Urýchlenie objavovania a vývoja liekov pomocou umelej inteligencie

Zoznámte sa s výhodami a výzvami nasadenia riešení umelej inteligencie v rámci farmaceutického hodnotového reťazca.

Zvyšovanie efektivity a inovácií vo farmaceutickom priemysle pomocou umelej inteligencie

Zistite, ako je umelá inteligencia pripravená transformovať objavovanie a vývoj liekov vrátane pomoci pri znižovaní nákladov na vývoj liekov a rýchlejšom poskytovaní život zachraňujúcej liečby pacientom.

Hlavné poznatky

Farmaceutický priemysel prechádza významnou transformáciou, ktorú umožňuje umelá inteligencia.
Farmaceutické spoločnosti musia v záujme lepšej podpory zdravotníckych pracovníkov a ich pacientov urýchliť procesy objavovania a vývoja liekov a zároveň kontrolovať rastúce náklady.
Umelá inteligencia môže pomôcť v kľúčových krokoch procesu objavovania liekov vrátane identifikácie proteínov spôsobujúcich ochorenia a analýzy, ktoré zlúčeniny budú s týmito proteínmi najúčinnejšie interagovať.
Umelá inteligencia tiež zjednodušuje proces vývoja liekov analýzou obrovského množstva údajov, identifikáciou vzorov a predpovedaním výsledkov.
Farmaceutické spoločnosti, ktoré zavádzajú umelú inteligenciu, musia prekonať výzvy, ako je udržanie kvality údajov a nájdenie pracovníkov so správnou kombináciou technických a vedeckých zručností. Zistite, ako agenti umelej inteligencie transformujú obchodné operácie.
Pri pohľade do budúcnosti bude farmaceutický priemysel svedkom väčšieho počtu partnerstiev medzi farmaceutickými a technologickými spoločnosťami a väčších investícií do startupov v oblasti medicínskych technológií a umelej inteligencie.

Rastúce náklady na nové lieky

Spôsob, akým sa zdravotnícki pracovníci starajú o pacientov, sa rýchlo mení. Čoraz častejšie využívajú prispôsobené informácie o pacientoch na usmerňovanie lekárskych rozhodnutí. Tento prístup, známy ako presná medicína, sa stáva čoraz bežnejším, pretože výskumní pracovníci riešia komplexné zdravotné problémy a farmaceutické spoločnosti sa snažia skrátiť čas a ušetriť peniaze potrebné na vývoj životne dôležitých liekov.

V súčasnosti je pre farmaceutické spoločnosti uvádzanie nového lieku na trh mimoriadne dlhým a nákladným procesom. Podľa nedávnych údajov od spoločnosti Taconic Biosciences trvá vývoj jedného lieku približne 2,6 miliardy USD a viac ako 10 rokov. A 88 % nových liekov po ich vývoji nezíska schválenie od úradu FDA.

Dobrou správou je, že umelá inteligencia má neuveriteľný potenciál urýchliť proces objavovania a vývoja liekov.

Ako umelá inteligencia zjednodušuje objavovanie 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 umelá inteligencia pomáha výskumníkom

Zvážte, ako môžu vedci využiť riešenia umelej inteligencie na podporu kľúčových krokov procesu objavovania liekov.

Výskumníci vykonávajú nasledujúce kroky:

1. krok: Určenie molekuly, z ktorej je možné vytvoriť liek.
2. krok: Vykonajte experimenty na potvrdenie, že cieľ sa podieľa na priebehu ochorenia.
3. krok: Identifikujte alebo vytvorte zlúčeninu, ktorá interaguje s cieľom.
4. krok: Optimalizujte vybratú zlúčeninu pre efektivitu a bezpečnosť.

S pomocou umelej inteligencie môžu:

1. krok: Nájdenie ďalších potenciálnych cieľov.
2. krok: Zvýšenie miery úspechu experimentov.
3. krok: Vylúčenie zlúčenín, ktoré pravdepodobne nebudú interagovať.
4. krok: Urýchlenie procesu pomocou inteligentnej analýzy.

Ako sa umelá inteligencia používa v klinických testoch

Podľa spoločnosti Taconic Biosciences je regulačnými orgánmi schválených na vstup do klinického testovania iba 12 % 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 štúdií (RCT) sa už desaťročia nezmenil. Chýba mu flexibilita, rýchlosť a analytická sila potrebná na to, aby model presnej medicíny mohol prosperovať. Spoločnosti majú problém nájsť správnych účastníkov, nehovoriac o ich efektívnom prijímaní, udržiavaní a riadení. Neúčinnosť tohto procesu výrazne prispieva k rastúcim nákladom súvisiacim s objavovaním a vývojom liekov, ako aj k nízkej miere schválených liekov. Taktiež brzdí inováciu.

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 prijatia umelej inteligencie vo farmaceutickom priemysle

Hoci sa využívanie umelej inteligencie v procesoch objavovania a vývoja liekov stáva čoraz rozšírenejším, stále existujú prekážky, ktoré bránia jej prijatiu. Tu sú niektoré výzvy, ktorým firmy bežne čelia:

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 ako ľudia, 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 farmaceutickom priemysle

S pomocou umelej inteligencie môžu byť výskumníci inovatívnejší, lekári môžu lepšie plniť požiadavky presnej medicíny a farmaceutické spoločnosti môžu rýchlejšie uvádzať na trh lieky, ktoré menia život.

Súčasné trendy naznačujú, že transformácia umelej inteligencie, ku ktorej dnes dochádza vo farmaceutickom priemysle, bude pokračovať aj v budúcnosti. Každý rok napríklad stúpa počet partnerstiev medzi farmaceutickými a technologickými spoločnosťami, ako aj obrovské investície do startupov v oblasti medicínskych technológií a umelej inteligencie.

Hlavné farmaceutické spoločnosti tiež čoraz viac zdieľajú údaje. 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.

Zdroje informácií

Preskúmať priemyselné riešenia spoločnosti Microsoft

Modernizujte svoj výskum a vývoj (R&D) a dodávajte nové produkty rýchlejšie s riešeniami umelej inteligencie využívajúcimi Microsoft Cloud.

Ďalšie informácie