AI-esimene ravimite avastus: kas robotid saavad aidata teadlastel uusi ravimeid avastada?

• Autor:
• autori nimi

  Quantumrun Foresight
• August 22, 2022

Ülevaate kokkuvõte

Traditsiooniliste ravimite väljatöötamise kõrged kulud ja ebaõnnestumiste määr sunnivad farmaatsiaettevõtteid investeerima tehisintellekti (AI) tehnoloogiatesse, et suurendada teadusuuringute tõhusust ja vähendada kulusid. AI muudab tööstust, tuvastades kiiresti uusi ravimite sihtmärke ja võimaldades isikupärastatud ravi. See üleminek tehisintellekti suunas kujundab ümber farmaatsiamaastiku, alates keemikute töönõuete muutumisest kuni tehisintellektuaalomandi õiguste teemaliste aruteludeni.

AI-esimese ravimi avastamise kontekst

Tüüpiline ravimiarendusprojekt maksab 2.6 miljardit USA dollarit. Surve on teadlaste jaoks suur, kuna 9 kandidaatravi 10-st ei saa regulatiivset heakskiitu. Selle tulemusena investeerivad farmaatsiaettevõtted 2020. aastatel agressiivselt tehisintellekti platvormidesse, et suurendada uuringute tõhusust, vähendades samal ajal kulusid. 

Ravimite avastamisel kasutatakse erinevaid tehisintellekti tehnoloogiaid, sealhulgas masinõpet (ML), loomuliku keele töötlemist (NLP) ja arvutinägemist. ML analüüsib andmeid erinevatest allikatest, sealhulgas teaduskirjandusest, kliinilistest uuringutest ja patsientide andmetest. Seda teavet saab seejärel kasutada mustrite tuvastamiseks, mis võivad viidata uutele ravimite sihtmärkidele või viia tõhusamate ravimeetodite väljatöötamiseni. NLP-d, keelepõhist ennustavat mudelit, kasutatakse teaduskirjanduse andmete kaevandamiseks, mis võib tuua esile uusi võimalusi olemasolevate ravimite väljatöötamiseks. Lõpuks analüüsib arvutinägemine rakkude ja kudede kujutisi, mis võimaldavad tuvastada haigustega seotud muutusi.

Näide farmaatsiaettevõttest, mis kasutab tehisintellekti uute ravimite väljatöötamiseks, on Pfizer, mis kasutab IBM Watsonit, ML-süsteemi, mis suudab ulatuslikult uurida immuunonkoloogia ravimeid. Vahepeal on Prantsusmaal asuv Sanofi teinud koostööd Ühendkuningriigi idufirmaga Exscientia, et luua tehisintellekti platvorm metaboolsete haiguste ravimeetodite otsimiseks. Šveitsi ettevõtte Roche tütarettevõte Genentech kasutab vähiravi otsimisel USA-s asuva GNS Healthcare'i tehisintellekti süsteemi. Hiinas sai biotehnoloogia idufirma Meta Pharmaceuticals 15 miljoni USA dollari suuruse algrahastuse, et arendada AI abil autoimmuunhaiguste ravimeetodeid. Ettevõtet inkubeeris teine ​​AI-abiga ravimite avastamise ettevõte Xtalpi.

Häiriv mõju

Võimalik, et tehisintellektiga seotud ravimite avastamise kõige praktilisem rakendus oli COVID-19 esimese terapeutilise ravimi, viirusevastase ravimi Remdesivir väljatöötamine. Algselt tuvastasid Californias asuva biotehnoloogiaettevõtte Gilead Sciences teadlased tehisintellekti abil selle ravimi viiruse võimaliku ravivahendina. Ettevõte kasutas GenBanki andmebaasi andmete analüüsimiseks algoritmi, mis sisaldab teavet kõigi avalikult kättesaadavate DNA järjestuste kohta.

See algoritm tuvastas kaks võimalikku kandidaati, mille Gilead Sciences sünteesis ja testis laborinõudes COVID-19 viiruse vastu. Mõlemad kandidaadid leiti olevat viiruse vastu tõhusad. Seejärel valiti üks neist kandidaatidest välja edasiseks arendamiseks ja katsetamiseks loomadel ja inimestel. Remdesivir osutus lõpuks ohutuks ja tõhusaks ning USA Toidu- ja Ravimiamet (FDA) kiideti selle kasutamiseks heaks.

