AI-first drug discovery: Matutulungan ba ng mga robot ang mga scientist na tumuklas ng mga bagong pharma drugs?

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Agosto 22, 2022

Buod ng pananaw

Ang mataas na gastos at mga rate ng pagkabigo sa tradisyonal na pagpapaunlad ng gamot ay nagtutulak sa mga kumpanya ng parmasyutiko na mamuhunan sa mga teknolohiya ng artificial intelligence (AI) upang palakasin ang kahusayan sa pananaliksik at mas mababang gastos. Binabago ng AI ang industriya sa pamamagitan ng mabilis na pagtukoy ng mga bagong target na gamot at pagpapagana ng mga personalized na paggamot. Ang pagbabagong ito patungo sa AI ay muling hinuhubog ang pharmaceutical landscape, mula sa pagbabago ng mga kinakailangan sa trabaho para sa mga chemist hanggang sa pag-uudyok ng mga debate sa mga karapatan sa intelektwal na ari-arian ng AI.

Konteksto ng AI-unang pagtuklas ng gamot

Ang karaniwang proyekto sa pagpapaunlad ng gamot ay nagkakahalaga ng USD $2.6 bilyon. Mataas ang pressure para sa mga siyentipiko, dahil 9 sa 10 mga terapiyang kandidato ay hindi nakakaabot sa mga pag-apruba ng regulasyon. Bilang resulta, ang mga kumpanya ng parmasyutiko ay agresibong namumuhunan sa mga platform ng AI sa panahon ng 2020s upang mapataas ang pagiging epektibo ng pananaliksik habang pinababa ang mga gastos. 

Iba't ibang teknolohiya ng AI ang ginagamit sa pagtuklas ng droga, kabilang ang machine learning (ML), natural language processing (NLP), at computer vision. Sinusuri ng ML ang data mula sa iba't ibang mapagkukunan, kabilang ang siyentipikong literatura, mga klinikal na pagsubok, at mga talaan ng pasyente. Ang impormasyong ito ay maaaring gamitin upang matukoy ang mga pattern na maaaring magmungkahi ng mga bagong target na gamot o humantong sa pagbuo ng mga mas epektibong paggamot. Ang NLP, isang modelong predictive na nakabatay sa wika, ay ginagamit upang magmina ng data mula sa siyentipikong literatura, na maaaring mag-highlight ng mga bagong paraan na maaaring mabuo ang mga umiiral na gamot. Sa wakas, sinusuri ng computer vision ang mga larawan ng mga cell at tissue, na maaaring makilala ang mga pagbabagong nauugnay sa mga sakit.

Ang isang halimbawa ng kumpanya ng pharma na gumagamit ng AI upang bumuo ng mga bagong gamot ay ang Pfizer, na gumagamit ng IBM Watson, isang ML system na maaaring magsaliksik ng mga immuno-oncology na gamot. Samantala, ang Sanofi na nakabase sa France ay nakipagsosyo sa UK startup na Exscientia upang lumikha ng isang AI platform upang maghanap ng mga metabolic-disease therapies. Gumagamit ang Swiss company na si Roche subsidiary na Genentech ng AI system mula sa US-based na GNS Healthcare para manguna sa paghahanap ng mga paggamot sa kanser. Sa China, ang biotech startup na Meta Pharmaceuticals ay nakakuha ng USD $15-million seed funding para bumuo ng mga autoimmune disease treatment gamit ang AI. Ang kumpanya ay incubated ng isa pang AI-assisted drug discovery company, Xtalpi.

Nakakagambalang epekto

Marahil ang pinakapraktikal na aplikasyon ng AI-first drug discovery ay ang pagbuo ng unang therapeutic na gamot para sa COVID-19, isang antiviral na gamot na tinatawag na Remdesivir. Ang gamot ay unang nakilala bilang isang posibleng paggamot para sa virus ng mga mananaliksik sa Gilead Sciences, isang kumpanya ng biotechnology sa California, gamit ang AI. Gumamit ang kumpanya ng algorithm upang pag-aralan ang data mula sa database ng GenBank, na naglalaman ng impormasyon sa lahat ng available na pampublikong pagkakasunud-sunod ng DNA.

Tinukoy ng algorithm na ito ang dalawang posibleng kandidato, na na-synthesize at sinubukan ng Gilead Sciences laban sa COVID-19 na virus sa isang lab dish. Parehong kandidato ay napatunayang epektibo laban sa virus. Ang isa sa mga kandidatong ito ay napili para sa karagdagang pag-unlad at pagsubok sa mga hayop at tao. Ang Remdesivir sa huli ay natagpuang ligtas at epektibo, at inaprubahan para magamit ng US Food and Drug Administration (FDA).

