AI-pierwsze odkrycie leków: czy roboty mogą pomóc naukowcom w odkrywaniu nowych leków farmaceutycznych?

• Autor:
• nazwisko autora

  Foresight Quantumrun
• 22 sierpnia 2022 r.

Podsumowanie spostrzeżeń

Wysokie koszty i wskaźniki niepowodzeń w opracowywaniu tradycyjnych leków zmuszają firmy farmaceutyczne do inwestowania w technologie sztucznej inteligencji (AI), aby zwiększyć efektywność badań i obniżyć koszty. Sztuczna inteligencja zmienia branżę, szybko identyfikując nowe cele dla leków i umożliwiając spersonalizowane leczenie. To przejście w kierunku sztucznej inteligencji zmienia krajobraz farmaceutyczny, od zmieniających się wymagań zawodowych dla chemików po wywoływanie debat na temat praw własności intelektualnej sztucznej inteligencji.

Kontekst odkrywania leków oparty na sztucznej inteligencji

Typowy projekt rozwoju leku kosztuje 2.6 miliarda USD. Presja wywierana na naukowców jest wysoka, ponieważ 9 na 10 proponowanych terapii nie uzyskuje aprobat organów regulacyjnych. W rezultacie firmy farmaceutyczne agresywnie inwestują w platformy sztucznej inteligencji w latach 2020., aby zwiększyć skuteczność badań przy jednoczesnym obniżeniu kosztów. 

W odkrywaniu leków wykorzystywane są różne technologie sztucznej inteligencji, w tym uczenie maszynowe (ML), przetwarzanie języka naturalnego (NLP) i wizja komputerowa. ML analizuje dane z różnych źródeł, w tym literatury naukowej, badań klinicznych i dokumentacji pacjentów. Informacje te można następnie wykorzystać do identyfikacji wzorców, które mogą sugerować nowe cele leków lub prowadzić do opracowania skuteczniejszych metod leczenia. NLP, oparty na języku model predykcyjny, jest wykorzystywany do wydobywania danych z literatury naukowej, która może uwypuklić nowe sposoby opracowywania istniejących leków. Wreszcie wizja komputerowa analizuje obrazy komórek i tkanek, które mogą identyfikować zmiany związane z chorobami.

Przykładem firmy farmaceutycznej, która wykorzystuje sztuczną inteligencję do opracowywania nowych leków, jest firma Pfizer, która wykorzystuje IBM Watson, system ML, który może prowadzić szeroko zakrojone badania leków immunoonkologicznych. W międzyczasie firma Sanofi z siedzibą we Francji nawiązała współpracę z brytyjskim startupem Exscientia, aby stworzyć platformę AI do wyszukiwania terapii chorób metabolicznych. Szwajcarska firma zależna Roche, Genentech, wykorzystuje system sztucznej inteligencji firmy GNS Healthcare z siedzibą w USA do kierowania poszukiwaniem metod leczenia raka. W Chinach start-up biotechnologiczny Meta Pharmaceuticals zapewnił sobie finansowanie początkowe w wysokości 15 milionów USD na opracowanie metod leczenia chorób autoimmunologicznych przy użyciu sztucznej inteligencji. Firma była inkubowana przez inną firmę zajmującą się odkrywaniem leków wspomaganą przez sztuczną inteligencję, Xtalpi.

Zakłócający wpływ

Być może najbardziej praktycznym zastosowaniem odkrywania leków w oparciu o sztuczną inteligencję było opracowanie pierwszego leku terapeutycznego na Covid-19 – leku przeciwwirusowego o nazwie Remdesivir. Lek został początkowo zidentyfikowany jako możliwy sposób leczenia wirusa przez naukowców z Gilead Sciences, firmy biotechnologicznej w Kalifornii, przy użyciu sztucznej inteligencji. Firma wykorzystała algorytm do analizy danych z bazy GenBank, która zawiera informacje o wszystkich publicznie dostępnych sekwencjach DNA.

Algorytm ten zidentyfikował dwóch możliwych kandydatów, których Gilead Sciences zsyntetyzował i przetestował pod kątem wirusa COVID-19 w naczyniu laboratoryjnym. Stwierdzono, że obaj kandydaci są skuteczni w walce z wirusem. Następnie wybrano jednego z tych kandydatów do dalszego rozwoju i testów na zwierzętach i ludziach. Ostatecznie uznano, że remdesivir jest bezpieczny i skuteczny i został dopuszczony do stosowania przez amerykańską Agencję ds. Żywności i Leków (FDA).

