גילוי תרופה ראשונה בינה מלאכותית: האם רובוטים יכולים לעזור למדענים לגלות תרופות פארמה חדשות?

• מְחַבֵּר:
• שם היוצר

  Quantumrun Foresight
• אוגוסט

סיכום תובנה

עלויות גבוהות ושיעורי כישלון בפיתוח תרופות מסורתיות דוחפים חברות תרופות להשקיע בטכנולוגיות של בינה מלאכותית (AI) כדי להגביר את יעילות המחקר ולהוזיל עלויות. בינה מלאכותית משנה את התעשייה על ידי זיהוי מהיר של יעדי תרופות חדשים ומאפשרת טיפולים מותאמים אישית. המעבר הזה לכיוון בינה מלאכותית מעצב מחדש את נוף התרופות, משינוי דרישות התפקיד לכימאים ועד לעורר ויכוחים על זכויות הקניין הרוחני של הבינה המלאכותית.

הקשר לגילוי תרופות בינה מלאכותית

פרויקט פיתוח תרופות טיפוסי עולה 2.6 מיליארד דולר. הלחץ גבוה עבור מדענים, שכן 9 מתוך 10 טיפולים מועמדים אינם מגיעים לאישורים רגולטוריים. כתוצאה מכך, חברות התרופות משקיעות באגרסיביות בפלטפורמות AI במהלך שנות ה-2020 כדי להגביר את יעילות המחקר תוך הפחתת עלויות. 

טכנולוגיות AI שונות משמשות בגילוי תרופות, כולל למידת מכונה (ML), עיבוד שפה טבעית (NLP) וראייה ממוחשבת. ML מנתח נתונים ממקורות שונים, כולל ספרות מדעית, ניסויים קליניים ורישומי חולים. לאחר מכן ניתן להשתמש במידע זה כדי לזהות דפוסים שעשויים להציע מטרות תרופות חדשות או להוביל לפיתוח של טיפולים יעילים יותר. NLP, מודל חיזוי מבוסס שפה, משמש לכריית נתונים מספרות מדעית, שיכולים להדגיש דרכים חדשות שבהן ניתן לפתח תרופות קיימות. לבסוף, ראיית מחשב מנתחת תמונות של תאים ורקמות, שיכולות לזהות שינויים הקשורים למחלות.

דוגמה לחברת פארמה שמשתמשת בבינה מלאכותית לפיתוח תרופות חדשות היא פייזר, המשתמשת ב-IBM Watson, מערכת ML שיכולה לחקור רבות תרופות אימונו-אונקולוגיות. בינתיים, Sanofi, שבסיסה בצרפת, שיתפה פעולה עם הסטארט-אפ הבריטי Exscientia כדי ליצור פלטפורמת בינה מלאכותית כדי לחפש טיפולים במחלות מטבוליות. החברה הבת השוויצרית Roche, Genentech, משתמשת במערכת בינה מלאכותית של GNS Healthcare בארה"ב כדי להוביל את החיפוש אחר טיפולי סרטן. בסין, סטארטאפ הביוטק Meta Pharmaceuticals השיג מימון ראשוני של 15 מיליון דולר דולר לפיתוח טיפולים במחלות אוטואימוניות באמצעות AI. החברה הודגמה על ידי חברה נוספת לגילוי תרופות בסיוע בינה מלאכותית, Xtalpi.

השפעה משבשת

אולי היישום המעשי ביותר של גילוי התרופה הראשונה של AI היה פיתוח התרופה הטיפולית הראשונה ל-COVID-19, תרופה אנטי-ויראלית בשם Remdesivir. התרופה זוהתה בתחילה כטיפול אפשרי לנגיף על ידי חוקרים מ-Gilead Sciences, חברת ביוטכנולוגיה בקליפורניה, באמצעות AI. החברה השתמשה באלגוריתם כדי לנתח נתונים ממסד הנתונים של GenBank, המכיל מידע על כל רצפי ה-DNA הזמינים לציבור.

אלגוריתם זה זיהה שני מועמדים אפשריים, ש- Gilead Sciences סינתזה ובדקה כנגד נגיף COVID-19 בצלחת מעבדה. שני המועמדים נמצאו יעילים נגד הנגיף. אחד מהמועמדים הללו נבחר לאחר מכן להמשך פיתוח וניסויים בבעלי חיים ובבני אדם. בסופו של דבר נמצאה Remdesivir בטוחה ויעילה, ואושרה לשימוש על ידי מנהל המזון והתרופות האמריקאי (FDA).