Simula noon, nagtulungan ang mga kumpanya at organisasyon para maghanap ng higit pang mga paggamot sa COVID-19 gamit ang mga AI system. Noong 2021, 10 kumpanya ang nagsama-sama upang lumikha ng IMPECCABLE (Integrated Modelling PipelinE para sa COVID Cure sa pamamagitan ng Pagtatasa ng Mas Mabuting Mga Lead). Kasama sa mga organisasyong ito ang Rutgers University, University College London, ang US Department of Energy, Leibniz Supercomputing Center, at NVIDIA Corporation.

Ang proyekto ay isang AI simulation pipeline na nangangako na pabilisin ang pag-screen ng mga potensyal na kandidato ng gamot sa COVID-19 nang 50,000 beses na mas mabilis kaysa sa mga kasalukuyang pamamaraan. Pinagsasama ng IMPECCABLE ang iba't ibang pagpoproseso ng data, pagmomodelo at simulation na nakabatay sa pisika, at mga teknolohiya ng ML upang lumikha ng AI na gumagamit ng mga pattern sa data upang bumuo ng mga predictive na modelo. Hindi tulad ng karaniwang pamamaraan, kung saan ang mga siyentipiko ay kailangang mag-isip nang mabuti at bumuo ng mga molekula batay sa kanilang kaalaman, ang pipeline na ito ay nagbibigay-daan sa mga mananaliksik na awtomatikong mag-screen ng malaking bilang ng mga kemikal, na lubhang pinapataas ang posibilidad na makahanap ng isang malamang na kandidato.

Mga implikasyon ng AI-unang pagtuklas ng gamot

Ang mga mas malawak na implikasyon ng paggamit ng industriya ng mga pamamaraan ng pagtuklas ng gamot na una sa AI ay maaaring kabilang ang: 

• Ang mga platform ng AI na ipinapalagay ang mga gawain na tradisyonal na pinangangasiwaan ng mga chemist ng maagang karera, na nangangailangan ng mga propesyonal na ito na makakuha ng mga bagong kasanayan o maglipat ng mga landas sa karera.
• Mga malalaking kumpanya ng parmasyutiko na gumagamit ng mga robotic scientist para sa pagsusuri ng malawak na data ng genetic, sakit, at paggamot, na nagpapabilis sa pagbuo ng therapy.
• Isang pagsulong sa mga partnership sa pagitan ng mga biotech na startup at mga itinatag na kumpanya ng pharma para sa pagtuklas ng gamot na tinulungan ng AI, na umaakit ng mas maraming pamumuhunan mula sa mga entity ng pangangalaga sa kalusugan.
• Ang pagpapadali ng mga iniangkop na medikal na paggamot para sa mga indibidwal na may mga natatanging biological na katangian, lalo na ang mga may hindi karaniwang autoimmune disorder.
• Pinaigting na mga talakayan sa regulasyon sa mga karapatan sa intelektwal na ari-arian ng AI sa mga pagtuklas ng gamot at pananagutan para sa mga error na nauugnay sa AI sa sektor ng parmasyutiko.
• Ang industriya ng pangangalagang pangkalusugan ay nakakaranas ng makabuluhang pagbawas sa gastos sa pagbuo ng gamot, na nagbibigay-daan para sa mas abot-kayang presyo ng gamot para sa mga mamimili.
• Ang dynamics ng trabaho sa sektor ng parmasyutiko ay nagbabago, na may diin sa agham ng data at kadalubhasaan sa AI kaysa sa tradisyonal na kaalaman sa parmasyutiko.
• Potensyal para sa pinahusay na mga resulta sa kalusugan sa buong mundo dahil sa mas mabilis at mas mahusay na proseso ng pagtuklas ng gamot, partikular sa mga umuunlad na bansa.
• Ang mga pamahalaan ay posibleng magpatupad ng mga patakaran upang matiyak ang pantay na pag-access sa mga gamot na natuklasan ng AI, pag-iwas sa mga monopolyo at pagtaguyod ng mas malawak na mga benepisyo sa kalusugan.
• Bumababa ang mga epekto sa kapaligiran habang binabawasan ng pagtuklas ng gamot na hinimok ng AI ang pangangailangan para sa mga eksperimento at pagsubok sa laboratoryo na masinsinang mapagkukunan.

Mga katanungang dapat isaalang-alang

• Sa palagay mo, paano pa mababago ng AI-first drug discovery ang pangangalaga sa kalusugan?
• Ano ang maaaring gawin ng mga pamahalaan para i-regulate ang AI-first drug developments, partikular ang pagpepresyo at accessibility?