Ako medicínsko-technologické spoločnosti pomáhajú urýchľovať objavovanie liekov
Čítajte ďalej a získajte ďalšie informácie o používaní umelej inteligencie pri objavovaní a vývoji liekov a o tom, ako pomáha znižovať náklady na vývoj liekov a pacientom rýchlejšie zabezpečovať život zachraňujúcu liečbu.
Rastúce náklady na objavovanie a vývoj liekov
Spôsob, akým sa zdravotnícki pracovníci starajú o pacientov, sa rýchlo mení. Presné medicínske postupy sú čoraz bežnejšie, pretože výskumní pracovníci riešia komplexné zdravotné problémy a farmaceutické spoločnosti sa snažia skrátiť čas potrebný na vývoj životne dôležitých liekov.
V súčasnosti je pre farmaceutické spoločnosti uvádzanie nového lieku na trh mimoriadne dlhým a nákladným procesom. Podľa spoločnosti Taconic Bioscience bolo v roku 2019 na vývoj jedného lieku potrebných približne 2,8 miliardy dolárov a viac ako 12 rokov. A po tom všetkom sa 90 % kandidátov nepodarí získať schválenie od amerických kontrolných úradov.
Dobrou správou je, že umelá inteligencia (AI) má neuveriteľný potenciál urýchliť proces objavovania a vývoja liekov.
Ako umelá inteligencia zjednodušuje proces objavovania liekov
Prvým krokom pri vytváraní väčšiny liekov je syntéza zlúčeniny, ktorá sa môže naviazať na cieľovú molekulu a pozmeniť ju – zvyčajne ide o proteín, ktorý je súčasťou ochorenia. Ak chcú výskumní pracovníci nájsť tú správnu zlúčeninu, musia preskúmať tisíce potenciálnych kandidátov. Po identifikovaní cieľa výskumní pracovníci prehľadajú obrovské knižnice podobných zlúčenín, aby našli optimálnu interakciu s proteínom ochorenia.
Momentálne si dosiahnutie tohto bodu vyžaduje viac ako desať rokov a stovky miliónov dolárov. Avšak medicínsko-technologické spoločnosti, ktoré používajú umelú inteligenciu a strojové učenie, môžu proces zjednodušiť skrátením času a znížením objemu peňazí potrebných na vydanie nových liekov na trh. Čo dokážu tieto technológie:
Prehľadávať knižnice s molekulami
Knižnice prehľadávané na prítomnosť molekulárnych kandidátov sú také obrovské, že je takmer nemožné, aby výskumní pracovníci dokázali všetko skontrolovali sami. Na druhej strane umelá inteligencia dokáže rýchlo identifikovať potenciálne cieľové zlúčeniny v obrovských množinách údajov a výskumným pracovníkom v laboratóriu šetrí stovky hodín.
Predpovedať vlastnosti zlúčenín
Tradičný proces objavovania liekov zahŕňa časovo náročnú metódu pokusov a omylov. Riešenia medicínsko-technologických spoločností v kombinácii s umelou inteligenciou a strojovým učením môžu pomôcť urýchliť proces predpovedaním vlastností potenciálnych zlúčenín, čím sa zabezpečí, že na syntézu sa vyberú len tie, ktoré majú požadované zloženie. Výskumní pracovníci preto nebudú musieť pracovať na zlúčeninách, ktoré pravdepodobne nebudú účinné.
Vynájsť nové zlúčeniny
Ak vyhľadávanie prinesie iba niekoľko výsledkov, umelá inteligencia dokáže aj vtedy vykonať brainstorming týkajúci sa úplne nových zlúčenín, ktoré vyhovujú požadovaným parametrom a môžu mať vyššiu šancu na úspech.
Ako môže umelá inteligencia pomôcť pri objavovaní nových liekov?
Ako sa umelá inteligencia používa v klinických testoch?
Podľa spoločnosti Deloitte je regulačnými orgánmi schválených na vstup do klinického testovania iba 10 % potenciálne vhodných liekov. Najdlhšie a najdrahšie štádium procesu vytvárania liekov zahŕňa klinické testy s viacerými fázami testovania na ľuďoch, pričom každá fáza zahŕňa stovky alebo tisíce účastníkov.
