Ускоряване на откриването и развитието на лекарства с използване на ИИ

Научете за предимствата и предизвикателствата при внедряването на ИИ решения в цялата верига на стойността във фармацевтиката.

Разглеждане на решения за науките за живота

Увеличаване на ефективността и иновациите във фармацевтиката с използване на ИИ

Научете как ИИ е готов да трансформира откритията и разработването на лекарства, включително да помогне за намаляване на разходите за разработване на лекарства и да предостави животоспасяващи лечения на пациентите по-бързо.

Ключови изводи

Фармацевтичната индустрия преминава през значителна трансформация, възможна благодарение на ИИ.
За да оказват по-добра подкрепа на здравните специалисти и техните пациенти, фармацевтичните компании трябва да ускорят процесите на откриване и разработване на лекарства, контролирайки нарастващите разходи.
ИИ може да помогне в ключовите стъпки на процеса на откриване на лекарства, включително идентифициране на протеини, свързани с болести, и анализиране кои съединения ще взаимодействат най-ефективно с протеините.
ИИ също така опростява процеса на разработване на лекарства, като анализира огромни количества данни, идентифицира модели и предсказва резултати.
Фармацевтичните компании, които приемат ИИ, трябва да преодолеят предизвикателства като поддържане на качеството на данните и намиране на персонал с правилната комбинация от технически и научни умения. Научете как AI агентите трансформират бизнес операциите.
Гледайки в бъдещето, във фармацевтичната индустрия ще има повече партньорства между фармацевтични и технологични компании, както и по-големи инвестиции в стартиращи компании в областта на медицинските технологии и ИИ.

Нарастващите разходи за нови лекарства

Начинът, по който здравните специалисти лекуват пациентите, се променя бързо. Те все повече използват персонализирана информация за пациентите, за да вземат решения, свързани с медицината. Този подход, наричан „прецизна медицина“, се среща все по-често, тъй като изследователите се справят със сложни здравни проблеми, а фармацевтиката се стреми да намали времето, необходимо за разработване на животоспасяващи лекарства.

В момента пускането на пазара на ново лекарство е изключително дълъг и скъп за фармацевтичните компании процес. Според последните данни от Taconic Biosciences, за едно лекарство са нужни около 2,6 милиарда USD и над 10 години за разработка. Но след като са разработени, 88% от новите кандидати за лекарства не получават одобрение от FDA.

Добрата новина е, че ИИ има невероятен потенциал за ускоряване на процеса на откриване и разработване на лекарства.

Как ИИ оптимизира опростява процеса на откриване на лекарства

Първата стъпка в създаването на повечето лекарства е да се синтезира съединение, което може да се свързва със и да модулира целева молекула – обикновено протеин – участваща в заболяване. За да намерят правилното съединение, изследователите преглеждат хиляди потенциални кандидати. След като дадена цел бъде идентифицирана, изследователите след това проучват внимателно огромни библиотеки с подобни съединения, за да намерят оптимално взаимодействие с протеина на болестта.

В момента са необходими повече от десет години и стотици милиони долари, за да се стигне до този момент. Но медицинските технологии, които използват ИИ и МО, могат да опростят процеса, като съкратят времето и парите, необходими на фармацевтичната индустрия за пускане на нови лекарства. Например тези технологии могат да:

Претърсват щателно библиотеки с молекули

Библиотеките, проверявани за кандидати за молекула, са толкова огромни, че е почти невъзможно за хората изследователи да прегледат всичко сами. ИИ, от друга страна, може бързо да идентифицира потенциални целеви съединения в огромни набори от данни, като спестява на изследователите стотици часове в лабораторията.

Прогнозиране на свойствата на съединенията

Традиционният процес на откриване на лекарства включва отнемащи време изпитвания по метода „проба и грешка“. Решенията за медицински технологии, комбинирани с ИИ и МО, могат да помогнат за ускоряване на процеса, като прогнозират свойствата на потенциалните съединения и гарантират, че само тези с желания състав са избрани за синтез. Това спестява време на изследователите да не работят върху съединения, които е малко вероятно да бъдат ефективни.

Създаване на нови съединения

Когато проверката дава няколко обещаващи резултата, ИИ може дори да генерира идеи за чисто нови съединения, които отговарят на желаните параметри и имат по-голям шанс за успех.

Как ИИ помага на изследователите

Помислете как изследователите могат да използват решения на ИИ, за да подкрепят ключовите стъпки на процеса на откриване на лекарства.

Изследователите извършват следните стъпки:

Стъпка 1: Определете молекула, която може да се променя под въздействието на лекарства, за да се използва за целта.
Стъпка 2: Проведете експерименти, за да се потвърди, че целта е включена в хода на заболяването.
Стъпка 3: Идентифицирайте или създайте съединение, което взаимодейства с целта.
Стъпка 4: Оптимизирайте избраното съединение, за да бъде ефективно и безопасно.

