Kā medicīnas tehnoloģijas palīdz paātrināt zāļu atklāšanu
Turpiniet lasīt, lai uzzinātu vairāk par mākslīgo intelektu zāļu atklāšanā un izstrādē un to, kā tas palīdz samazināt zāļu izstrādes izmaksas un ļauj dzīvības glābšanas līdzekļiem ātrāk nonākt pie pacientiem.
Pieaugošās zāļu atklāšanas un izstrādes izmaksas
Veids, kā veselības aprūpes speciālisti rūpējas par pacientiem, strauji mainās. Precīzā medicīna kļūst arvien plašāk izplatīta, pētniekiem risinot sarežģītas veselības problēmas un farmācijas uzņēmumiem cenšoties samazināt laiku, kas nepieciešams, lai izstrādātu zāles dzīvību glābšanai.
Pašlaik jaunu zāļu ienākšana tirgū farmācijas uzņēmumiem ir ļoti garš un dārgs process. Saskaņā ar Taconic Bioscience vienu zāļu izstrādei 2019. gadā bija nepieciešami aptuveni 2,8 miljardi ASV dolāru un vairāk nekā 12 gadi. Turklāt pēc visa tā 90% kandidātu neizdodas iegūt FDA apstiprinājumu.
Labās ziņas ir tās, ka mākslīgajam intelektam (artificial intelligence — AI) ir neticams potenciāls, lai paātrinātu zāļu atklāšanas un izstrādes procesu.
Kā AI racionalizē zāļu atklāšanas procesu
Pirmais solis, veidojot vairākumu zāļu, ir tāda savienojuma sintezēšana, kas spēj piesaistīt un modulēt slimībā iesaistīto mērķa molekulu, kas parasti ir proteīns. Lai atrastu pareizos savienojumu, pētnieki pārskata tūkstošiem iespējamo kandidātu. Tiklīdz mērķis ir identificēts, pētnieki pārskata apjomīgas līdzīgu savienojumu bibliotēkas, lai atrastu optimālu mijiedarbību ar slimības proteīnu.
Šobrīd, lai nonāktu līdz šādam punktam, ir nepieciešami vairāk nekā desmit gadi un simtiem miljoni dolāru. Bet medicīnas tehnoloģijas uzņēmums, kas izmanto mākslīgo intelektu un mašīnmācīšanos (machine learning — ML), var racionalizēt šo procesu, samazinot jaunu zāļu izlaišanai nepieciešamo laiku un naudu. Piemēram, šīs tehnoloģijas var:
Pārķemmēt molekulu bibliotēkas
Bibliotēkas, kas tiek pārskatītas saistībā ar molekulu kandidātiem, ir tik lielas, ka cilvēkiem-pētniekiem ir gandrīz neiespējami visu pārskatīt pašiem. Savukārt, AI var ātri identificēt iespējamos mērķa savienojumus milzīgās datu kopās, ietaupot pētniekiem simtiem laboratorijā pavadāmu stundu.
Savienojuma īpašību paredzēšana
Tradicionālajā zāļu atklāšanas procesā ir iesaistīta laikietilpīga izmēģinājumu un kļūdu metode. Medicīnas tehnoloģiju risinājumi apvienojumā ar AI un ML var palīdzēt paātrināt šo procesu, prognozējot potenciālo savienojumu īpašības, nodrošinot, ka sintēzei tiek izvēlēti tikai tie savienojumi, kam ir vajadzīgais raksturs. Tas pētniekus atbrīvo no darba ar savienojumiem, kas, visticamāk, nav efektīvi.
Jaunu savienojumu izgudrošana
Veicot skrīningu, tiek iegūts maz daudzsološu rezultātu, AI var pat meklēt idejas pilnīgi jauniem savienojumiem, kas atbilst vēlamajiem parametriem un kam ir lielāka panākumu iespēja.
Kā AI var palīdzēt jaunu zāļu atklāšanā?
Kā AI tiek izmantots klīniskajos izmēģinājumos?
Saskaņā ar Deloitte tikai 10% zāļu kandidātus, kas nonāk klīnisko izmēģinājumu posmā, apstiprina regulējošās iestādes. Zāļu izveides procesa visgarākais un visdārgākais posms, klīniskie izmēģinājumi, ietver vairākas cilvēku testēšanas fāzes, un katrā fāzē ir iesaistīti simtiem vai tūkstošiem dalībnieku.
