I decennier har forskare försökt påskynda läkemedelsutvecklingen. Denna process blev dock långsammare, mer riskfylld och krävde stora finansiella investeringar. Det tar alltså 12 till 15 år från starten av ett utvecklingsprogram till det att ett marknadsföringstillstånd utfärdas, och nio av tio läkemedel som genomgår kliniska prövningar får inte godkännande alls. Det behöver inte sägas att kostnaden för att få ut läkemedel på marknaden beräknas kosta miljarder dollar. Läkemedelsföretag kämpar dock för att förnya sig, inklusive avancerade artificiell intelligens (AI) system som radikalt förkortar stegen fram till kliniska prövningar. För närvarande testar forskare från universitet och ledande läkemedelsföretag om AI avsevärt kan minska varaktigheten av upptäckts- och utvecklingsfasen av nya läkemedel. Förväntar vi oss verkligen det förestående uppkomsten av en mängd olika droger? Låt oss ta reda på det!
Drogutvecklare vill påskynda testning och utveckling av nya läkemedel med hjälp av artificiell intelligens (AI). Bild: Economist.com
Artificiell intelligens kan hjälpa till att påskynda läkemedelsutvecklingen, men bara om vi ger den rätt data
Innehåll
- 1 Neurala nätverk, droger och gifter
- 2 Vem använder AI för att utveckla läkemedel?
- 2.1 Utveckling och kliniska prövningar
- 2.2 Hur har AI påskyndat läkemedelsutvecklingsprocessen?
- 3 Världen står på gränsen till revolution
Neurala nätverk, mediciner och gifter
För ett år sedan pratade vi om en studie vars resultat aldrig publicerades i sin helhet – allt på grund av den ökade sekretessen och riskerna som utvecklingen av medicinska läkemedel med hjälp av generativ AI innebär. Sedan upptäckte författarna till ett arbete publicerat i tidskriften Nature Machine Intelligence att AI snabbt kan skapa både nya droger och biologiska vapen.
Ja, ja, du hörde rätt – det presenterade MegaSyn artificiella intelligenssystemet, utbildad skördetröska molekyler i kombination skapade på bara sex timmarmer än 40 000 potentiellt farliga molekylära föreningar, av vilka många har visat sig vara giftigare än alla befintliga nervämnen. Lyckligtvis existerar ingen av de kopplingar som genereras av systemet i verkligheten, men riskerna är enorma, vilket innebär att du måste närma dig frågan på ett klokt sätt.
Artificiell intelligens förändrar tillvägagångssätt och metoder för att skapa och utveckla nya läkemedel. Bild: fastcompany.com
Eftersom artificiell intelligens kan analysera enorma mängder data på några dagar, undersöka komplexa proteinstrukturer och utvärdera potentiella målmolekyler, är potentialen för nya läkemedelsupptäckter enorm. Och allt eftersom maskininlärning utvecklas kommer denna process att accelerera.
Läs ännu fler intressanta artiklar om de senaste vetenskapliga upptäckterna inom medicin och bioteknik på vår Yandex.Zen-kanal – artiklar som inte finns på webbplatsen publiceras regelbundet där!
Enligt de flesta forskare är det osannolikt att modern generativ AI kommer att påskynda processen för kliniska läkemedelsprövningar, men det kan potentiellt bidra till att minska den långa period under vilken det «biologiska målet som är ansvarigt för en sjukdom‹ 187; och «screening av molekyler som kan interagera med det».
Vem använder AI för att utveckla läkemedel?
Idag satsar stora läkemedelsföretag på utveckling av AI-system för läkemedelsutveckling. Stora teknikföretag, inklusive Google, och många nystartade företag gör detsamma. Således, enligt Financial Times, har företaget Isomorphic Labs, som utvecklar läkemedel med hjälp av AI, redan tecknat miljarder dollar i kontrakt med läkemedelsföretag, och lovar en «revolution av den långa utvecklingsprocessen» och «minska tiden för att leta efter nya droger».
Startups fokuserade på artificiell intelligens har redan dykt upp i USA (Recursion and Genesis Therapeutics), Hong Kong (Insilico) och Storbritannien (Relay Therapeutics). Dessutom, enligt Insitro-chefen Daphne Koller, behöver stora språkmodeller inte längre förklaras eller tränas. Ett bevis på detta är Nvidia, som har investerat i eller samarbetat med minst sex olika bioteknikföretag som specialiserat sig på artificiell intelligens under det senaste året.
AI-system genererar ett stort antal molekylära och proteinföreningar. Bild: pharma-mkting.com
Detta är intressant: Neurala nätverk kommer att göra läkemedel billigare och mer tillgängliga
Intressant nog inkluderar de läkemedelsutvecklingsmodeller som många företag använder ett brett utbud av biologiska data, såsom genomsekvensen, bilder av celler och vävnader, strukturer av relevanta proteiner, biomarkörer i blodet, proteiner som produceras i specifika celler, såväl som kliniska uppgifter om sjukdomsförloppet och effekterna av mediciner och behandlingar på patienter. Efter utbildning kan sådana system finjusteras och deras kapacitet utökas.
Av särskilt intresse är användningen av patientdata. Av uppenbara skäl är det ofta omöjligt att exakt bestämma mekanismen för sjukdomsutveckling hos människor, så läkemedelsutveckling tenderar att förlita sig mycket på djurmodeller, även om de kan vara vilseledande.
AI-system har enorm potential. Bild: statnews.com
Således kan AI som är utbildad i mänsklig biologi och bättre anpassad till det hjälpa till att undvika några av de återvändsgränder som hindrar läkemedelsutveckling, konstaterar experter.