С помощта на ИИ те могат да:

Стъпка 1: Намиране на още потенциални цели.
Стъпка 2: Повишаване на успеваемостта на експериментите.
Стъпка 3: Изключване на съединенията, които не се очаква да взаимодействат.
Стъпка 4: Ускоряване на процеса с интелигентен анализ.

Как се използва ИИ в клиничните изпитвания

Според Taconic Biosciences, само 12% от кандидатстващите лекарства, които влизат в етапа на клиничните опити, се одобряват от регулаторните органи. Клиничните изпитвания, които са най-дългият и най-скъп етап от процеса на създаване на лекарства, включват множество фази на тестване върху хора, като всяка фаза включва стотици или хиляди участници.

Традиционният линеен процес на рандомизирани контролирани изпитвания (RCT) не се е променял от десетилетия. Той няма гъвкавостта, скоростта и аналитичната мощ, необходими за успешното функциониране на модел на прецизна медицина. Фирмите се мъчат да намерят правилните участници, а освен това се изисква да ги привлекат, запазят и управляват ефективно. Неефективността на този процес значително допринася за увеличаващите се разходи за откриване и разработване на лекарства, както и за ниските нива на одобрение. Това също така възпрепятства иновациите.

Фармацевтичните компании могат да използват прогнозни модели на ИИ по време на етапа на клинични изпитвания при разработването на лекарства – по целия път от проектирането до анализа на данни, което ще помогне за:

Идентифициране на подходящите пациенти чрез събиране на публично достъпно съдържание.
Оценяване на ефективността на мястото на изпитванията в реално време.
Автоматизиране на споделянето на данни на различни платформи.
Предоставяне на данни за окончателните отчети.

Свързването на алгоритми с ефективна техническа инфраструктура гарантира, че постоянният поток от клинични данни се изчиства, обобщава, съхранява и управлява ефективно. По този начин изследователите могат по-добре да разберат безопасността и ефективността на лекарствата, без да се налага ръчно да съпоставят и анализират огромните набори от данни, генерирани от изпитванията.

Препятствия пред приемането на ИИ във фармацевтиката

Въпреки че използването на ИИ става все по-разпространено в процесите на откритие и разработка на лекарства, все още съществуват бариери за приемането му. Ето някои предизвикателства, с които компаниите често се сблъскват:

Качество на данните

Едно от често цитираните предизвикателства в много отрасли е, че лошото качество на данните може бързо да намали полезността на ИИ и МО. За изследователите на лекарства данните с ниско качество правят медицинските технологии ненадеждни и в крайна сметка не по-точни, полезни или спестяващи време от традиционните методи.

Опасения

Има погрешно разбиране в повечето отрасли, че технологиите в крайна сметка ще заместят напълно човешкия персонал. Фармацевтичният отрасъл не е изключение. И въпреки че е вярно, че ИИ може да анализира големи набори от данни по-бързо, той не може да замести хората, които са опитни изследователи и клиницисти.

Недостиг на умения

Внедряването на медицински технологии в процеса на откриване на лекарства изисква подходящ набор от умения. За да поддържат данните чисти, а ИИ да бъде ефективен, фирмите се нуждаят от работници с не само технически умения, но и разбиране на научната страна на процеса, например проектиране на лекарства, биология и химия. Намирането им е много трудна задача за фирмите.

Бъдещето на ИИ във фармацевтиката

С помощта на ИИ изследователите могат да бъдат по-иновативни, клиницистите могат по-добре да отговарят на изискванията на прецизната медицина, а фармацевтичните компании могат по-бързо да пускат на пазара лекарства, променящи живота.

Тенденциите в момента показват, че трансформацията с ИИ, която се случва във фармацевтичната индустрия днес, ще продължи и в бъдеще. Всяка година нараства броят на партньорствата между фармацевтични и технологични фирми, както и огромните инвестиции в стартиращи фирми, занимаващи се с медицински технологии и ИИ.

Освен това големите фармацевтични компании все повече споделят данни. Machine Learning Ledger Orchestration for Drug Discovery (MELLODDY) е обединение, което улеснява споделянето на данни между десетките си членове. MELLODDY използва система, базирана на верига от блокове, която позволява на фирмите да споделят фирмени данни, като същевременно се запазва поверителността. Изследователите могат да използват съществуващите данни, за да започнат бързо процеса си на откриване на лекарства и да спестят години от разработването.

Ресурси

Разгледайте решенията на Microsoft за отрасъла

Модернизирайте процеса на вашите проучвания и разработки (R&D) и доставяйте нови продукти по-бързо с решения на ИИ, работещи в облака на Microsoft.

Научете повече