Jau dešimtmečius mokslininkai stengiasi paspartinti vaistų kūrimą. Tačiau šis procesas tapo lėtesnis, rizikingesnis ir brangesnis. Tačiau farmacijos bendrovės stengiasi diegti naujoves, įskaitant pažangias dirbtinio intelekto sistemas, kurios iš esmės sutrumpina etapus iki klinikinių tyrimų.
Jau dešimtmečius mokslininkai stengiasi paspartinti vaistų kūrimą. Tačiau šis procesas tapo lėtesnis, rizikingesnis ir brangesnis. Pavyzdžiui, nuo kūrimo programos pradžios iki leidimo prekiauti vaistu išdavimo praeina 12-15 metų, o devyni iš dešimties klinikinius tyrimus atliekančių vaistų niekada nepatvirtinami. Verta paminėti vaistų pateikimo rinkai išlaidas – remiantis skaičiavimais, ši procedūra kainuoja milijardus dolerių.
Asociatyvi DI sugeneruota „Pixabay“ nuotr.
Tačiau farmacijos bendrovės stengiasi diegti naujoves, įskaitant pažangias dirbtinio intelekto (DI) sistemas, kurios iš esmės sutrumpina etapus iki klinikinių tyrimų.
Šiuo metu universitetų ir pirmaujančių farmacijos bendrovių mokslininkai tikrina, ar dirbtinis intelektas gali gerokai sutrumpinti naujų vaistų atradimo ir kūrimo etapą. Ar netrukus galime sulaukti įvairių vaistų?
Dirbtinis intelektas išranda naujus vaistus
„MegaSyn“, dirbtinio intelekto sistema, apmokyta jungti molekules į kombinacijas, vos per šešias valandas sukūrė daugiau kaip 40 000 potencialiai pavojingų molekulinių junginių, kurių daugelis buvo toksiškesni už visas esamas nervus paralyžiuojančias medžiagas.
Laimei, nė vienas iš sistemos sukurtų junginių iš tikrųjų neegzistuoja, tačiau pavojus yra didžiulis, o tai reiškia, kad šį klausimą reikia spręsti išmintingai.
Kadangi dirbtinis intelektas gali per kelias dienas išanalizuoti didžiulius duomenų rinkinius, ištirti sudėtingas baltymų struktūras ir įvertinti galimus molekulių „taikinius“, vaistų atradimo galimybės yra milžiniškos. O tobulėjant mašininiam mokymuisi šis procesas spartės.
Šiandien didelės farmacijos bendrovės investuoja į dirbtinio intelekto sistemų, skirtų vaistų atradimui, kūrimą. Tą patį daro ir didelės technologijų įmonės, įskaitant „Google“, ir daugelis pradedančiųjų įmonių.
Pavyzdžiui, kaip rašo „Financial Times“, „Isomorphic Labs“, dirbtiniu intelektu paremta vaistų kūrimo bendrovė, jau pasirašė milijardines sutartis su farmacijos bendrovėmis, žadėdama „iš esmės pakeisti ilgą kūrimo procesą“ ir „sutrumpinti naujų vaistų paieškos laiką“.
Į dirbtinį intelektą orientuotų startuolių jau atsirado JAV („Recursion“ ir „Genesis Therapeutics“), Honkonge („Insilico“) ir Jungtinėje Karalystėje („Relay Therapeutics“).
Įdomu tai, kad į daugelio įmonių naudojamus vaistų kūrimo modelius įtraukiami įvairūs biologiniai duomenys, pavyzdžiui, genomo seka, ląstelių ir audinių vaizdai, atitinkamų baltymų struktūros, kraujyje esantys biomarkeriai, konkrečiose ląstelėse gaminami baltymai, taip pat klinikiniai duomenys apie ligos eigą ir vaistų bei gydymo poveikį pacientams.
Apmokytos tokios sistemos gali būti tikslinamos ir jų galimybės plečiamos.
Klinikiniai tyrimai atrandant naujus vaistus
Vaistų kūrimas apima keletą konkrečių etapų. Dažnai pradedama nuo biologinio taikinio, sukeliančio ligą, nustatymo – nesvarbu, ar tai būtų DNR, RNR, baltymo receptorius, ar fermentas, – ir tada atrenkamos molekulės, galinčios su juo sąveikauti. Šis etapas vadinamas „atradimu“. Taip gaunamos mažos daugumos vaistų molekulės, po to mokslininkai stengiasi pagerinti jų aktyvumą ir išspręsti visas susijusias problemas.
Jei jiems tai pavyksta, jie pradeda kurti molekulės pavyzdį kitam etapui – ikiklinikiniams bandymams, kurie apima tyrimus, kuriuos mokslininkai naudoja norėdami suprasti, kaip potencialus vaistas pernešamas, skaidomas ir išskiriamas iš organizmo.
Niujorke ir Honkonge įsikūrusi farmacijos bendrovė „Insilico Medicine“ paskelbė, kad pradėjo I fazės klinikinius vaisto, sukurto naudojant dirbtinį intelektą, bandymus. Molekulė skirta idiopatinei plaučių fibrozei – sunkiai ligai, dėl kurios plaučiuose susidaro nepagydomi randai. Naujojo vaisto kūrimas ir jo ikiklinikiniai tyrimai buvo baigti vos per 30 mėnesių. Praėjusių metų birželį bendrovė pradėjo antrąjį bandymų etapą, kurio metu ekspertai išsamiai tiria naujojo vaisto veiksmingumą.
Be to, šiandien apie 20 įmonių jau aktyviai naudoja dirbtinį intelektą ir yra perėjusios prie ikiklinikinių tyrimų, o 158 vaistai yra kuriami. Tačiau šiuos teiginius pateikia pačios bendrovės, todėl, kol jie nėra nepriklausomai patikrinti, reikėtų būti atsargiems.
Galiausiai visi bandymų ir kūrimo metu gauti rezultatai turėtų būti skelbiami recenzuojamuose moksliniuose žurnaluose, nesusijusiuose su atitinkamomis bendrovėmis.
Dirbtinio intelekto gebėjimas generuoti naujas idėjas suteikia naudotojams informacijos, leidžiančios nustatyti vaistų taikinius ir numatyti naujų junginių elgseną.
Jis taip pat naudojamas ieškant naujų vaistų panaudojimo būdų, numatant naujų vaistų šalutinį poveikį ir ieškant būdų atskirti pacientus, kuriems vaistas gali padėti, nuo tų, kuriems jis gali pakenkti.
Nauji pagrindiniai modeliai ne tik leidžia apdoroti didelius duomenų rinkinius – jie jų reikalauja, o itin automatizuotoms laboratorijoms reikia didelių patikimų duomenų kiekių.
Trumpai tariant, biologiją dabar galima laikyti „informacijos apdorojimo sistema, nors ir labai sudėtinga“. Kai kas netgi teigė, kad dirbtinis intelektas įsisavina „biologijos kalbą“ ir mokosi suprasti, kur evoliucija nuvedė, tiesiogiai iš duomenų.
