Hogyan segíti az orvostechnológia a gyógyszerkutatás felgyorsítását?
A továbbiakban többet is megtudhat a mesterséges intelligencia szerepéről a gyógyszerkutatásban és -fejlesztésben, a gyógyszerfejlesztés költségeinek csökkenésében és a betegek életmentő kezelésekkel való gyorsabb ellátásában.
A gyógyszerkutatás és -fejlesztés növekvő költségei
Gyorsan változik az a mód, ahogyan az egészségügyi szakemberek kezelik a betegeket. A személyre szabott orvoslás egyre gyakoribbá válik, amint a kutatók összetett egészségügyi problémákat oldanak meg, és a gyógyszeripar arra törekszik, hogy lerövidítse az életmentő gyógyszerek fejlesztéséhez szükséges időt.
Egy új gyógyszer piaci bevezetése jelenleg rendkívül hosszú és költséges folyamat a gyógyszercégek számára. A Taconic Bioscience szerint egyetlen gyógyszer fejlesztése 2019-ben körülbelül 2,8 milliárd dollárba került, és több mint 12 évet vett igénybe. És mindezek után pedig a jelöltek 90%-a nem kap FDA-jóváhagyást.
A jó hír az, hogy a mesterséges intelligencia (AI) hihetetlen lehetőségeket rejt magában a gyógyszerkutatási és -fejlesztési folyamat felgyorsításához.
Hogyan egyszerűsíti le a mesterséges intelligencia a gyógyszerkutatási folyamatot?
A legtöbb gyógyszer létrehozásának első lépése egy olyan vegyület szintetizálása, amely az adott betegségben érintett célmolekulához – általában egy fehérjéhez – köthető, és modulálja azt. A megfelelő vegyület megtalálásához a kutatók több ezer lehetséges jelöltet vizsgálnak meg. A cél azonosítása után a kutatók hasonló vegyületeket tartalmazó hatalmas tárakat néznek át, hogy megtalálják a betegség fehérjéjével való optimális interakciót.
Jelenleg több mint egy évtizedet és több százmillió dollárt vesz igénybe, hogy idáig eljussanak. A mesterséges intelligenciát és gépi tanulást használó orvostechnológia azonban leegyszerűsítheti a folyamatot, így csökkentheti az új gyógyszerek kiadásához szükséges időt és pénzt. Ezek a technológiák alkalmasak például az alábbiakra:
Molekulatárak összefésülése
Azok a tárak, amelyekben a lehetséges molekulákat keresik, olyan hatalmasak, hogy a kutatók számára szinte lehetetlen feladat, hogy saját maguk vizsgáljanak át mindent. A mesterséges intelligencia viszont gyorsan azonosíthatja a potenciális célvegyületeket a hatalmas adathalmazokban, így több száz órát takaríthat meg a kutatóknak a laborban.
Vegyületek tulajdonságainak előrejelzése
A hagyományos gyógyszerkutatási folyamat időigényes próbaidőszakot és hibát foglal magában. A mesterséges intelligenciával és a gépi tanulással kombinált orvostechnológiai megoldások segíthetnek a folyamat felgyorsításában a lehetséges vegyületek tulajdonságainak előrejelzésével, biztosítva, hogy csak a kívánt termékkel rendelkezők legyenek kiválasztva a szintetizáláshoz. Ez megkíméli a kutatókat attól, hogy olyan vegyületeken dolgozzanak, amelyek nagy valószínűséggel nem hatásosak.
Új vegyületek feltalálása
Ha a keresés kevés ígéretes eredményt ad, a mesterséges intelligenciával még ötleteket is gyűjthet a kívánt paramétereknek megfelelő vadonatúj vegyületekhez, nagyobb esélyük van a sikerre.
Hogyan segíthet a mesterséges intelligencia az új gyógyszerek kutatásában?
Hogyan használják a mesterséges intelligenciát a klinikai kísérletekben?
A Deloitte szerint a klinikai tesztelési fázisba lépő lehetséges gyógyszernek csak 10%-át hagyják jóvá a hatóságok. A gyógyszerkészítési folyamat leghosszabb és legköltségesebb szakasza, a klinikai vizsgálatok az embereken végzett tesztelés több fázisát foglalják magukban, és minden fázis több száz vagy több ezer résztvevőt foglal magában.