Tradicionālais lineārais nejaušinātu kontrolēto pētījumu (randomized controlled trial — RCT) process nav mainījies desmitgadēm ilgi, un tam nav elastīguma, ātruma un analītiskās jaudas, kas nepieciešama precīzās medicīnas modeļa zelšanai. Uzņēmumiem ir grūtības atrast pareizos dalībniekus, nemaz nerunājot par to darbā pieņemšanu, saglabāšanu un efektīvu pārvaldību. Procesa neefektivitāte ievērojami palielina zāļu atklāšanas un izstrādes izmaksas, kā arī sekmē zemos apstiprināšanas rādītājus.
Farmācijas uzņēmumi var izmantot prognozējošos AI modeļus visā zāļu izstrādes klīnisko izmēģinājuma posmā, no plānošanas līdz pat datu analīzei, kas palīdz:
- Identificēt piemērotus pacientus, veicot publiski pieejamā satura datizraci.
- Novērtēt izmēģinājumu vietas veiktspēju reāllaikā.
- Automatizējot datu koplietošanu dažādās platformās.
- Sniedzot datus gala atskaitēm.
Algoritmu apvienošana ar efektīvu tehnoloģiju infrastruktūru nodrošina, ka konstantā klīnisko datu straume tiek efektīvi tīrīta, apkopota, uzglabāta un pārvaldīta. Tādējādi pētnieki var labāk izprast zāļu drošību un efektivitāti bez nepieciešamības manuāli apkopot un analizēt apjomīgās datu kopas, kas ģenerētas izmēģinājumu laikā.
AI apgūšanas barjeras zāļu atklāšanas un izstrādes jomā
Lai gan AI lietošana zāļu atklāšanas procesā kļūst aizvien izplatītāka, joprojām pastāv apgūšanas barjeras.
Datu kvalitāte
Bieži citēts izaicinājums daudzās nozarēs ir tas, ka slikta datu kvalitāte var ātri mazināt mākslīgā intelekta un mašīnmācīšanās noderīgumu. Zāļu pētniekiem zemas kvalitātes dati padara medicīnas tehnoloģijas par neuzticamām un galu galā neprecīzām, nenoderīgām vai laiku netaupošām, salīdzinot par tradicionālajām metodēm.
Bažas
Vairākumā nozaru ir nepareiza izpratne par to, ka tehnoloģijas ar laiku pilnībā aizstās darbiniekus. Farmācijas nozare nav izņēmums. Lai gan tas ir patiesi, ka AI var ātrāk analizēt lielas datu kopas, tas neaizstās prasmīgus pētniekus un ārstus.
Prasmju trūkums
Medicīnas tehnoloģiju ieviešanai zāļu atklāšanas procesā ir nepieciešamas jaunas prasmes. Lai datus uzturētu tīrus un AI uzturētu efektīvu, ir nepieciešami darbinieki ne tikai ar tehniskām prasmēm, bet arī izpratni par procesa zinātnisko pusi, piemēram, zāļu izstrādi, bioloģiju un ķīmiju. Tas ir garš prasību saraksts, kas uzņēmumiem ir grūti izpildāms.
AI nākotne farmācijas zāļu izstrādē
AI palīdz pētniekiem ieviest jauninājumus, ārstiem panākt precizitātes medicīnas prasību atbilstību un uzņēmumiem tirgū ieviest dzīvi mainošas zāles. Katru gadu tiek veidotas arvien jaunas farmācijas un tehnoloģiju uzņēmumu partnerības, kā arī veiktas milzīgas investīcijas medicīnas tehnoloģiju un AI jaunizveidotajos uzņēmumos.
Mēs pat redzam datu koplietošanu starp lieliem farmācijas uzņēmumiem. The Machine Learning Ledger Orchestration for Drug Discovery, jeb MELLODDY ir konsorcijs, kas sekmē datu koplietošanu starp desmitiem tā dalībnieku. MELLODDY izmanto blokķēdes sistēma, kas uzņēmumiem ļauj koplietot datus, uz ko attiecas īpašumtiesības, vienlaikus saglabājot konfidencialitāti. Pētnieki var izmantot esošos datus, lai ātri uzsāktu zāļu atklāšanas procesu un ietaupītu vairākus izstrādei veltāmos gadus.
Paātriniet savu izpēti un izstrādi
Sekojiet mums