Jak sztuczna inteligencja pomaga odkrywać leki szybciej niż kiedykolwiek

Odkrycie nowego leku kiedyś trwało ponad 10 lat i kosztowało miliardy dolarów. Jednak wraz z pojawieniem się sztucznej inteligencji (AI) proces ten ulega transformacji. Dzięki algorytmom uczącym się na podstawie ogromnych ilości danych, nauka medyczna zdołała przyspieszyć rozwój leków , znaleźć nowe kombinacje związków i zoptymalizować badania kliniczne. Ta cyfrowa rewolucja może na zawsze zmienić sposób, w jaki walczymy z rakiem, rzadkimi chorobami i innymi złożonymi schorzeniami.

Rozwój tradycyjnego leku obejmuje wiele etapów:

• Zidentyfikuj aktywną cząsteczkę , która może wpływać na chorobę
• Przetestuj na modelach komórkowych i zwierzęcych
• Ocena bezpieczeństwa i skuteczności w badaniach klinicznych na ludziach
• Uzyskaj zgodę agencji regulacyjnych, takich jak FDA

Proces ten, oprócz tego, że jest kosztowny i długotrwały, charakteryzuje się wysokim wskaźnikiem niepowodzeń: 9 na 10 leków nigdy nie trafia na rynek . Przyczyny tego stanu rzeczy wahają się od braku skuteczności po nieoczekiwane skutki uboczne.

Sztuczna inteligencja stosowana w medycynie wykorzystuje modele uczenia maszynowego do analizy milionów punktów danych z badań genetycznych, obrazów medycznych, wyników klinicznych i literatury naukowej. Na podstawie tych danych może:

• Przewiduj, jak cząsteczka będzie zachowywać się w organizmie człowieka
• Zaproponuj nowe kombinacje istniejących leków
• Wykrywanie ukrytych wzorców w chorobach
• Optymalizacja projektu badania klinicznego
• Zmniejszenie marginesu błędu w badaniach laboratoryjnych

Zamiast wykonywać tysiące testów manualnych, algorytmy mogą symulować reakcje chemiczne i biologiczne w ciągu kilku sekund, filtrując najlepsze opcje do wdrożenia.

Obietnice sztucznej inteligencji już przynoszą owoce w realnym świecie. Oto kilka godnych uwagi przykładów:

W 2020 roku Exscientia, we współpracy z Sumitomo Dainippon Pharma, opracowała pierwszy lek w całości oparty na sztucznej inteligencji, przeznaczony do leczenia zaburzeń obsesyjno-kompulsyjnych. Od pomysłu do badań klinicznych minęło zaledwie 12 miesięcy , co stanowi rekord w branży.

Podczas pandemii narzędzia sztucznej inteligencji pomogły w ponownym wykorzystaniu istniejących leków , przyspieszając poszukiwania skutecznych terapii. Wykorzystano je również do przewidywania wariantów wirusa i projektowania skuteczniejszych szczepionek.

W 2023 roku naukowcy z MIT, wykorzystując sztuczną inteligencję, opracowali antybiotyk zdolny do eliminacji bakterii opornych na powszechnie stosowane metody leczenia. Model przeanalizował ponad 100 milionów związków w ciągu kilku dni.

Zastosowanie sztucznej inteligencji w odkrywaniu leków przynosi wiele korzyści:

• Skróć czas rozwoju z lat do miesięcy
• Zmniejsza koszty badań poprzez unikanie niepotrzebnych testów
• Poprawia dokładność identyfikacji celu terapeutycznego
• Zwiększa bezpieczeństwo dzięki przewidywaniu możliwych skutków ubocznych
• Promuje medycynę spersonalizowaną , tworząc metody leczenia dostosowane do każdego pacjenta.

Ponadto sztuczna inteligencja może przyspieszyć badania nad chorobami rzadkimi lub zaniedbanymi, na które często brakuje środków.

Choć sztuczna inteligencja oferuje ogromne możliwości, jej zastosowanie w medycynie wiąże się również z pewnymi wyzwaniami:

• Przejrzystość algorytmów : często nie wiadomo, w jaki sposób algorytm dochodzi do określonych wniosków (problem „algorytmu czarnej skrzynki”).
• Prywatność danych medycznych , która musi być rygorystycznie chroniona
• Potrzeba nadzoru ze strony człowieka , ponieważ modele mogą popełniać błędy, jeśli dane wejściowe są niedokładne
• Nierówności w dostępie do technologii , które mogą pogłębić różnice między krajami lub ośrodkami medycznymi

Dlatego też wielu ekspertów zgadza się, że sztuczna inteligencja powinna być narzędziem uzupełniającym pracę lekarza , a nie go zastępującym.

Sztuczna inteligencja zmienia reguły gry w przemyśle farmaceutycznym. Jej zdolność do analizowania dużych ilości danych i znajdowania rozwiązań w rekordowo krótkim czasie może przyspieszyć rozwój terapii chorób, na które obecnie nie ma lekarstwa. Choć przed nami jeszcze długa droga, przyszłość medycyny w coraz większym stopniu wiąże się ze współpracą nauki i technologii .