Σύμφωνα με μια νέα δημοσίευση που έγινε στο BBC NEWS, οι επιστήμονες που δουλεύουν με την τεχνητή νοημοσύνη (AI) θα μπορούσαν να μειώσουν τον χρόνο που απαιτείται για την ανάπτυξη νέων φαρμάκων - και, βασικά, το κόστος - λένε οι εταιρείες τεχνολογίας.
Της Ανθής Αγγελοπούλου
Σύμφωνα με μια νέα δημοσίευση που έγινε στο BBC NEWS, οι επιστήμονες που δουλεύουν με την τεχνητή νοημοσύνη (AI) θα μπορούσαν να μειώσουν τον χρόνο που απαιτείται για την ανάπτυξη νέων φαρμάκων - και, βασικά, το κόστος - λένε οι εταιρείες τεχνολογίας.
«Η ανάπτυξη φαρμακευτικών σκευασμάτων είναι μια πολύ δαπανηρή και χρονοβόρα επιχείρηση. Και όπως διαπίστωσε και η AstraZeneca την περασμένη εβδομάδα, απογοητευτικές δοκιμές φαρμάκων μπορούν να μειώσουν την χρηματιστηριακή αξία στην αγορά εντελώς απρόσμενα. Έτσι, όσο πιο γρήγορα μπορούμε να εντοπίσουμε ελπιδοφόρα μόρια που θα μπορούσαν να μετατραπούν σε βιώσιμα φάρμακα, τόσο το καλύτερο», λένε οι ειδικοί.
Αυτός είναι ο λόγος για τον οποίο οι φαρμακευτικές εταιρείες, όπως η GlaxoSmithKline (GSK), η Merck, η Sanofi και η Johnson & Johnson, στρέφονται τώρα στην τεχνητή νοημοσύνη (AI) για περαιτέρω βοήθεια ως προς την ανάπτυξη νέων φαρμάκων.
Ο καθηγητής Andrew Hopkins, Διευθύνων Σύμβουλος της Exscientia, μιας πρωτοποριακής εταιρείας που ειδικεύεται στην ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης (Al) και, η οποία έχει υπογράψει πρόσφατα συμφωνία ύψους 33 εκατομμυρίων λιρών με την GSK, για την ανακάλυψη νέων εκλεκτικών μορίων για τη θεραπεία πολλαπλών στόχων, ισχυρίζεται ότι η τεχνητή νοημοσύνη (Al) και τα ανθρώπινα όντα που εργάζονται μαζί στις λεγόμενες "ομάδες κέντρου" μπορούν να βοηθήσουν στην ταυτοποίηση των υποψήφιων μορίων σε ένα τέταρτο της συνηθισμένης ώρας και στο ένα τέταρτο του κόστους.
Αναφερόμενος στην προσφορά της τεχνητής νοημοσύνης στην επιστήμη, ο Prof. Hopkins, έφερε ως παράδειγμα την ελληνική μυθολογία, λέγοντας ότι ο κένταυρος ήταν μισός άνθρωπος και μισός άλογο, με αποτέλεσμα να είναι πολύ ισχυρός και γρήγορος. Κάπως έτσι και η τεχνητή νοημοσύνη (AI)δίνει στους επιστήμονες τέτοιες πρόσθετες δυνάμεις.
Η επιτυχής ανακάλυψη φαρμάκων βασίζεται στην ακριβή κατανόηση του τρόπου με τον οποίο μια ασθένεια επηρεάζει τα βιολογικά μας συστήματα, λέει η Pamela Spence, ηγέτης της παγκόσμιας βιομηχανίας βιοεπιστημών στη συμβουλευτική εταιρεία Ernst & Young Global Limited (EY). «Μόλις αυτό είναι γνωστό, οι επιστήμονες αναζητούν έπειτα μόρια που μπορούν να αλληλεπιδρούν επιλεκτικά με αυτό το “στόχο” και να αντιστρέψουν αυτή τη διακοπή ή να επιβραδύνουν τον αντίκτυπό της με μία έξτρα “δύναμη”, εξηγεί.
Οι επιστήμονες συχνά μιλούν για μια ασθένεια ως στόχο και το μόριο ως όπλο που εκτοξεύεται. Ωστόσο, αυτή η διαδικασία ανίχνευσης φαρμάκων - παραδοσιακά πραγματοποιούμενη από μικρές ομάδες επιστημόνων που δοκιμάζουν προσεκτικά κάθε πιθανό στόχο και χτυπούν το μόριο με την ελπίδα να βρουν νικητή - είναι μια τεράστια χρονοβόρα προσέγγιση που έχει επίσης πολύ υψηλό ποσοστό αποτυχίας.
«Ως εκ τούτου, με τη βοήθεια της τεχνητής νοημοσύνης έχουν έναν βοηθό στην έρευνα τους που μπορεί να λύσει προβλήματα με συστηματική και αδυσώπητη αναζήτηση σε απίστευτες ταχύτητες», λέει και συμπληρώνει. Αυτό μπορεί να λειτουργήσει ή όχι , αλλά μπορεί να εντοπιστεί άμεσα από τον υπερ-υπολογιστή τεχνητής νοημοσύνης (AI) " in silico". Αυτός είναι ο ιατρικός όρος για την έρευνα που διεξάγεται από τον υπολογιστή, σε αντίθεση με τους δοκιμαστικούς σωλήνες "in vitro" και "in vivo" με δοκιμές σε ζώα και ανθρώπους.
