I årtier har forskere forsøgt at fremskynde udviklingen af lægemidler. Denne proces blev dog langsommere, mere risikabel og krævede store finansielle investeringer. Fra starten af et udviklingsprogram, til der udstedes en markedsføringstilladelse, går der således 12 til 15 år, og ni ud af ti lægemidler, der gennemgår kliniske forsøg, bliver slet ikke godkendt. Det er overflødigt at sige, at omkostningerne ved at bringe lægemidler på markedet anslås til at koste milliarder af dollars. Farmaceutiske virksomheder kæmper dog for at innovere, herunder avancerede kunstig intelligens (AI)-systemer, der radikalt forkorter trinene op til kliniske forsøg. I øjeblikket tester forskere fra universiteter og førende medicinalvirksomheder, om kunstig intelligens i væsentlig grad kan reducere varigheden af opdagelses- og udviklingsfasen af nye lægemidler. Forventer vi virkelig den forestående fremkomst af en bred vifte af stoffer? Lad os finde ud af det!
Kunstig intelligens kan hjælpe med at fremskynde udviklingen af lægemidler, men kun hvis vi giver den de rigtige data
Indhold
- 1 Neurale netværk, medicin og giftstoffer
- 2 Hvem bruger AI til at udvikle medicin?
- 2.1 Udvikling og kliniske forsøg
- 2.2 Hvordan har AI fremskyndet lægemiddeludviklingsprocessen?
- 3 Verden er på randen af revolution
Neurale netværk, medicin og giftstoffer
For et år siden talte vi om en undersøgelse, hvis resultater aldrig blev offentliggjort i sin helhed – alt sammen på grund af den øgede hemmelighed og risici, som udviklingen af medicinske lægemidler ved hjælp af generativ AI indebærer. Så opdagede forfatterne til et værk offentliggjort i tidsskriftet Nature Machine Intelligence, at AI hurtigt kan skabe både nye lægemidler og biologiske våben.
Ja, ja, du hørte rigtigt – det præsenterede MegaSyn kunstige intelligenssystem, trænet mejetærsker molekyler i kombination, på kun seks timer skabtmere end 40.000 potentielt farlige molekylære forbindelser, hvoraf mange har vist sig at være mere giftige end alle eksisterende nervemidler. Heldigvis eksisterer ingen af de forbindelser, som systemet genererer i virkeligheden, men risiciene er enorme, hvilket betyder, at du er nødt til at gribe problemet klogt an.
Fordi kunstig intelligens kan analysere enorme mængder data på få dage, undersøge komplekse proteinstrukturer og evaluere potentielle målmolekyler, er potentialet for ny lægemiddelopdagelse enormt. Og efterhånden som maskinlæring udvikler sig, vil denne proces accelerere.
Læs endnu flere interessante artikler om de seneste videnskabelige opdagelser inden for medicin og bioteknologi på vores Yandex.Zen-kanal – artikler, der ikke er på webstedet, offentliggøres regelmæssigt der!
Ifølge de fleste forskere er det usandsynligt, at moderne generativ AI vil fremskynde processen med kliniske lægemiddelforsøg, men det kan potentielt hjælpe med at reducere den lange periode, hvor det «biologiske mål, der er ansvarlig for en sygdom« 187; og «screening af molekyler, der kan interagere med det».
Hvem bruger AI til at udvikle lægemidler?
I dag investerer store medicinalvirksomheder i udviklingen af AI-systemer til lægemiddeludvikling. Store teknologivirksomheder, herunder Google, og mange startups gør det samme. Således har virksomheden Isomorphic Labs, der udvikler lægemidler ved hjælp af kunstig intelligens, ifølge Financial Times allerede underskrevet milliarder af dollars i kontrakter med medicinalvirksomheder, der lover en «revolution af den lange udviklingsproces» og «reducere den tid brugt på at søge efter nye lægemidler».
Startups med fokus på kunstig intelligens er allerede dukket op i USA (Recursion and Genesis Therapeutics), Hong Kong (Insilico) og Storbritannien (Relay Therapeutics). Desuden skal store sprogmodeller ifølge Insitro-direktør Daphne Koller ikke længere forklares eller trænes. Et bevis på dette er Nvidia, som har investeret i eller indgået partnerskab med mindst seks forskellige biotekvirksomheder, der har specialiseret sig i kunstig intelligens i løbet af det seneste år.
Dette er interessant: Neurale netværk vil gøre medicin billigere og mere tilgængelig
Interessant nok inkluderer de lægemiddeludviklingsmodeller, som mange virksomheder bruger, en bred vifte af biologiske data, såsom genomsekvensen, billeder af celler og væv, strukturer af relevante proteiner, biomarkører i blodet, proteiner produceret i specifikke celler samt kliniske data om sygdomsforløbet og virkningen af medicin og behandlinger på patienter. Efter træning kan sådanne systemer finjusteres og deres muligheder udvides.
Af særlig interesse er brugen af patientdata. Af indlysende grunde er det ofte umuligt nøjagtigt at bestemme mekanismen for sygdomsudvikling hos mennesker, så lægemiddeludvikling har en tendens til at stole meget på dyremodeller, selvom de kan være vildledende.
Således kan AI, der er trænet i menneskelig biologi og bedre tilpasset det, hjælpe med at undgå nogle af de blindgyde situationer, der hæmmer lægemiddeludvikling, bemærker eksperter.
