Το Al πρόκειται να ανακατασκευάσει την φαρμακευτική βιομηχανία

Μεταφράζει η Πέννυ Τζανετοπούλου

Φάρμακα σχεδιασμένα από αλγόριθμους εισάγονται σε δοκιμές σε ανθρώπους. Το επόμενο εξαιρετικά πετυχημένο φάρμακο θα μπορούσε να εφευρεθεί από τεχνητή νοημοσύνη (artificial intelligence-AI).

Για χρόνια, εκατομμύρια δολάρια έχουν δαπανηθεί με σκοπό να εισαχθεί η τεχνητή νοημοσύνη στην διαδικασία εξέλιξης των φαρμάκων. Επιτέλους, φαίνεται ότι αυτή η επένδυση απέφερε καρπούς. Φάρμακα σχεδιασμένα από την AI για παθήσεις όπως ο καρκίνος της λέμφου, οι φλεγμονές, οι παθήσεις των κινητικών νευρώνων, δοκιμάζονται σε πειραματικό στάδιο σε ανθρώπους. Για πολλούς, είναι μόνο ζήτημα χρόνου μέχρι τα συγκεκριμένα φάρμακα να διατίθενται στα φαρμακεία.

Σε περίπτωση επιτυχίας, η τεχνητή νοημοσύνη δεν υπόσχεται τίποτα λιγότερο από μία επαναστατική αλλαγή στον χώρο της φαρμακευτικής: Θα μπορούσε να μειώσει δραματικά τον χρόνο που απαιτείται για την παραγωγή νέων φαρμάκων, καθώς επίσης και να βοηθήσει στην ταυτοποίηση νέων μορίων των φαρμάκων, τα οποία μέχρι στιγμής έχουν διαφύγει της προσοχής των επιστημόνων. Οι φαρμακοποιοί σίγουρα θα έβγαιναν κερδισμένοι κατά πολλά εκατομμύρια, ενώ παράλληλα και το κοινό θα είχε πρόσβαση σε περισσότερα καινούργια, καινοτόμα φάρμακα, σε πρωτόγνωρο ρυθμό.

Ωστόσο, τα πολλά χρόνια αναμονής για κάποιο αποτέλεσμα από την AI, έχουν αφήσει κατάλοιπα αμφιβολίας σχετικά με την αποτελεσματικότητά του. Κι ενώ οι ερευνητές έχουν εκδηλώσει μεγάλο ενδιαφέρον για το συγκεκριμένο εγχείρημα, αναμφίβολα παρακινούμενοι από τις υποσχέσεις για μια πιθανή επενδυτική ευκαιρία ύψους 50 δισεκατομμυρίων δολαρίων, αυτό δεν θα συνεχιστεί αν τα φάρμακα που αναπτύσσονται με τεχνητή νοημοσύνη δεν εισαχθούν στην καταναλωτική αγορά.

Υπάρχει κι ακόμα ένα εμπόδιο που πρέπει να ξεπεραστεί: Η διαθεσιμότητα των δεδομένων.

Μια βιομηχανία στο χείλος του γκρεμού

Η προϋπόθεση για την χρήση της τεχνητής νοημοσύνης στην διαδικασία εφεύρεσης και δημιουργίας των φαρμάκων είναι αρκετά ξεκάθαρη: Χρησιμοποιήστε αλγόριθμους για να ερευνήσετε εξονυχιστικά τον απέραντο θησαυρό των δεδομένων -συμπεριλαμβανομένων των δομών των χημικών ενώσεων, των μελετών σε ζώα και των πληροφοριών από τους ασθενείς- με σκοπό να εξακριβώσετε τι χρειάζεται ένα μελλοντικό φάρμακο για να στοχεύσει στο ανθρώπινο σώμα, ποιο χημικό μόριο θα ήταν το πιο κατάλληλο να εξυπηρετήσει αυτόν τον σκοπό, και, το πιο δελεαστικό, πώς να δημιουργήσετε χημικά μόρια εν γένει.  

“Πιστεύω πραγματικά ότι στο μέλλον όλα τα φάρμακα θα είναι σχεδιασμένα κατά αυτόν τον τρόπο, επειδή θεωρώ ότι είναι ένας πολύ πιο αποτελεσματικός τρόπος σχεδιασμού μορίων.” δήλωσε ο Andrew Hopkins, ιδρυτής της Εxscientia, μίας από τις πρώτες εταιρείες που ξεχώρισαν στον συγκεκριμένο χώρο το 2012, και συμπλήρωσε ότι “το ερώτημα είναι πόσο γρήγορα η φαρμακοβιομηχανία θα προσαρμοστεί στα νέα δεδομένα”.  