Tradičný lineárny proces náhodných kontrolovaných klinických testov (RCT) sa už desiatky rokov nezmenil a chýba mu flexibilita, rýchlosť a analytický výkon potrebný na to, aby model presných medicínskych postupov dosahoval úspech. Spoločnosti majú problém nájsť správnych účastníkov, nehovoriac o ich efektívnom prijímaní, udržiavaní a riadení. Neúčinnosť procesu výrazne prispieva k rastúcim nákladom súvisiacim s objavovaním a vývojom liekov, ako aj k nízkej miere schválených liekov.
Farmaceutické spoločnosti môžu používať prediktívne modely AI v rámci štádia vývoja liekov, ktoré je súčasťou klinického testovania, a to od návrhu až po analýzu údajov. Pomáhajú:
- identifikovať vhodných pacientov pomocou hĺbkovej analýzy verejne dostupného obsahu;
- vyhodnotiť v reálnom čase výkon miesta, na ktorom sa vykonávajú klinické testy;
- automatizovať zdieľanie údajov na rôznych platformách;
- poskytovať údaje pre finálne zostavy.
Párovací algoritmus s účinnou technickou infraštruktúrou zabezpečuje efektívne vyčistenie, agregáciu, ukladanie a spravovanie nepretržitého prúdu údajov týkajúceho sa klinických testov. Preto môžu výskumní pracovníci lepšie porozumieť bezpečnosti a efektivite lieku bez toho, aby museli manuálne zoraďovať a analyzovať obrovské množiny údajov vygenerovaných počas klinických testov.
Prekážky v prijímaní umelej inteligencie v oblasti objavovania a vývoja liekov
Napriek tomu, že umelá inteligencia je v procese objavovania liekov používaná čoraz viac, stále existujú prekážky týkajúce sa jej prijatia.
Kvalita údajov
Jedna často citovaná výzva v mnohých odvetviach spočíva v tom, že nedostatok údajov môže rýchlo zhoršiť užitočnosť umelej inteligencie a strojového učenia. V prípade výskumných pracovníkov pracujúcich s liekmi sú údaje nízkej kvality nespoľahlivé a v konečnom dôsledku nie sú v porovnaní s tradičnými metódami ani presnejšie, užitočné či časovo úsporné.
Pochybnosti
Vo väčšine odvetví panuje mylná predstava, že technológie nakoniec úplne nahradia ľudských pracovníkov. Výnimkou nie je ani farmaceutický priemysel . Hoci je pravda, že umelá inteligencia dokáže analyzovať veľké množiny údajov rýchlejšie, nedokáže nahradiť skúsených výskumných pracovníkov a lekárov.
Nedostatok zručností
Implementácia medicínskych technológií v procese objavovania liekov si vyžaduje súbor špecializovaných zručností. Ak spoločnosti chcú, aby boli údaje naďalej čisté a umelá inteligencia efektívna, potrebujú pracovníkov, ktorí majú nielen technické zručnosti, ale aj rozumejú vedeckej stránke procesu, ako je navrhovanie liekov, biológia a chémia. Ide o náročné požiadavky, ktoré nie je jednoduché splniť.
Budúcnosť umelej inteligencie vo vývoji liekov farmaceutickými spoločnosťami
Umelá inteligencia pomáha výskumným pracovníkom inovovať, lekárom spĺňať požiadavky týkajúce sa presných medicínskych postupov a spoločnostiam prinášať na trh lieky meniace život. Každý rok vzniká čoraz viac partnerstiev medzi farmaceutickými a technologickými spoločnosťami a pribúdajú obrovské investície do startupov súvisiacich s medicínskymi technológiami a umelou inteligenciou.
Medzi veľkými farmaceutickými spoločnosťami sme dokonca zaznamenali zdieľanie údajov. The Machine Learning Ledger Orchestration for Drug Discovery alebo MELLODDY je konzorcium, ktoré uľahčuje zdieľanie údajov medzi desiatkami svojich členov. MELLODDY používa systém založený na technológii blockchain, ktorý umožňuje spoločnostiam zdieľať súkromné údaje a zároveň zachovávať ich dôvernosť. Výskumní pracovníci môžu využívať existujúce údaje na naštartovanie procesu objavovania liekov a skrátenie vývoja o niekoľko rokov.
Urýchlenie výskumu a vývoja
Sledujte nás