Σε μια βιντεοκλήση, ο Alex Zhavoronkov κρατά ένα μικρό, πράσινο χάπι σε σχήμα διαμαντιού.
Έχει αναπτυχθεί από την εταιρεία του για τη θεραπεία μιας σπάνιας προοδευτικής πνευμονοπάθειας για την οποία δεν υπάρχει γνωστή αιτία ή θεραπεία.
Το νέο φάρμακο δεν έχει ακόμη εγκριθεί, αλλά σε μικρές κλινικές δοκιμές έχει δείξει εντυπωσιακή αποτελεσματικότητα στη θεραπεία της ιδιοπαθούς πνευμονικής ίνωσης (IPF).
Είναι ένα, από ένα κύμα νέων φαρμάκων που η τεχνητή νοημοσύνη ανακάλυψε.
«Δεν μπορούμε να πούμε ότι έχει εγκριθεί το πρώτο μόριο τεχνητής νοημοσύνης», λέει ο Δρ Zhavoronkov, συνιδρυτής και διευθύνων σύμβουλος της start-up Insilico Medicine με έδρα τις ΗΠΑ. «Αλλά μπορεί να είμαστε κοντά».
Καλώς ήρθατε στον μεγάλο αγώνα φαρμάκων για την τεχνητή νοημοσύνη, όπου πολλές εταιρείες χρησιμοποιούν τη δύναμη της τεχνητής νοημοσύνης για να κάνουν αυτό που παραδοσιακά ήταν η δουλειά των φαρμακοβιομηχανιών.
Αυτή η εξέλιξη περιλαμβάνει τόσο μικρότερες, εξειδικευμένες εταιρείες βιοτεχνολογίας με γνώμονα την τεχνητή νοημοσύνη, οι οποίες εμφανίστηκαν την τελευταία δεκαετία, όσο και μεγαλύτερες φαρμακευτικές εταιρείες που είτε κάνουν οι ίδιες την έρευνα είτε σε συνεργασία με μικρότερες εταιρείες.
Μεταξύ των νεότερων παικτών είναι η Alphabet, η μητρική εταιρεία της Google, η οποία ξεκίνησε την εταιρεία ανακάλυψης φαρμάκων τεχνητής νοημοσύνης Isomorphic Labs με έδρα το Ηνωμένο Βασίλειο, στα τέλη του 2021.
Ο Διευθύνων Σύμβουλος της, Ντέμης Χασάμπης, μοιράστηκε το φετινό Νόμπελ Χημείας για ένα μοντέλο τεχνητής νοημοσύνης που αναμένεται να είναι χρήσιμο για τον σχεδιασμό φαρμάκων με τεχνητή νοημοσύνη.
Η χρήση της τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων θα μπορούσε να κάνει μια «τεράστια διαφορά» για τους ασθενείς, λέει ο Chris Meier, του Boston Consulting Group (BCG).
Η κυκλοφορία ενός νέου φαρμάκου στην αγορά διαρκεί κατά μέσο όρο 10 έως 15 χρόνια και κοστίζει περισσότερα από 2 δισεκατομμύρια δολάρια (1,6 δις £).
Είναι επίσης επικίνδυνο: περίπου το 90% των φαρμάκων που μπαίνουν σε κλινικές δοκιμές αποτυγχάνουν. Η ελπίδα επικεντρώνεται στο γεγονός, ότι η χρήση της τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων θα μπορούσε να μειώσει το χρόνο και το κόστος και να οδηγήσει σε μεγαλύτερη επιτυχία.
Μια νέα εποχή, όπου η τεχνητή νοημοσύνη βρίσκεται στο επίκεντρο της διαδικασίας ανακάλυψης φαρμάκων, αναδύεται, λέει η Charlotte Deane, καθηγήτρια δομικής βιοπληροφορικής στο Πανεπιστήμιο της Οξφόρδης, η οποία αναπτύσσει ελεύθερα διαθέσιμα εργαλεία τεχνητής νοημοσύνης για να βοηθήσει τις φαρμακευτικές εταιρείες να βελτιώσουν την ανακάλυψη φαρμάκων.