Παρ’ όλα αυτά, γνωστές αποτυχίες, όπως αυτή της Sensyne Health και της IBM Watson, έχουν δημιουργήσει μία επίμονη αίσθηση ότι η τεχνητή νοημοσύνη, ίσως και να μην μπορεί να ανταποκριθεί στις υψηλές προσδοκίες του κοινού όσον αφορά τον σχεδιασμό νέων φαρμάκων.

Προς τα παρόν, όλα τα βλέμματα είναι στραμμένα στο αν τα συγκεκριμένα φάρμακα θα είναι ασφαλή, αν θα έχουν την προσδοκώμενη επίδραση κι αν θα πληρούν τις αυστηρές προδιαγραφές που απαιτούνται προκειμένου να μπορούν όντως να χορηγούνται σε ανθρώπους.

“Μέσα στα επόμενα χρόνια, θα πρέπει επίσης να παρατηρηθεί κλινική επιτυχία από τα εγχειρήματα της AI, αλλιώς θα υπάρξουν προβλήματα σχετικά με τον καθορισμό της αποτελεσματικότητας και της ασφάλειας των μεθόδων.” ανέφερε ο Andreas Bender, καθηγητής μοριακής πληροφορικής στο Πανεπιστήμιο του Cambridge, και συνιδρυτής των εταιρειών Healx και Pharmenable, που ασχολούνται με την αξιοποίηση της τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων.

Ο Jim Weatherall, ο αντιπρόεδρος της επιστήμης δεδομένων, AI και R&D στην AstraZeneca, δήλωσε ότι η πρόκληση για τα επόμενα χρόνια είναι να μπορέσει το συγκεκριμένο εγχείρημα να ανταποκριθεί στις απαιτήσεις. Αν οι ασθενείς πρόκειται πράγματι να επωφεληθούν από τα σχεδιασμένα από την τεχνητή νοημοσύνη φάρμακα, θα πρέπει να είναι και σε θέση να τους χορηγηθούν -πράγμα που σημαίνει ότι τα συγκεκριμένα φάρμακα θα χρειαστεί να περάσουν από τα ίδια ρυθμιστικά εμπόδια που συναντούν και τα παραδοσιακά φάρμακα. Κι εφόσον, ήδη πολλά από αυτά χρησιμοποιούνται σε δοκιμές σε ανθρώπους, ίσως να έχει έρθει η κρίσιμη στιγμή.  

H Exscientia ήταν η πρώτη από τις βιομηχανίες που το επιχείρησε το 2020, με ένα φάρμακο που ήλπιζαν ότι θα μπορούσε να θεραπεύσει την Ιδεοψυχαναγκαστική Διαταραχή. Παρ’ όλο που η συγκεκριμένη έρευνα διεκόπη, αφότου δεν κατάφερε να εκπληρώσει τις αναμενόμενες προδιαγραφές, η εταιρεία τώρα πραγματοποιεί κλινικές δοκιμές σ’ ένα φάρμακο κατά του καρκίνου και σ’ ένα αντιφλεγμονώδες. Και δεν είναι η μοναδική.

Η Schrödinger πραγματοποιεί επίσης κλινικές δοκιμές σ’ ένα πιθανό φάρμακο για το λέμφωμα, η Insilico προετοιμάζει ένα φάρμακο κατά της ιδιοπαθούς πνευμονικής ίνωσης που αναμένεται να εισέλθει αυτόν τον χρόνο στην δεύτερη φάση των δοκιμών, και τέλος, η Verge Genomics δοκιμάζει μία καινοτόμα θεραπευτική προσέγγιση για την αντιμετώπιση της πλάγιας αμυοτροφικής σκλήρυνσης (ALS).

Σε κάποιες περιπτώσεις, όπως αυτή της Verge Genomics, η διαδικασία παραγωγής του φαρμάκου εξελίσσεται με ταχείς ρυθμούς. Συνήθως, τα φάρμακα δοκιμάζονται πρώτα σε ζώα προτού χορηγηθούν στους ανθρώπους. Αντίθετα, η πλατφόρμα της Verge χρησιμοποιεί ανθρώπινα δεδομένα και μοντέλα, κατά την φάση της ανακάλυψης και του σχεδιασμού των φαρμάκων, καθώς πιστεύουν ότι τα ευρήματα που προκύπτουν είναι πιο αξιόπιστα σε σχέση με εκείνα που προκύπτουν από τις δοκιμές στα ζώα.

