Jak branża technologii medycznych pomaga przyspieszać odkrywanie nowych leków
Czytaj dalej, aby dowiedzieć się więcej o roli sztucznej inteligencji w odkrywaniu i opracowywaniu leków oraz o tym, jak pomaga obniżyć koszty opracowywania leków i szybciej zapewniać pacjentom leczenie ratujące życie.
Rosnące koszty odkrywania i opracowywania leków
Sposób leczenia pacjentów przez pracowników opieki zdrowotnej gwałtownie się zmienia. Ponieważ badaczom udaje się przezwyciężyć złożone problemy związane ze zdrowiem, a branża farmaceutyczna stara się skracać czas potrzebny do opracowania leków ratujących życie, coraz powszechniejsza staje się medycyna precyzyjna.
Obecnie wprowadzenie nowego leku na rynek jest dla firm farmaceutycznych ekstremalnie długim i drogim procesem. Zgodnie z Taconic Bioscience, opracowanie tylko jednego leku w 2019 roku kosztowało 2,8 mld USD i zajęło 12 lat. A po tym wszystkim 90% kandydatów nie uzyskuje zatwierdzenia agencji FDA.
Na szczęście w sztucznej inteligencji drzemie olbrzymi potencjał do przyspieszania procesu odkrywania i opracowywania leków.
Jak sztuczna inteligencja upraszcza proces odkrywania leków
Przy tworzeniu większości leków pierwszym krokiem jest synteza związku, który potrafi wiązać się z docelową molekułą powiązaną z chorobą — zwykle białkiem — i na nią wpływać. Aby znaleźć właściwy związek, badacze sprawdzają tysiące potencjalnych kandydatów. Gdy związek uda się zidentyfikować, badacze przeczesują olbrzymie biblioteki zbliżonych związków, aby znaleźć optymalną interakcję z białkiem choroby.
Aby obecnie dotrzeć do tego miejsca, potrzeba ponad dekady i setek milionów dolarów. Jednak technologie medyczne stosujące sztuczną inteligencję i uczenie maszynowe potrafią uprościć cały proces, skracając czas i obniżając koszty, których firmy farmaceutyczne potrzebują do wypuszczania nowych leków. Możliwości takich technologii to na przykład:
Przeczesywanie bibliotek molekuł
Biblioteki przeszukiwane pod kątem pasujących molekuł są tak olbrzymie, że jest niemalże niemożliwe, aby badacze przeglądali wszystko samodzielnie. Natomiast sztuczna inteligencja potrafi szybko zidentyfikować potencjalne docelowe związki w olbrzymich zbiorach danych, oszczędzając badaczom setek godzin pracy w laboratorium.
Przewidywanie właściwości związków
Tradycyjny proces odkrywania leku obejmuje czasochłonne badania metodą prób i błędów. Rozwiązania z dziedziny technologii medycznych w połączeniu ze sztuczną inteligencją i uczeniem maszynowym mogą pomóc w przyspieszeniu tego procesu, przewidując właściwości potencjalnych związków i zapewniając, że tylko te o pożądanym składzie zostaną wybrane do syntezy. Dzięki temu badacze nie muszą pracować nad związkami, które prawdopodobnie nie będą skuteczne.
Wynajdywanie nowych związków
Gdy w wyniku przeczesywania uda się znaleźć niewiele obiecujących wyników, sztuczna inteligencja może nawet przeprowadzić rodzaj burzy mózgów w poszukiwaniu pomysłu na zupełnie nowe związki, które mają żądane parametry i wyższe prawdopodobieństwo skuteczności.
Jak sztuczna inteligencja może wspomagać odkrywanie nowych leków?
Jak jest wykorzystywana sztuczna inteligencja podczas badań klinicznych?
Zgodnie z Deloitte, jedynie 10% kandydatów na leki trafiających do etapu badań klinicznych jest zatwierdzanych przez organy regulacyjne. Badania kliniczne są najdłuższym i najdroższym etapem w procesie tworzenia leku. Obejmują wiele faz badań na ludziach, a w każdej fazie biorą udział setki lub tysiące osób.