מאז, חברות וארגונים שיתפו פעולה כדי למצוא טיפולים נוספים ל-COVID-19 באמצעות מערכות בינה מלאכותית. בשנת 2021, 10 חברות התאגדו כדי ליצור IMPECCABLE (צנרת מודלים משולבת לריפוי COVID על ידי הערכת מובילים טובים יותר). ארגונים אלה כוללים את אוניברסיטת רוטגרס, אוניברסיטאי קולג' בלונדון, מחלקת האנרגיה של ארה"ב, מרכז מחשוב העל לייבניץ ותאגיד NVIDIA.

הפרויקט הוא צינור סימולציית בינה מלאכותית שמבטיח לעקוב מהר אחרי הסינון של מועמדים פוטנציאליים לתרופות COVID-19 מהר פי 50,000 מהשיטות הנוכחיות. IMPECCABLE משלב עיבוד נתונים שונים, מודלים וסימולציה מבוססי פיזיקה, וטכנולוגיות ML כדי ליצור AI שמשתמש בדפוסים בנתונים כדי לבנות מודלים חזויים. בניגוד לשיטה הטיפוסית, שבה מדענים צריכים לחשוב היטב ולפתח מולקולות על סמך הידע שלהם, צינור זה מאפשר לחוקרים לסנן אוטומטית מספר עצום של כימיקלים, מה שמגדיל באופן דרמטי את ההסתברות למצוא מועמד סביר.

ההשלכות של גילוי התרופה הראשונה בינה מלאכותית

השלכות רחבות יותר של אימוץ התעשייה של מתודולוגיות לגילוי תרופות בינה מלאכותית עשויות לכלול: 

• פלטפורמות בינה מלאכותית המקבלות על עצמה משימות המטופלות באופן מסורתי על ידי כימאים בתחילת הקריירה, מה שמחייב את אנשי המקצוע הללו לרכוש מיומנויות חדשות או לעבור מסלולי קריירה.
• חברות תרופות גדולות המעסיקות מדענים רובוטיים לניקוי נתונים גנטיים, מחלות וטיפולים נרחבים, ולהאיץ את פיתוח הטיפול.
• עלייה בשותפויות בין חברות סטארט-אפ ביוטכנולוגיה וחברות פארמה מבוססות לגילוי תרופות בעזרת בינה מלאכותית, ומושכת השקעות נוספות מגופי בריאות.
• הקלות על טיפולים רפואיים מותאמים לאנשים בעלי מאפיינים ביולוגיים ייחודיים, במיוחד אלה עם הפרעות אוטואימוניות לא שכיחות.
• דיונים רגולטוריים מוגברים על זכויות הקניין הרוחני של AI בגילויי תרופות ואחריות על טעויות הקשורות לבינה מלאכותית במגזר התרופות.
• תעשיית הבריאות חווה הפחתת עלויות משמעותית בפיתוח תרופות, מה שמאפשר מחירי תרופות נוחים יותר לצרכנים.
• דינמיקת תעסוקה במגזר התרופות משתנה, עם דגש על מדעי נתונים ומומחיות בינה מלאכותית על פני ידע פרמצבטי מסורתי.
• פוטנציאל לשיפור תוצאות הבריאות העולמיות עקב תהליכי גילוי מהירים ויעילים יותר של תרופות, במיוחד במדינות מתפתחות.
• ממשלות עשויות לחוקק מדיניות כדי להבטיח גישה שוויונית לתרופות שהתגלו בבינה מלאכותית, מניעת מונופולים וטיפוח יתרונות בריאותיים רחבים יותר.
• ההשפעות הסביבתיות מצטמצמות ככל שגילוי תרופות מונע בינה מלאכותית מפחית את הצורך בניסויים וניסויים עתירי משאבים במעבדה.

שאלות שכדאי לקחת בחשבון

• אחרת איך לדעתך גילוי תרופות ראשון בינה מלאכותית ישנה את שירותי הבריאות?
• מה יכולות הממשלות לעשות כדי להסדיר פיתוחי תרופות AI-first, במיוחד תמחור ונגישות?