Παρ’ όλα αυτά δεν είναι δεδομένο ότι το πρώτο εγκεκριμένο φάρμακο που θα έχει σχεδιαστεί από την τεχνητή νοημοσύνη, θα ανοίξει τον δρόμο και για όλα τα υπόλοιπα. Για διαφορετικές ασθένειες, υπάρχουν διαφορετικοί στόχοι, διαφορετικές χημικές ενώσεις, πράγμα που σημαίνει ότι “το τοπίο είναι εντελώς διαφορετικό”, υποστήριξε ο Bender. Αν ένα φάρμακο αποδειχθεί επιτυχημένο “τότε θα υπάρξει σίγουρα ενθουσιασμός από το κοινό και περισσότερες επενδύσεις στον συγκεκριμένο τομέα, αλλά αυτό δεν σημαίνει ότι όλα τα μελλοντικά εγχειρήματα θα είναι εξίσου επιτυχημένα”, συμπλήρωσε. “To σημαντικό είναι να είμαστε σε θέση να κατανοήσουμε καλύτερα ποια στοιχεία από τα δεδομένα είναι όντως προγνωστικά και ουσιώδη, ανάλογα με το πλαίσιο της κάθε ασθένειας, ούτως ώστε να γνωρίζουμε ποια εργαλεία θα είναι χρήσιμα και για ποια πάθηση”, ολοκλήρωσε ο Bender.

Κρίσιμη Παράμετρος

Προκειμένου ένα φάρμακο να είναι σε θέση να περάσει στην φάση των κλινικών δοκιμών, θα πρέπει τα συστήματα της τεχνητής νοημοσύνης να μπορούν πρώτα να το σχεδιάσουν. Για να το κάνουν αυτό, χρειάζονται πρόσβαση σε τεράστιες ποσότητες δεδομένων. Αυτό περιλαμβάνει τα πάντα : από δεδομένα για τη χημική σύνθεση διαφόρων μορίων, μέχρι ερευνητικά έγγραφα και δεδομένα των ασθενών. Χωρίς την πρόσβαση σε ποιοτικά και εκτεταμένα δεδομένα, τα συστήματα της AΙ δεν μπορούν να παρέχουν ακριβή ευρήματα.

Για μικρότερες επιχειρήσεις, όπως η ιταλική βιοτεχνία Dompe, το παραπάνω γεγονός αποτελεί μεγάλο εμπόδιο. “Το εμπόδιο που προκύπτει ανάμεσα σε μένα και το όραμά μου την δεδομένη στιγμή είναι η δημιουργία υψηλής ποιότητας δεδομένων, σε μια ποσότητα που θα διευκολύνει τις πραγματικές δυνατότητες της τεχνητής νοημοσύνης για βαθιά κατανόηση. Οι συγκεκριμένες τεχνικές απαιτούν μία τεράστια ποσότητα επιβεβαιωμένων δεδομένων”, δήλωσε ο Andrea Beccari, επικεφαλής της πλατφόρμας ανακάλυψης φαρμάκων στην Dompe. Μία εταιρεία σαν την Dompe, σίγουρα δεν μπορεί να παράξει έργο ανάλογο της κλίμακας μίας μεγάλης αμερικανικής φαρμακευτικής βιομηχανίας. Παρ’ όλα αυτά, ο Beccari πιστεύει ότι αν υπήρχε ένας κεντρικός χώρος αποθήκευσης, κάτι σαν το European Health Data Space (EHDS), το οποίο για την ώρα αποτελεί προϊόν διαπραγμάτευσης από το κοινοβούλιο και την αρμόδια επιτροπή, θα άλλαζε πραγματικά τα τωρινά δεδομένα της φαρμακοβιομηχανίας στην Ευρώπη.

Η πρόταση δημιουργίας του EHDS αποσκοπεί στο να διευκολύνει την πρόσβαση των ερευνητών στα δεδομένα, με την υλοποίηση ενός συστήματος, μέσω του οποίου οι ερευνητές θα μπορούν να αποκτούν, κατόπιν έγκρισης, συγκεκριμένα σύνολα δεδομένων. Μπορεί να είναι δεδομένα που βρίσκονται στην κατοχή δημοσίων αρχών, ή ακόμα και φαρμακευτικών βιομηχανιών, επομένως, με αυτόν τον τρόπο οι ανισότητες μεταξύ των εταιρειών αμβλύνονται. Το EHDS υπόσχεται, επίσης, να βοηθήσει στην δημιουργία των κατάλληλων προδιαγραφών, να βελτιώσει την συνεργασία μεταξύ των διεπιστημονικών ομάδων, και να παρέχει πρόσβαση σε ατελείωτο αριθμό δεδομένων. Ο Weatherall από την AstraZeneca αναγνωρίζει το γεγονός ότι η ευκαιρία είναι τεράστια, αλλά υπογραμμίζει ότι το μυστικό για την επιτυχία αυτό του εγχειρήματος είναι η αποφυγή “αυταρχικής γραφειοκρατίας”.