Till exempel tränar Insitro sina modeller för att arbeta med patologiska data, genomsekvenser, MRT-data och blodkemiska tester. En av företagets modeller kan koppla förändringar i en cells utseende under ett mikroskop till mutationer som ligger bakom genomet, samt kliniska utfall vid olika sjukdomar. Företaget hoppas kunna använda dessa och liknande metoder för att identifiera undergrupper av cancerpatienter som kommer att vara särskilt framgångsrika med vissa behandlingsförlopp. Håller med, det låter bra.
Läs också: Vad är elektrokemoterapi och hur effektivt är det?
Utveckling och kliniska prövningar
Observera att läkemedelsutveckling inkluderar ett antal specifika stadier. Det börjar ofta med att identifiera det biologiska målet som är ansvarigt för sjukdomen – DNA, RNA, proteinreceptor eller enzym – och sedan screening för molekyler som kan interagera med den. Detta stadium kallas «öppning».
Detta resulterar i små molekyler för de flesta läkemedel, varefter forskare arbetar för att förbättra sin aktivitet och eliminera eventuella problem. Om de lyckas börjar de utveckla en provmolekyl för nästa steg – prekliniska tester, som inkluderar tester med vilka forskare förstår hur ett potentiellt läkemedel transporteras, bryts ner och elimineras av kroppen.
Processen att utveckla och tillverka läkemedel tar minst 6 år. Bild: fastcompany.com
Den andra fasen innebär också kontroll av säkerhet och dosering. Om allt går bra får läkemedlet godkännande för kliniska prövningar. Allaupptäckts- och prekliniska testfaser tar i genomsnitt sex år. Således anger en rapport publicerad av BCG och Wellcome Research Foundation att artificiell intelligens kan ge «besparingar av tid och pengar med minst 25-50 %» under läkemedelsutveckling upp till det prekliniska stadiet.
Du kanske är intresserad: Nakna mullvadsråttor lever länge och blir knappast sjuka – ett steg mot att skapa ett botemedel mot åldrande har redan tagits
Hur har AI påskyndat processen för läkemedelsutveckling?
Insilico Medicine, ett läkemedelsföretag med huvudkontor i New York och Hong Kong, meddelade att man har gått in i den första fasen av kliniska prövningar av ett läkemedel som utvecklats med hjälp av artificiell intelligens. Molekylen riktar sig mot idiopatisk lungfibros, en allvarlig sjukdom som orsakar permanenta ärrbildningar i lungorna.
Utvecklingen av det nya läkemedlet och dess prekliniska prövningarslutfördes på bara 30 månader. I juni förra året påbörjade företaget det andra teststeget, under vilket experter i detalj studerar effektiviteten av det nya läkemedlet. Dessutom använder cirka 20 företag redan idag aktivt AI och har gått vidare till prekliniska prövningar, och 158 läkemedel är under utveckling.
AI-system fungerar utmärkt, men de kan göra misstag. Bild: mediaproxy.salon.com
Dessa uttalanden kommer dock från företagen själva och tills de har verifierats oberoende av varandra bör försiktighet iakttas. I slutändan måste alla resultat som erhålls under testning och utveckling publiceras i peer-reviewed vetenskapliga tidskrifter som inte är knutna till de relevanta företagen.
Missa inte: De läskigaste “drogerna” i mänsklighetens historia
Glöm inte andra problem förknippade med AI-system – många modeller är kända för att betrakta ett antal läkemedelskandidatmolekyler som effektiva baserat på mall data laddas för träning. Och du och jag har redan gått igenom detta och vi vet att samma ChatGPT-chatbot ibland skapar svar. Det betyder att vissa AI-system helt enkelt kan föreslå ämnen som inte kan tillverkas.
Världen står på gränsen till revolution
Förmågan hos artificiell intelligens att generera nya idéer ger användarna information för att identifiera drogmål och förutsäga beteendet hos nya föreningar. Det används också för att hitta nya användningsområden för gamla läkemedel, förutsäga biverkningar av nya läkemedel och hitta sätt att skilja de patienter som kan bli hjälpta av ett läkemedel från de som kan skadas av det. Men trots dessa framsteg anser Dr. Pande från Andreessen Horowitz att de senaste framstegen markerarinkrementella förändringar.
Biomedicinsk forskning, särskilt inom bioteknik- och läkemedelsområden, har stadigt ökat sitt beroende av automation och ingenjörskonst även innan nya grundmodeller dök upp. Nu när det har hänt verkar de förstärka varandra, säger han.
Artificiell intelligens kommer så småningom att behandla sjukdomar som det ännu inte finns något botemedel mot och hjälpa till att ersätta läkemedel med allvarliga biverkningar. Bild: assets-global.website-files.com
De nya kärnmodellerna tillåter dig inte bara att arbeta med stora mängder data – de kräver att de används, och högautomatiserade laboratorier behöver matriser av tillförlitliga data. Kort sagt, biologi kan nu ses som ett «informationsbearbetningssystem, om än ett extremt komplext sådant». Vissa säger till och med att AI
behärskar «biologins språk» och lär sig att förstå vad evolutionen har lett till direkt baserat på data.
Vet du hur farliga förfalskade läkemedel är och hur man känner igen dem? Svaret är här!
Därför förutspår vissa forskare uppkomsten av öppna grundmodeller som kommer att integrera data som täcker hela spektrumet – från genomsekvenser till medicinska historier. På ett eller annat sätt verkar världen vara på gränsen till en ny industriell revolution som kommer att förändra allt. Lyckligtvis för alla kommer denna process med största sannolikhet att ske gradvis och vi bör ha sista ordet.