākotnēji šīs zāles kā iespējamu vīrusa ārstēšanas līdzekli identificēja Kalifornijas biotehnoloģijas uzņēmuma Gilead Sciences pētnieki, izmantojot AI. Uzņēmums izmantoja algoritmu, lai analizētu datus no GenBank datu bāzes, kurā ir informācija par visām publiski pieejamajām DNS sekvencēm.

Šis algoritms identificēja divus iespējamos kandidātus, kurus Gilead Sciences sintezēja un pārbaudīja pret COVID-19 vīrusu laboratorijas traukā. Abi kandidāti tika atzīti par efektīviem pret vīrusu. Pēc tam viens no šiem kandidātiem tika izvēlēts turpmākai izstrādei un testēšanai ar dzīvniekiem un cilvēkiem. Galu galā tika atzīts, ka Remdesivir ir drošs un efektīvs, un ASV Pārtikas un zāļu pārvalde (FDA) to apstiprināja lietošanai.

Kopš tā laika uzņēmumi un organizācijas ir sadarbojušās, lai atrastu vairāk COVID-19 ārstēšanas līdzekļu, izmantojot AI sistēmas. 2021. gadā 10 uzņēmumi apvienojās, lai izveidotu IMPECCABLE (Integrated Modeling PipelineE for COVID Cure, Assessing Better Leads). Šīs organizācijas ir Rutgers University, London University College, ASV Enerģētikas departaments, Leibnicas superskaitļošanas centrs un NVIDIA Corporation.

Projekts ir AI simulācijas cauruļvads, kas sola paātrināt iespējamo COVID-19 zāļu kandidātu skrīningu 50,000 XNUMX reižu ātrāk nekā pašreizējās metodes. IMPECCABLE apvieno dažādu datu apstrādi, uz fiziku balstītu modelēšanu un simulāciju, kā arī ML tehnoloģijas, lai izveidotu mākslīgo intelektu, kas izmanto datu modeļus, lai izveidotu prognozējošos modeļus. Atšķirībā no tipiskās metodes, kad zinātniekiem ir rūpīgi jādomā un jāizstrādā molekulas, pamatojoties uz viņu zināšanām, šis cauruļvads ļauj pētniekiem automātiski pārbaudīt lielu skaitu ķīmisko vielu, ievērojami palielinot iespējamību atrast iespējamo kandidātu.

AI pirmās zāļu atklāšanas sekas

Plašāka AI pirmo zāļu atklāšanas metodoloģiju ieviešana nozarē var ietvert: 

• AI platformas, kas uzņemas uzdevumus, ko tradicionāli veic ķīmiķi, kas uzsākuši karjeru, un tādēļ šiem profesionāļiem ir jāapgūst jaunas prasmes vai jāmaina karjeras ceļi.
• Lieli farmācijas uzņēmumi, kas nodarbina robotizētus zinātniekus plašu ģenētisko, slimību un ārstēšanas datu iegūšanai, paātrinot terapijas attīstību.
• Partnerattiecību pieaugums starp biotehnoloģiju jaunizveidotiem uzņēmumiem un nodibinātām farmācijas firmām mākslīgā intelekta atbalstītu zāļu atklāšanā, piesaistot vairāk ieguldījumu no veselības aprūpes iestādēm.
• Pielāgotas medicīniskās ārstēšanas atvieglošana personām ar unikālām bioloģiskām īpašībām, īpaši tiem, kam ir retāk sastopami autoimūni traucējumi.
• Pastiprinātas regulatīvās diskusijas par AI intelektuālā īpašuma tiesībām zāļu atklāšanā un atbildību par AI saistītām kļūdām farmācijas nozarē.
• Veselības aprūpes nozare piedzīvo ievērojamu izmaksu samazinājumu zāļu izstrādē, ļaujot patērētājiem nodrošināt pieejamākas medikamentu cenas.
• Nodarbinātības dinamika farmācijas nozarē mainās, uzsvaru liekot uz datu zinātni un AI pieredzi, nevis tradicionālajām farmācijas zināšanām.
• Iespējas uzlabot globālos veselības rezultātus, pateicoties ātrākiem un efektīvākiem zāļu atklāšanas procesiem, jo ​​īpaši jaunattīstības valstīs.
• Valdības, iespējams, ievieš politiku, lai nodrošinātu vienlīdzīgu piekļuvi AI atklātajiem medikamentiem, novēršot monopolus un veicinot plašākus ieguvumus veselībai.
• Ietekme uz vidi samazinās, jo AI vadītu zāļu atklāšana samazina vajadzību pēc resursietilpīgiem laboratorijas eksperimentiem un izmēģinājumiem.

Jautājumi, kas jāapsver

• Kā citādi, jūsuprāt, AI pirmā narkotiku atklāšana mainīs veselības aprūpi?
• Ko valdības var darīt, lai regulētu AI pirmo zāļu izstrādi, jo īpaši cenu noteikšanu un pieejamību?