Od tego czasu firmy i organizacje współpracowały w celu znalezienia większej liczby metod leczenia COVID-19 przy użyciu systemów sztucznej inteligencji. W 2021 roku 10 firm połączyło siły, aby stworzyć IMPECCABLE (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads). Organizacje te obejmują Uniwersytet Rutgers, University College London, Departament Energii Stanów Zjednoczonych, Centrum Superkomputerowe Leibniza i NVIDIA Corporation.

Projekt to proces symulacji sztucznej inteligencji, który obiecuje przyspieszyć badanie przesiewowe potencjalnych kandydatów na leki na Covid-19, 50,000 XNUMX razy szybciej niż obecne metody. Projekt IMPECCABLE łączy różne technologie przetwarzania danych, modelowania i symulacji opartej na fizyce oraz technologie uczenia maszynowego, aby stworzyć sztuczną inteligencję, która wykorzystuje wzorce zawarte w danych do tworzenia modeli predykcyjnych. W przeciwieństwie do typowej metody, w której naukowcy muszą dokładnie przemyśleć i opracować cząsteczki w oparciu o swoją wiedzę, ten rurociąg umożliwia badaczom automatyczne sprawdzanie ogromnej liczby substancji chemicznych, radykalnie zwiększając prawdopodobieństwo znalezienia prawdopodobnego kandydata.

Implikacje pierwszego odkrycia leków przez sztuczną inteligencję

Szersze implikacje przyjęcia przez przemysł metodologii odkrywania leków opartych na sztucznej inteligencji mogą obejmować: 

• Platformy AI zakładające zadania tradycyjnie wykonywane przez chemików na początku kariery, wymagające od tych specjalistów zdobycia nowych umiejętności lub zmiany ścieżki kariery.
• Duże firmy farmaceutyczne zatrudniające naukowców-robotów do przeglądania obszernych danych genetycznych, dotyczących chorób i leczenia, przyspieszając rozwój terapii.
• Gwałtowny wzrost liczby partnerstw między start-upami biotechnologicznymi a uznanymi firmami farmaceutycznymi w zakresie odkrywania leków wspomaganych sztuczną inteligencją, przyciągając więcej inwestycji ze strony podmiotów z branży opieki zdrowotnej.
• Ułatwianie dostosowanych terapii medycznych dla osób o unikalnych cechach biologicznych, zwłaszcza tych z rzadkimi chorobami autoimmunologicznymi.
• Zintensyfikowane dyskusje regulacyjne na temat praw własności intelektualnej sztucznej inteligencji w zakresie odkrywania leków i odpowiedzialności za błędy związane ze sztuczną inteligencją w sektorze farmaceutycznym.
• Branża opieki zdrowotnej odnotowuje znaczne obniżki kosztów opracowywania leków, co pozwala na uzyskanie bardziej przystępnych cen leków dla konsumentów.
• Zmienia się dynamika zatrudnienia w sektorze farmaceutycznym, z naciskiem na analizę danych i wiedzę specjalistyczną AI w stosunku do tradycyjnej wiedzy farmaceutycznej.
• Potencjał poprawy globalnych wyników zdrowotnych dzięki szybszym i skuteczniejszym procesom odkrywania leków, szczególnie w krajach rozwijających się.
• Rządy prawdopodobnie wprowadzają politykę zapewniającą równy dostęp do leków odkrytych przez sztuczną inteligencję, zapobiegając monopolom i wspierając szersze korzyści zdrowotne.
• Zmniejszenie wpływu na środowisko w miarę odkrywania leków w oparciu o sztuczną inteligencję zmniejsza potrzebę przeprowadzania eksperymentów i prób laboratoryjnych wymagających dużych zasobów.

Pytania do rozważenia

• Jak myślisz, w jaki inny sposób odkrycie leków w pierwszej kolejności przez sztuczną inteligencję zmieni opiekę zdrowotną?
• Co rządy mogą zrobić, aby uregulować rozwój leków opartych na sztucznej inteligencji, w szczególności ceny i dostępność?