Κι ενώ η ΑΙ υπόσχεται να φέρει την επανάσταση στον χώρο της φαρμακοβιομηχανίας, οι άνθρωποι που εργάζονται για χρόνια πάνω στον συγκεκριμένο τομέα, δεν θεωρούν ότι ένας αλγόριθμος είναι υπεύθυνος για όλη την δουλειά. Αντίθετα, “έχει να κάνει με το ανθρώπινο δυναμικό σε συνεργασία με την AI”, δήλωσε ο Weatherall. Ναι, είναι ένας νέος τρόπος εργασίας, αλλά αυτό περιλαμβάνει επίσης και την παρουσία μερικών ακόμα ειδικών στον χώρο.

Δεν υπάρχει επιστροφή

Οι ειδικοί, λοιπόν, προσεγγίζονται ολοένα και περισσότερο από τις μεγάλες φαρμακευτικές εταιρείες. Η φαρμακοβιομηχανία προσπαθεί να διαφυλάξει τα κεκτημένα της, για να διασφαλίσει ότι δεν θα βρεθεί σε δεινή θέση εξαιτίας των νεοσύστατων επιχειρήσεων βιοτεχνολογίας που κατακλύζουν τον χώρο. Η συμβουλευτική εταιρεία McKinsey, υπολογίζει ότι υπάρχουν περίπου 270 επιχειρήσεις που εργάζονται πάνω στην δημιουργία φαρμάκων σχεδιασμένα από την τεχνητή νοημοσύνη. Κι ενώ η πλειονότητα αυτών βρίσκεται στις ΗΠΑ, παρόμοιες επιχειρήσεις αναδύονται και στην Δυτική Ευρώπη, καθώς και την Νοτιοανατολική Ασία. Η Pfizer, το 2022, επέκτεινε την συνεργασία της με μία ισραηλινή εταιρεία τεχνητής νοημοσύνης, η AstraZeneca με την βρετανική Benevolent AΙ, ενώ η Sanofi ανακοίνωσε την συνεργασία της με την Exscientia, καθώς επίσης και με την Insilico Medicine. Επιπρόσθετα, εκτός από τις συνεργασίες όπως αυτή με την Benevolent Al, η βρετανική – σουηδική φαρμακοβιομηχανία AstraZeneca διαθέτει μία εσωτερική ομάδα ειδικών, η οποία εφαρμόζει σε μεγάλο βαθμό συστήματα AΙ στην διαδικασία ανακάλυψης φαρμάκων.     

Tα εργαλεία τεχνητής νοημοσύνης εφαρμόζονται σε ποσοστό περίπου 70% σε προγράμματα ανακάλυψης φαρμάκων της εταιρείας εστιασμένα σε μικρά μόρια – παραδοσιακά φάρμακα που κατασκευάζονται από χημικές ενώσεις, εξήγησε ο Ola Engkvist, αναπληρωτής διευθυντής υπολογιστικής χημείας, επιστημονικής ανακάλυψης και υπεύθυνος έρευνας και ανάπτυξης στην AstraZeneca. Τα συγκεκριμένα εργαλεία έχουν αρχίσει επίσης να χρησιμοποιούνται και για πιο σύνθετα πρότζεκτ, όπως ο σχεδιασμός αντισωμάτων.

Σύμφωνα με τον Engkvist, πολλά από τα παραπάνω εγχειρήματα έχουν στεφθεί με επιτυχία. “Παρ’ όλο που η τεχνητή νοημοσύνη δεν έχει ακόμα παράγει ένα φάρμακο από την αρχή μέχρι το τέλος, υπάρχει το ενδεχόμενο να κατευθυνόμαστε προς τα εκεί σύντομα.” συμπλήρωσε. Συμπληρωματικά με την παραπάνω πεποίθηση, ο Weatherall, συνεργάτης του Engkvist στην AstraZeneca, δήλωσε ότι το σύστημα AI αποτελεί το μέλλον της ανάπτυξης των φαρμάκων.

Πήγαμε από το “τι είναι αυτό;” στο “γιατί δεν το χρησιμοποιούσαμε τόσο καιρό;”.

Πηγή:

https://www.politico.eu/article/ai-is-about-to-remake-the-pharmaceutical-drug-medicines-industry/