«Είμαστε στην αρχή του να κατανοήσουμε, το πόσο καλό μπορεί να είναι αυτό», λέει.
Η πραγματική εξοικονόμηση πόρων θα έρθει αν υπάρξουν λιγότερες αποτυχίες, αλλά αυτό θα σημαίνει την συνεργασία με την τεχνητή νοημοσύνη.
Μια πρόσφατα δημοσιευμένη ανάλυση από το BCG διαπίστωσε ότι τουλάχιστον 75 “μόρια που ανακαλύφθηκαν από την AI” έχουν εισέλθει σε κλινικές δοκιμές με πολύ περισσότερα αναμενόμενα.
«Το ότι τώρα υποβάλλονται τακτικά σε κλινικές δοκιμές είναι ένα σημαντικό ορόσημο», λέει ο Δρ Meier. Το επόμενο – και «ακόμα μεγαλύτερο ορόσημο» – θα είναι όταν αρχίσουν να βγαίνουν στην κυκλοφορία.
Ωστόσο, ο καθηγητής Deane σημειώνει ότι δεν υπάρχει ακόμη ορισμός για το τι ακριβώς μετράει ως φάρμακο «σαν αποτέλεσμα τεχνητής νοημοσύνης» και, σε όλα τα παραδείγματα μέχρι σήμερα, εξακολουθεί να υπάρχει μεγάλη ανθρώπινη συμμετοχή.
Υπάρχουν δύο στάδια στη διαδικασία ανακάλυψης φαρμάκων όπου η τεχνητή νοημοσύνη αναπτύσσεται σε μεγάλο βαθμό, εξηγεί ο Dr Meier.
Το πρώτο είναι στον εντοπισμό, σε μοριακό επίπεδο, του θεραπευτικού στόχου που προορίζεται να διορθώσει το φάρμακο. Ενώ παραδοσιακά οι επιστήμονες δοκιμάζουν τους πιθανούς στόχους στο εργαστήριο πειραματικά, με βάση το τι κατανοούν για μια ασθένεια, η τεχνητή νοημοσύνη μπορεί να εκπαιδευτεί στην εξόρυξη μεγάλων βάσεων δεδομένων για να κάνει συνδέσεις μεταξύ της υποκείμενης μοριακής βιολογίας και της νόσου και να κάνει προτάσεις.
Το δεύτερο, και πιο συνηθισμένο, είναι ο σχεδιασμός του φαρμάκου για τη διόρθωση του στόχου. Αυτό χρησιμοποιεί γενετική τεχνητή νοημοσύνη, επίσης τη βάση του ChatGPT, για να φανταστεί μόρια που θα μπορούσαν να συνδεθούν με τον στόχο και να λειτουργήσουν, αντικαθιστώντας την ακριβή χειροκίνητη διαδικασία των χημικών που συνθέτουν πολλές εκατοντάδες παραλλαγές του ίδιου μορίου και προσπαθούν να βρουν τη βέλτιστη.
Περισσότερα για την τεχνητή νοημοσύνη και την ιατρική
Η Insilico Medicine, που ιδρύθηκε το 2014 και έχει λάβει περισσότερα από 425 εκατομμύρια δολάρια σε χρηματοδότηση, χρησιμοποίησε την τεχνητή νοημοσύνη και για τα δύο βήματα, καθώς και για να προβλέψει την πιθανότητα επιτυχίας σε κλινικές δοκιμές, τις οποίες στη συνέχεια ανατροφοδοτεί στο έργο της για την ανακάλυψη φαρμάκων.
Επί του παρόντος, η εταιρεία διαθέτει έξι μόρια σε κλινικές δοκιμές, συμπεριλαμβανομένης της θεραπείας της IPF για την οποία σχεδιάζεται η επόμενη φάση δοκιμών.
