Прво откритие за лек за вештачка интелигенција: Дали роботите можат да им помогнат на научниците да откријат нови фармацевтски лекови?

• автор:
• име на авторот

  Quantumrun Foresight
• Август 22, 2022

Резиме на увид

Високите трошоци и стапките на неуспех во традиционалниот развој на лекови ги туркаат фармацевтските компании да инвестираат во технологии за вештачка интелигенција (ВИ) за да ја зголемат ефикасноста на истражувањето и да ги намалат трошоците. ВИ ја трансформира индустријата со брзо идентификување на нови цели за лекови и овозможување персонализирани третмани. Оваа промена кон вештачката интелигенција го преобликува фармацевтскиот пејзаж, од промена на барањата за работа за хемичарите до поттикнување дебати за правата на интелектуална сопственост на вештачката интелигенција.

Контекст за откривање на дрога со вештачка интелигенција

Типичниот проект за развој на лекови чини 2.6 милијарди американски долари. Притисокот е висок за научниците, бидејќи 9 од 10 кандидатски терапии не добиваат регулаторни одобренија. Како резултат на тоа, фармацевтските компании агресивно инвестираат во платформи за вештачка интелигенција во текот на 2020-тите за да ја зголемат ефикасноста на истражувањето додека ги намалуваат трошоците. 

Различни технологии за вештачка интелигенција се користат во откривањето лекови, вклучувајќи машинско учење (ML), обработка на природни јазици (NLP) и компјутерска визија. ML анализира податоци од различни извори, вклучувајќи научна литература, клинички испитувања и евиденција на пациенти. Овие информации потоа може да се користат за да се идентификуваат моделите што може да сугерираат нови цели за лекови или да доведат до развој на поефикасни третмани. НЛП, јазичен предвидувачки модел, се користи за да се откријат податоци од научната литература, што може да ги нагласи новите начини на кои би можеле да се развијат постоечките лекови. Конечно, компјутерската визија ги анализира сликите на клетките и ткивата, што може да ги идентификува промените поврзани со болестите.

Пример за фармацевтска компанија која користи вештачка интелигенција за развој на нови лекови е Pfizer, која користи IBM Watson, ML систем кој може опширно да истражува имуно-онколошки лекови. Во меѓувреме, француската Санофи соработува со британската стартап компанија Exscientia за да создаде платформа за вештачка интелигенција за да бара терапии за метаболички болести. Подружницата на швајцарската компанија Рош, Genentech, користи систем за вештачка интелигенција од GNS Healthcare со седиште во САД за да ја води потрагата по третмани за рак. Во Кина, биотехнолошкиот стартап Meta Pharmaceuticals обезбеди финансирање од 15 милиони американски долари за развој на третмани за автоимуни болести користејќи вештачка интелигенција. Компанијата беше инкубирана од друга компанија за откривање лекови со помош на вештачка интелигенција, Xtalpi.

Нарушувачко влијание

Можеби најпрактичната примена на првото откритие за лек со вештачка интелигенција беше развојот на првиот терапевтски лек за СОВИД-19, антивирусен лек наречен Ремдесивир. Лекот првично беше идентификуван како можен третман за вирусот од страна на истражувачите од Gilead Sciences, биотехнолошка компанија во Калифорнија, користејќи вештачка интелигенција. Компанијата користеше алгоритам за анализа на податоците од базата на податоци на GenBank, која содржи информации за сите јавно достапни ДНК секвенци.

Овој алгоритам идентификуваше два можни кандидати, кои Gilead Sciences ги синтетизираше и тестираше против вирусот СОВИД-19 во лабораториска чинија. Утврдено е дека и двајцата кандидати се ефикасни против вирусот. Еден од овие кандидати потоа беше избран за понатамошен развој и тестирање кај животни и луѓе. На крајот беше откриено дека Ремдесивир е безбеден и ефикасен и беше одобрен за употреба од страна на американската Администрација за храна и лекови (ФДА).

Оттогаш, компаниите и организациите соработуваат за да најдат повеќе третмани за COVID-19 користејќи системи за вештачка интелигенција. Во 2021 година, 10 компании се здружија за да создадат БЕСПЛАТНО (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads). Овие организации ги вклучуваат Универзитетот Рутгерс, Универзитетскиот колеџ во Лондон, Министерството за енергија на САД, Суперкомпјутерскиот центар Лајбниц и корпорацијата НВИДИА.

Проектот е цевковод за симулација на вештачка интелигенција што ветува дека ќе го забрза скринингот на потенцијалните кандидати за лекови за COVID-19 50,000 пати побрзо од сегашните методи. IMPECCABLE комбинира разновидна обработка на податоци, моделирање и симулација заснована на физика и ML технологии за да создаде вештачка интелигенција која користи обрасци во податоците за да изгради предвидливи модели. За разлика од типичниот метод, каде што научниците треба внимателно да размислуваат и да развијат молекули врз основа на нивното знаење, овој гасовод им овозможува на истражувачите автоматски да испитуваат огромен број хемикалии, драматично зголемувајќи ја веројатноста за пронаоѓање веројатен кандидат.

Импликации од првото откритие на дрога со вештачка интелигенција

Пошироките импликации на индустриското усвојување на методологиите за откривање лекови за прв пат со вештачка интелигенција може да вклучуваат: 

• Платформите за вештачка интелигенција преземаат задачи кои традиционално се справуваат од хемичари во рана кариера, што наложува овие професионалци да стекнат нови вештини или да ги променат патеките во кариерата.
• Големите фармацевтски компании кои вработуваат роботски научници за пронаоѓање на обемни генетски, болести и податоци за третман, забрзувајќи го развојот на терапијата.
• Наплив на партнерства помеѓу биотехнолошките стартапи и воспоставените фармацевтски фирми за откривање лекови со помош на вештачка интелигенција, привлекувајќи повеќе инвестиции од здравствените субјекти.
• Олеснување на приспособени медицински третмани за лица со уникатни биолошки карактеристики, особено оние со невообичаени автоимуни нарушувања.
• Засилени регулаторни дискусии за правата на интелектуална сопственост на ВИ при откритијата на лекови и одговорност за грешки поврзани со вештачката интелигенција во фармацевтскиот сектор.
• Здравствената индустрија доживува значително намалување на трошоците во развојот на лекови, овозможувајќи попристапни цени на лековите за потрошувачите.
• Се менува динамиката на вработување во фармацевтскиот сектор, со акцент на науката за податоци и експертизата за вештачка интелигенција над традиционалното фармацевтско знаење.
• Потенцијал за подобрени глобални здравствени резултати поради побрзи и поефикасни процеси на откривање лекови, особено во земјите во развој.
• Владите можеби ќе донесат политики за да обезбедат правичен пристап до лековите откриени од вештачката интелигенција, спречувајќи ги монополите и поттикнувајќи пошироки здравствени придобивки.
• Влијанијата врз животната средина се намалуваат бидејќи откритието на дрога управувано од вештачка интелигенција ја намалува потребата за лабораториски експерименти и испитувања со интензивни ресурси.

Прашања што треба да се разгледаат

• Како инаку мислите дека првото откритие за лек за вештачката интелигенција ќе ја промени здравствената заштита?
• Што можат да направат владите за да го регулираат развојот на лековите првенствено за вештачка интелигенција, особено цените и пристапноста?