For eksempel træner Insitro sine modeller til at arbejde med patologiske data, genomsekvenser, MR-data og blodkemiske tests. En af virksomhedens modeller kan koble ændringer i udseendet af en celle under et mikroskop til mutationer, der ligger til grund for genomet, samt kliniske udfald i forskellige sygdomme. Virksomheden håber at bruge disse og lignende metoder til at identificere undergrupper af kræftpatienter, som vil have særlig succes med visse behandlingsforløb. Enig, det lyder godt.
Læs også: Hvad er elektrokemoterapi, og hvor effektivt er det?
Udvikling og kliniske forsøg
Bemærk, at lægemiddeludvikling omfatter en række specifikke stadier. Det starter ofte med at identificere det biologiske mål, der er ansvarligt for sygdommen – DNA, RNA, proteinreceptor eller enzym – og derefter screening for molekyler, der kan interagere med den. Denne fase kaldes «åbning».
Dette resulterer i små molekyler for de fleste lægemidler, hvorefter forskere arbejder på at forbedre deres aktivitet og eliminere eventuelle tilknyttede problemer. Hvis det lykkes, begynder de at udvikle et prøvemolekyle til næste fase – præklinisk testning, som omfatter tests, hvormed videnskabsmænd forstår, hvordan et potentielt lægemiddel transporteres, nedbrydes og elimineres af kroppen.
Den anden fase involverer også kontrol af sikkerhed og dosering. Hvis alt går godt, modtager lægemidlet godkendelse til kliniske forsøg. Alleopdagelses- og prækliniske testfaser tager i gennemsnit seks år. Således fastslår en rapport udgivet af BCG og Wellcome Research Foundation, at kunstig intelligens kan give «besparelser af tid og penge med mindst 25-50 %» under lægemiddeludvikling op til det prækliniske stadium.
Du kan være interesseret: Nøgne muldvarperotter lever længe og bliver næsten ikke syge – et skridt mod at skabe en kur mod aldring er allerede taget
Hvordan har AI fremskyndet processen med lægemiddeludvikling?
Insilico Medicine, en medicinalvirksomhed med hovedkvarter i New York og Hong Kong, meddelte, at den er gået ind i den første fase af kliniske forsøg med et lægemiddel udviklet ved hjælp af kunstig intelligens. Molekylet er rettet mod idiopatisk lungefibrose, en alvorlig sygdom, der forårsager permanent ardannelse i lungerne.
Udviklingen af det nye lægemiddel og dets prækliniske forsøgblev afsluttet på kun 30 måneder. I juni sidste år begyndte virksomheden den anden fase af testning, hvor eksperter studerer i detaljer effektiviteten af det nye lægemiddel. Desuden bruger omkring 20 virksomheder allerede i dag aktivt kunstig intelligens og er gået videre til prækliniske forsøg, og 158 lægemidler er under udvikling.
Disse udtalelser kommer dog fra virksomhederne selv, og indtil uafhængigt verificeret, bør der udvises forsigtighed. I sidste ende skal alle resultater opnået under test og udvikling offentliggøres i peer-reviewede videnskabelige tidsskrifter, som ikke er tilknyttet de relevante virksomheder.
Gå ikke glip af: De mest uhyggelige “stoffer” i menneskehedens historie
Glem ikke andre problemer forbundet med AI-systemer – mange modeller er kendt for at betragte en række lægemiddelkandidatmolekyler for at være effektive baseret på skabelon data indlæst til træning. Og du og jeg har allerede været igennem dette, og vi ved, at den samme ChatGPT-chatbot nogle gange finder på svar. Det betyder, at nogle AI-systemer blot kan foreslå stoffer, der ikke kan fremstilles.
Verden er på randen af revolution
Kunstig intelligenss evne til at generere nye ideer giver brugerne information til at identificere narkotikamål og forudsige adfærden af nye forbindelser. Det bruges også til at finde nye anvendelser for gamle lægemidler, forudsige bivirkninger af nye lægemidler og finde måder at skelne de patienter, der kan blive hjulpet af et lægemiddel, fra dem, der kan blive skadet af det. Men på trods af disse fremskridt mener Dr. Pande fra Andreessen Horowitz, at de seneste fremskridt markererinkrementelle ændringer.
Biomedicinsk forskning, især i biotek og farmaceutiske områder, har støt øget deres afhængighed af automatisering og teknik, selv før nye grundmodeller dukkede op. Nu hvor det er sket, ser de ud til at forstærke hinanden, siger han.
De nye kernemodeller giver dig ikke bare mulighed for at arbejde med store mængder data – de kræver, at de bruges, og stærkt automatiserede laboratorier har brug for arrays af pålidelige data. Kort sagt kan biologi nu ses som et «informationsbehandlingssystem, omend et ekstremt komplekst et». Nogle siger endda, at AI
mestrer «biologiens sprog» og lærer at forstå, hvad evolutionen har ført til direkte baseret på data.
Ved du, hvor farligt forfalskede lægemidler er, og hvordan man genkender dem? Svaret er her!
Således forudsiger nogle forskere fremkomsten af open foundation-modeller, der vil integrere data, der dækker hele spektret – fra genomsekvenser til medicinske historier. På en eller anden måde ser verden ud til at være på randen af en ny industriel revolution, der vil ændre alt. Heldigvis for alle vil denne proces højst sandsynligt være gradvis, og vi bør have det sidste ord.