Tradycyjny liniowy proces randomizowanych badań klinicznych nie zmienił się od dekad. Brak w nim elastyczności, szybkości i mocy analitycznych niezbędnych do rozwoju modelu medycyny precyzyjnej. Firmy mają problemy ze znajdowaniem właściwych chętnych do badań, nie wspominając już o ich rekrutacji i utrzymaniu oraz efektywnym zarządzaniu. Brak efektywności procesu znacznie przyczynia się do wzrostu kosztów odkrywania i opracowywania leków (obok niskiego wskaźnika akceptacji).
Firmy farmaceutyczne mogą przy opracowywaniu leku używać modeli predykcyjnych sztucznej inteligencji podczas całego etapu badań klinicznych, od projektowania aż po analizę danych. W ten sposób uzyskują pomoc w:
- Identyfikowaniu kwalifikujących się pacjentów przez przeszukiwanie publicznie dostępnych danych.
- Ocenie wyników ośrodka badań w czasie rzeczywistym.
- Automatyzowaniu udostępniania danych na różnych platformach.
- Udostępnianiu danych do raportów końcowych.
Sprzęgnięcie algorytmów z wydajną infrastrukturą techniczną gwarantuje, że ciągły strumień danych klinicznych jest oczyszczany, agregowany, zapisywany i skutecznie zarządzany. Dzięki temu badacze mogą lepiej zrozumieć bezpieczeństwo i skuteczność leku bez konieczności ręcznego zestawiania i analizowania olbrzymich zbiorów danych będących wynikiem badań.
Bariery we wdrażaniu sztucznej inteligencji do odkrywania i opracowywania leków
Chociaż stosowanie sztucznej inteligencji w procesie odkrywania leków jest coraz powszechniejsze, ciągle istnieją bariery utrudniające jej przyjęcie.
Jakość danych
Częstym problemem w wielu branżach jest to, że kiepskie dane szybko ograniczają przydatność sztucznej inteligencji i uczenia maszynowego. W przypadku badaczy zajmujących się lekami niskiej jakości dane czynią technologie medyczne niewiarygodnymi i, ostatecznie, nie bardziej dokładnymi, pomocnymi czy oszczędzającymi czas niż tradycyjne metody.
Obawy
W większości branż pokutuje błędne przekonanie, jakoby technologia miała ostatecznie całkowicie wyprzeć ludzi z ich miejsc pracy. Przemysł farmaceutyczny nie jest wyjątkiem. I chociaż faktycznie sztuczna inteligencja potrafi szybciej analizować duże zbiory danych, nie zastąpi wykwalifikowanych badaczy i lekarzy.
Niedobór umiejętności
Wdrażanie technologii medycznych w procesie odkrywania leków wymaga niszowego zestawu umiejętności. Aby dane pozostały czyste, a sztuczna inteligencja skuteczna, firmy potrzebują pracowników nie tylko o umiejętnościach technicznych, ale także rozumiejących naukową stronę procesu, np. projektowanie leków, biologię i chemię. Ze spełnieniem tego warunku firmy mają spore kłopoty.
Przyszłość sztucznej inteligencji w opracowywaniu leków
Sztuczna inteligencja pomaga badaczom wprowadzać innowacje, lekarzom spełniać wymagania medycyny precyzyjnej, a firmom wprowadzać na rynek leki zmieniające życie. Co roku nawiązywanych jest coraz więcej partnerstw między firmami farmaceutycznymi i technologicznymi oraz inwestowane są ogromne środki w startupy zajmujące się technologiami medycznymi i sztuczną inteligencją.
Widzimy nawet, że duże firmy farmaceutyczne dzielą się ze sobą danymi. Machine Learning Ledger Orchestration for Drug Discovery, w skrócie MELLODDY, to konsorcjum ułatwiające współdzielenie danych między dziesiątkami członków. MELLODDY stosuje system oparty na łańcuchu bloków, który pozwala firmom udostępniać autorskie dane z zachowaniem poufności. Badacze mogą wykorzystywać istniejące dane, aby szybciej rozpoczynać swój proces odkrywania leków i skrócić czas opracowywania o całe lata.
Przyspieszanie badań i rozwoju
Obserwuj nas