«Δεδομένου ότι η πραγματοποίηση ανθρώπινων κλινικών δοκιμών αποτελεί τον τεράστιο όγκο του κόστους ανακάλυψης φαρμάκων, όσο πιο γρήγορα μπορούμε να εντοπίσουμε πότε κάτι δεν πρόκειται να λειτουργήσει, τόσο λιγότερα χρήματα θα χαθούν» όπως επισημαίνει η κα Spence. «Στη συνέχεια, οι φυσικές δοκιμές μπορούν να γίνουν με μικρότερο αριθμό πιθανών νέων φαρμάκων και μπορεί, να επιτευχθεί πολύ υψηλότερο ποσοστό επιτυχίας», όπως λέει.
Ο αλγόριθμος τεχνητής νοημοσύνης (AI) της Exscientia αναλύει τις μάζες των δεδομένων, από τη δομή των ασθενειών έως την αποτελεσματικότητα των υπαρχόντων φαρμάκων, από μελέτες που έχουν αξιολογηθεί έως παρατηρήσεις διαφανειών υπό μικροσκόπιο.
Και όλες αυτές οι δυνατότητες περιορίζονται σε μια διαδικασία που ο καθηγητής Hopkins ομοιάζει με τη φυσική επιλογή. «Προσπαθούμε να αποκλείσουμε την αβεβαιότητα» λέει. «Υπάρχουν πολύ ενδιαφέρουσες αναλογίες μεταξύ της εξέλιξης του τρόπου που η ανθρώπινη δημιουργικότητα λειτουργεί . Η προσπάθεια μας είναι να καταλήξουμε σε μικρά μόρια υποψήφια για έως και 10 νόσους/στόχους, οι οποίοι στη συνέχεια μπορούν να μπουν σε κλινικές μελέτες».
«Κάθε χάπι θα μπορούσε να κοστίσει πένες για να παρασκευαστεί, αλλά στην πραγματικότητα είναι ένα προϊόν που απαιτεί μηχανική ακρίβεια», λέει ο καθηγητής Hopkins, ο οποίος είναι επίσης πρόεδρος του τομέα φαρμακευτικής πληροφορικής στο Πανεπιστήμιο Dundee του Ηνωμένου Βασιλείου. «Υπάρχει ένας σχεδόν άπειρος αριθμός άλλων μορίων που θα μπορούσαν να βρουν οι επιστήμονες και πρέπει να αποφασίσουν ποιο από αυτά μπορεί να είναι ασφαλές και αποτελεσματικό, καθώς, πολλά εξ αυτών δεν οδηγούν σε τίποτα» όπως λέει.
Αυτή η προσέγγιση με γνώμονα την τεχνητή νοημοσύνη (AI) διευκολύνει επίσης την εμφάνιση μορίων που μπορούν να έχουν δύο διαφορετικούς στόχους. Για παράδειγμα, ένα φάρμακο κατά του καρκίνου θα μπορούσε επίσης να βελτιώσει το ανοσοποιητικό σύστημα καθώς και να αντιμετωπίσει την ασθένεια.
Η GSK πρόσφατα δημιούργησε μια μονάδα που επικεντρώνεται στην ενίσχυση της ανακάλυψης φαρμάκων μέσω της χρήσης της τεχνολογίας in silico - συμπεριλαμβανομένης της τεχνητής νοημοσύνης (AI), της μηχανικής μάθησης και της εμπειρίας.
Ο επικεφαλής του τομέα Έρευνας & Ανάπτυξης της GSK, John Baldoni, αναφερόμενος στο θέμα είπε ότι το κόστος της ανακάλυψης από το ξεκίνημα μέχρι το στόχο φτάνει περίπου τα 1,7 δισεκατομμύρια δολάρια [1,3 δισεκατομμύρια λίρες]. Το κόστος από την επίτευξη του στόχου μέχρι την κλινική έρευνα, είναι περίπου το 33% και χρειάζεται περίπου πεντέμισι χρόνια. «Στόχος μας είναι να μειώσουμε αυτό σε ένα χρόνο και σε κόστος» λέει ο κ. John Baldoni
Η τεχνητή νοημοσύνη βρίσκει το δρόμο και σε άλλες πτυχές της διαδικασίας ανακάλυψης φαρμάκων
Σύμφωνα με τους ειδικούς, η τεχνητή νοημοσύνη (AI) χρησιμοποιεί την φυσική γλώσσα για την επεξεργασία μέσω δημοσιευμένης βιβλιογραφίας, βάσεις δεδομένων χημικών και ιατρικών, και επιστημονικών εργασιών, για να καταλήξει σε συμπεράσματα σχετικά με την παραγωγή υποψήφιων νέων φαρμάκων.
Νωρίτερα φέτος βρέθηκε ένα υποψήφιο φάρμακο για τη θεραπεία της νόσου των κινητικών νευρώνων - γνωστή και ως ALS (Αμυοτροφική Πλευρική Σκλήρυνση). Το φάρμακο αφορά στην πρόληψη του θανάτου των κινητικών νευρώνων στα κύτταρα που λήφθηκαν από πραγματικούς ασθενείς και καθυστέρησε την εμφάνιση της νόσου δοκιμαζόμενο σε ζώα.
«Είμαστε απίστευτα αισιόδοξοι από αυτά τα ευρήματα» τόνισε ο πρόεδρος και ιδρυτής του Benevolent AI, κ. Ken Mulvaney. Όπως είπε, «Πρέπει επίσης να ενθαρρυνθούν οι ασθενείς. Η ανακάλυψη φαρμάκων που βασίζεται στη τεχνητή νοημοσύνη( AI )υπόσχεται να φέρει στην αγορά φθηνότερα και αποτελεσματικότερα φάρμακα πολύ πιο γρήγορα.