Επιπλέον, τέσσερα μόρια έχουν καθαριστεί για να εισέλθουν σε δοκιμές, και σχεδόν άλλα 30 δείχνουν πολλά υποσχόμενα. Όλα έχουν «ανακαλυφθεί από την αρχή χρησιμοποιώντας γενετική τεχνητή νοημοσύνη», λέει ο Δρ Zhavoronkov.
Το νέο μόριο για τη θεραπεία του IPF σχεδιάστηκε από το γενετικό λογισμικό AI της εταιρείας, αφού του δόθηκε ο στόχος να αναστέλλει μια πρωτεΐνη που ονομάζεται TNIK, η οποία δεν έχει στοχοποιηθεί ποτέ στο παρελθόν για τη θεραπεία της IPF, αλλά προτάθηκε από ένα άλλο σετ λογισμικού AI της εταιρείας ως πιθανότατα ρυθμιστής της νόσου.
Στη συνέχεια συντέθηκαν και δοκιμάστηκαν οι δυνατότητες που προτείνονται από το σύστημα.
Χρειάστηκαν 18 μήνες και χρειάστηκε σύνθεση και δοκιμή 79 μορίων, όπου συνήθως αναμενόταν να χρειαστούν περίπου τέσσερα χρόνια και τουλάχιστον η σύνθεση 500.
Η έλλειψη δεδομένων από τα οποία μπορεί να μάθει η τεχνητή νοημοσύνη παραμένει η μεγαλύτερη πρόκληση για τον τομέα γενικά, λένε οι ειδικοί.
Αυτό περιορίζει τόσο την αναγνώριση στόχων όσο και το σχεδιασμό μορίων και μπορεί ενδεχομένως να εισάγει προκαταλήψεις.
Η Recursion Pharmaceuticals με έδρα τις ΗΠΑ λέει ότι η προσέγγισή της μετριάζει τα προβλήματα των περιορισμένων δεδομένων. Μέσω αυτοματοποιημένων πειραμάτων, παράγει τεράστιες ποσότητες δεδομένων που σχετίζονται με ολόκληρη τη συλλογή μορίων που συνθέτει το ανθρώπινο σώμα. Στη συνέχεια εκπαιδεύει εργαλεία τεχνητής νοημοσύνης για να κατανοούν αυτά τα δεδομένα και να βρίσκουν απροσδόκητες σχέσεις.
Για να γίνει αυτό, πέρυσι εγκατέστησε αυτό που λέει ότι είναι ο ταχύτερος υπερυπολογιστής που ανήκει και λειτουργεί από οποιαδήποτε φαρμακευτική εταιρεία.
Ένα μόριο που αναπτύχθηκε από την εταιρεία για τη θεραπεία τόσο του λεμφώματος όσο και των συμπαγών όγκων δοκιμάζεται τώρα σε ασθενείς με καρκίνο σε κλινικές δοκιμές πρώιμου σταδίου.
Αναπτύχθηκε αφότου η τεχνητή νοημοσύνη εντόπισε έναν νέο τρόπο στόχευσης ενός γονιδίου που πιστεύεται ότι είναι σημαντικό για την οδήγηση αυτών των καρκίνων, αλλά το οποίο κανείς δεν είχε προηγουμένως βρει.
Ο συνιδρυτής και διευθύνων σύμβουλος του Recursion, Chris Gibson, λέει ότι αυτό που έχει μεγαλύτερη σημασία στον τομέα είναι κάτι που ούτε η Recursion ούτε κανένας άλλος έχει ανακαλύψει ακόμη : ότι αυτά τα μόρια που ανακαλύφθηκαν από την τεχνητή νοημοσύνη μπορούν να τα καταφέρουν μέσω κλινικών δοκιμών και ότι, με την πάροδο του χρόνου, παρέχουν αυξημένη πιθανότητα επιτυχία έναντι των παραδοσιακών μεθόδων.
Πηγή: www.bbc.com