Революция в фармацевтике: ИИ в области открытия новых лекарств

Фармацевтическая промышленность долгое время характеризовалась длительными и дорогостоящими процессами разработки лекарств. В среднем, выведение нового лекарства на рынок занимает более десяти лет и стоит около 2,6 миллиарда долларов. Это в значительной степени обусловлено высоким уровнем неудач лекарств во время клинических испытаний, где только около 10% кандидатов в лекарства, испытываемых на людях, в конечном итоге одобряются. Однако интеграция искусственного интеллекта (ИИ) и машинного обучения (МО) готова революционизировать открытие лекарств, потенциально сокращая время и стоимость разработки новых терапий.

Традиционный процесс открытия лекарств

Традиционно открытие лекарств включает несколько этапов: идентификация мишени, обнаружение хитов, оптимизация, доклинические испытания и клинические испытания. Каждый этап трудоемкий, требующий обширных испытаний и анализа данных. Процесс часто начинается с идентификации биологической мишени, связанной с заболеванием, за которым следует скрининг тысяч соединений для поиска потенциальных кандидатов в лекарства, известных как "хиты". Затем эти хиты оптимизируются для улучшения их эффективности, безопасности и фармакокинетических свойств. Наиболее значительным узким местом в этом процессе являются ранние стадии открытия лекарств, где исследователи должны просеивать огромные объемы данных и химических соединений для выявления перспективных кандидатов. Именно здесь ИИ и МО оказывают существенное влияние.

ИИ в идентификации мишеней

Идентификация мишени является первым и одним из наиболее важных шагов в открытии лекарств. Алгоритмы ИИ, особенно основанные на глубоком обучении, используются для анализа больших наборов данных биологической информации для выявления новых мишеней для разработки лекарств. Эти алгоритмы могут обрабатывать сложные биологические данные, такие как геномика, протеомика и транскриптомика, для обнаружения потенциальных мишеней, которые могут быть упущены при использовании традиционных методов.

Например, BenevolentAI, компания, базирующаяся в Великобритании, использует ИИ для анализа научной литературы и биологических данных для выявления новых лекарственных мишеней. В 2020 году BenevolentAI попала в заголовки новостей, когда идентифицировала барицитиниб как потенциальное лечение COVID-19, открытие, которое позже было подтверждено в клинических испытаниях. BenevolentAI обнаружила барицитиниб как потенциальный препарат для лечения COVID-19 всего за 90 минут вычислительного времени и 3 дня дополнительной работы человека

После идентификации мишени следующим шагом является поиск соединений, которые могут взаимодействовать с ней. Традиционно это включает высокопроизводительный скрининг больших химических библиотек, процесс, который является и трудоемким, и дорогостоящим. ИИ трансформирует обнаружение хитов, позволяя проводить виртуальный скрининг, где модели машинного обучения предсказывают сродство связывания тысяч соединений с целевым белком, значительно ускоряя процесс.

Такие компании, как Atomwise, используют ИИ для предсказания того, как маленькие молекулы будут взаимодействовать с белками, уменьшая количество соединений, которые необходимо синтезировать и тестировать в лаборатории. Платформа ИИ Atomwise была использована в более чем 100 проектах, ускоряя открытие потенциальных лекарств для таких заболеваний, как Эбола и рассеянный склероз.

ИИ в прогнозировании результатов клинических испытаний

Одно из самых многообещающих применений ИИ в открытии лекарств - это прогнозирование результатов клинических испытаний. Модели ИИ могут анализировать данные пациентов из предыдущих испытаний для выявления биомаркеров, которые предсказывают реакцию пациентов на новые лекарства. Это может помочь разработать более эффективные клинические испытания, снижая высокий уровень неудач, которые преследуют отрасль.

Например, стартап Owkin использует ИИ для прогнозирования результатов пациентов в клинических испытаниях, анализируя данные пациентов, включая медицинские изображения, геномику и электронные медицинские записи. Определяя, какие пациенты с наибольшей вероятностью получат пользу от конкретного лечения, ИИ может помочь персонализировать медицину и улучшить показатели успеха клинических испытаний.

Вызовы и направления будущего развития

Хотя ИИ очень перспективен для открытия лекарств, все еще есть вызовы, которые нужно преодолеть. Одним из основных препятствий является качество и доступность данных. Модели ИИ опираются на большие, высококачественные наборы данных для точных прогнозов, но большая часть данных в фармацевтической промышленности фрагментирована и не стандартизирована. Кроме того, интеграция ИИ в процесс открытия лекарств требует сотрудничества между экспертами по ИИ и фармацевтическими учеными, партнерство, которое все еще развивается. Еще одним вызовом является "черный ящик" некоторых моделей ИИ. Эти модели могут делать точные прогнозы, но их процессы принятия решений часто непрозрачны, что затрудняет для исследователей понимание того, как они пришли к конкретному результату. Этот недостаток интерпретируемости может быть препятствием для принятия ИИ в открытии лекарств.

По мере того как технология ИИ продолжает развиваться и становится доступным больше высококачественных данных, ИИ, вероятно, будет играть все более центральную роль в разработке новых терапий. Сокращая время и затраты, связанные с открытием лекарств, ИИ имеет потенциал для более быстрого доведения новых методов лечения до пациентов, в конечном итоге улучшая глобальные результаты здравоохранения.

Заключение

ИИ переформатирует ландшафт открытия лекарств, предлагая новые инструменты и методологии, которые могут ускорить разработку жизненно важных терапий. От идентификации мишеней до прогнозирования результатов клинических испытаний, ИИ и МО стимулируют инновации в фармацевтических исследованиях. Хотя вызовы остаются, потенциальные преимущества ИИ в открытии лекарств огромны, предвещая новую эру более быстрой, более эффективной и персонализированной медицины. Поскольку технология развивается быстрыми темпами, мы можем ожидать, что искусственный интеллект станет неотъемлемой частью процесса открытия лекарств, ведущей к будущему, где новые методы лечения достигают пациентов быстрее и с большей точностью.