A véletlenszerűen ellenőrzött kísérletek hagyományos lineáris folyamata évtizedek óta változatlan, és nem rendelkezik a személyre szabott orvoslási modell eléréséhez szükséges rugalmassággal, sebességgel és elemzési teljesítménnyel. A cégek nehezen találják meg a megfelelő résztvevőket, nem beszélve a toborzásról, a megőrzésről és a hatékony kezelésről. A folyamat nem megfelelő hatékonysága nagy mértékben hozzájárul a gyógyszerkutatás és -fejlesztés növekvő költségeihez, valamint az alacsony jóváhagyási arányokhoz.
A gyógyszercégek a gyógyszerfejlesztés klinikai tesztelési szakaszában használhatnak prediktív mesterségesintelligencia-modelleket, a tervezéstől egészen az adatelemzésig, segítve az alábbiakat:
- A nyilvánosan elérhető tartalmakban keresve azonosíthatja a megfelelő betegeket.
- Valós időben felmérheti a próbawebhely teljesítményét.
- Automatizálhatja a platformok közötti adatmegosztást.
- Megadhatja az adatokat a végleges jelentésekhez.
Az algoritmusok hatékony technológiai infrastruktúrával való összekapcsolása biztosítja, hogy a klinikai adatok folyamatos adatfolyama hatékonyan legyen megtisztítva, összesítve, tárolva és kezelve. A kutatók így jobban megérthetik a gyógyszer biztonságát és hatékonyságát anélkül, hogy manuálisan kellene összeválogatniuk és elemezniük a kísérletek által generált hatalmas adathalmazokat.
A mesterséges intelligenciának a gyógyszerkutatás és -fejlesztés terén való bevezetése előtt álló akadályok
Bár a mesterséges intelligenciát egyre szélesebb körben használják a gyógyszerkutatási folyamat során, a bevezetés továbbra is akadályokba ütközik.
Adatminőség
Számos iparágban az egyik legnagyobb kihívást az jelenti, hogy a kevés adat gyorsan csökkentheti a mesterséges intelligencia és a gépi tanulás hasznosságát. A gyógyszerkutatók számára a gyenge minőségű adatok megbízhatatlanná teszik az orvostechnológiát, és végső soron nem pontosabbak, hasznosabbak és időtakarékosabbak a hagyományos módszereknél.
Félelem
A legtöbb iparágban él egy tévhit, miszerint a technológia végül teljesen felváltja az emberi munkát. Nem kivétel ez alól a gyógyszeripar sem. És bár igaz, hogy a mesterséges intelligenciával gyorsabban elemezhetők a nagy adathalmazok, ez nem helyettesíti a képzett emberi kutatókat és orvosokat.
Szakismeretek hiánya
Az orvostechnológia gyógyszerkutatási folyamatba való bevezetéséhez szükség van bizonyos képességekre. Az adatok tisztán tartásához és a mesterséges intelligencia hatékony használatához a cégeknek olyan dolgozókra van szükségük, akik nem csupán technikai képességekkel rendelkeznek, hanem jártasak a folyamat tudományos oldala, például a gyógyszertervezés, a biológia és a kémia terén is. Ez egy magas elvárás, amelyet a cégeknek nehéz teljesíteniük.
A mesterséges intelligencia jövője az ipari gyógyszerfejlesztésben
A mesterséges intelligencia segít a kutatóknak az innovációban, az orvosoknak a személyre szabott orvoslás követelményeinek való megfelelésben, és a cégeknek az életminőséget javító gyógyszerek piacra juttatásában. Évről évre egyre több partnerség jön létre a gyógyszeripari és a technológiai cégek között, és óriási összegeket fektetnek be az orvostechnológiai és mesterséges intelligenciával foglalkozó kezdő vállalkozásokba.
A nagy gyógyszeripari cégek között létezik adatmegosztás is. A Machine Learning Ledger Orchestration for Drug Discovery, más néven MELLODDY egy konzorcium, amely megkönnyíti az adatok megosztását a több tucat tagja között. A MELLODDY blokkláncalapú rendszert használ, amely lehetővé teszi a cégeknek a jogvédett adatok megosztását a bizalmasság fenntartása mellett. A kutatók a meglévő adatok felhasználásával gyorsíthatják fel a gyógyszerkutatási folyamatukat, és éveket megtakaríthatnak a fejlesztésből.
A kutatás és fejlesztés felgyorsítása
Kövessen minket