Sellest ajast alates on ettevõtted ja organisatsioonid teinud koostööd, et leida rohkem COVID-19 ravimeetodeid tehisintellektisüsteemide abil. 2021. aastal lõi 10 ettevõtet koostööd, et luua IMPECCABLE (integreeritud modelleerimistoru COVID-ravi jaoks, hinnates paremaid müügivihjeid). Nende organisatsioonide hulka kuuluvad Rutgersi ülikool, Londoni ülikooli kolledž, USA energeetikaministeerium, Leibnizi superarvutikeskus ja NVIDIA Corporation.

Projekt on tehisintellekti simulatsioonitoru, mis lubab kiirendada potentsiaalsete COVID-19 ravimikandidaatide sõeluuringut 50,000 XNUMX korda kiiremini kui praegused meetodid. IMPECCABLE ühendab erinevaid andmetöötlusi, füüsikal põhinevat modelleerimist ja simulatsiooni ning ML-tehnoloogiaid, et luua tehisintellekt, mis kasutab ennustavate mudelite koostamiseks andmete mustreid. Erinevalt tüüpilisest meetodist, kus teadlased peavad hoolikalt mõtlema ja oma teadmistele tuginedes molekule välja töötama, võimaldab see torujuhe teadlastel automaatselt sõeluda tohutul hulgal kemikaale, suurendades järsult tõenäolise kandidaadi leidmise tõenäosust.

AI-esimese ravimi avastamise tagajärjed

AI-esimeste ravimite avastamise metoodikate tööstusharu kasutuselevõtu laiemad tagajärjed võivad hõlmata järgmist: 

• Tehisintellekti platvormid, mille ülesandeid täidavad tavapäraselt karjääri alguses keemikud, mistõttu peavad need spetsialistid omandama uusi oskusi või muutma karjääri.
• Suured farmaatsiaettevõtted, kes võtavad tööle robotiteadlasi ulatuslike geeni-, haigus- ja raviandmete otsimiseks ning teraapia arendamise kiirendamiseks.
• Partnerlussuhete kasv biotehnoloogia idufirmade ja väljakujunenud farmaatsiaettevõtete vahel tehisintellekti abil ravimite avastamiseks, meelitades ligi tervishoiuasutustelt rohkem investeeringuid.
• Kohandatud meditsiinilise ravi hõlbustamine ainulaadsete bioloogiliste omadustega inimestele, eriti neile, kellel on aeg-ajalt esinevad autoimmuunhaigused.
• Intensiivistatud regulatiivsed arutelud tehisintellektuaalomandi õiguste üle ravimite avastamisel ja tehisintellektiga seotud vigade eest vastutamise üle farmaatsiasektoris.
• Tervishoiutööstus kogeb ravimite väljatöötamisel märkimisväärset kulude vähenemist, mis võimaldab tarbijatele taskukohasemaid ravimite hindu.
• Tööhõive dünaamika farmaatsiasektoris muutub, rõhuasetus andmeteadusele ja tehisintellekti teadmistele traditsiooniliste farmaatsiaalaste teadmiste asemel.
• Kiiremate ja tõhusamate ravimite avastamise protsesside tõttu on võimalik parandada ülemaailmseid tervisetulemusi, eriti arengumaades.
• Võimalik, et valitsused kehtestavad poliitikat, et tagada õiglane juurdepääs tehisintellekti poolt avastatud ravimitele, ennetades monopole ja edendades laiemat kasu tervisele.
• Keskkonnamõjud vähenevad, kuna tehisintellekti juhitud ravimite avastamine vähendab vajadust ressursimahukate laboratoorsete katsete ja katsete järele.

Küsimused, mida kaaluda

• Kuidas muidu arvate, et tehisintellektiga seotud ravimite avastamine muudab tervishoidu?
• Mida saavad valitsused teha, et reguleerida tehisintellektiga esmajärjekorras ravimite väljatöötamist, eriti hinnakujundust ja juurdepääsetavust?