Wed. Jul 24th, 2024

Φάρμακα που δημιουργούνται με χρήση τεχνητής νοημοσύνης θα μπορούσαν να έρθουν σε έναν πάγκο φαρμακείου κοντά σας — αλλά το πόσο σύντομα εξαρτάται από το αν θα ανταποκριθούν στη διαφημιστική εκστρατεία των κλινικών δοκιμών.

Η τεχνητή νοημοσύνη μπορεί να έχει γίνει το τσιτάτο του 2023, αλλά μεγάλες φαρμακευτικές εταιρείες και νεοφυείς επιχειρήσεις επενδύουν στην τεχνολογία εδώ και χρόνια .

Το 2020, η Exscientia με έδρα τη Βρετανία έγινε η πρώτη εταιρεία που ξεκίνησε δοκιμές σε ανθρώπους για ένα μόριο φαρμάκου σχεδιασμένο από AI, με τις ελπίδες να θεραπεύσει την ιδεοψυχαναγκαστική διαταραχή.

Από τότε, δεκάδες φάρμακα που λειτουργούν με τεχνητή νοημοσύνη έχουν εισέλθει σε κλινικές δοκιμές και πολλά άλλα είναι καθ' οδόν.

Εάν αυτές οι δοκιμές είναι επιτυχείς, η τεχνητή νοημοσύνη θα μπορούσε να ανατρέψει τη διαδικασία ανακάλυψης φαρμάκων. Οι ερευνητές συνήθως περνούν χρόνια κοιτάζοντας πλήθος δεδομένων και αποτελεσμάτων δοκιμών για να προσεγγίσουν πολλά υποσχόμενα φάρμακα στο εργαστήριο – μόνο που πολλοί αποτυγχάνουν κατά τη διάρκεια κλινικών δοκιμών.

Τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να βελτιώσουν τις πιθανότητες βοηθώντας τους ερευνητές να εντοπίσουν τον σωστό στόχο στο σώμα για μια συγκεκριμένη ασθένεια, στη συνέχεια να βρουν ή ακόμα και να δημιουργήσουν το κατάλληλο μόριο για να αλληλεπιδράσουν μαζί της και, τέλος, να προβλέψουν ποιους ασθενείς θα μπορούσε να βοηθήσει. Οι φαρμακευτικές εταιρείες θα μπορούσαν στη συνέχεια να επενδύσουν μόνο στις πιο ευνοϊκές επιλογές, περιορίζοντας μεγάλο μέρος των πρώιμων δοκιμών και σφαλμάτων.

Δεν είναι μια σίγουρη στρατηγική: η δοκιμή OCD της Exscientia, για παράδειγμα, έκλεισε το 2021 αφού απέτυχε να επιτύχει τους στόχους της. Αλλά τελικά, ο στόχος είναι να φέρουμε φθηνότερα φάρμακα στους ασθενείς γρηγορότερα, φέρνοντας παράλληλα κέρδη δισεκατομμυρίων δολαρίων.

«Απλώς από την ανακάλυψη φαρμάκων μέχρι την κλινική ανάπτυξη, αυτό το διάστημα είναι περίπου πεντέμισι χρόνια», δήλωσε ο Aarti Chitale, ανώτερος αναλυτής του κλάδου για την υγειονομική περίθαλψη και τις επιστήμες της ζωής στη συμβουλευτική εταιρεία Frost & Sullivan. «Μερικοί από τους κορυφαίους προμηθευτές τεχνητής νοημοσύνης είναι σε θέση να μειώσουν αυτή τη διάρκεια μόνο σε περίπου 18 μήνες».

Τα χρήματα πέφτουν

Οι επενδυτές σημείωσαν την ευκαιρία, επενδύοντας τουλάχιστον 10 δισεκατομμύρια δολάρια [9,1 δισεκατομμύρια ευρώ] σε νεοφυείς επιχειρήσεις που στοχεύουν στην τεχνητή νοημοσύνη στην πρώιμη ανάπτυξη φαρμάκων από το 2019, ενώ οι ευρωπαϊκοί φαρμακευτικοί κολοσσοί έχουν ανακοινώσει μεγάλες συμφωνίες για να επεκτείνουν τις δυνατότητές τους σε τεχνητή νοημοσύνη.

Η γαλλική Sanofi, για παράδειγμα, υπέγραψε ένα σύμφωνο 1,2 δισ. $ [1,1 δισ. ευρώ] με την Atomwise για την ταξινόμηση μικρών μορίων το 2022, ενώ η βρετανο-σουηδική AstraZeneca επέκτεινε τη συνεργασία της με την BenevolentAI του Ηνωμένου Βασιλείου για να αναζητήσει θεραπείες για τον συστηματικό ερυθηματώδη λύκο και την καρδιά. ανεπάρκεια, εκτός από τη χρόνια νεφρική νόσο και την ιδιοπαθή πνευμονική ίνωση.

Από το 2022, υπήρχαν σχεδόν 270 εταιρείες που εργάζονταν για την ανακάλυψη φαρμάκων με τεχνητή νοημοσύνη σε όλο τον κόσμο, με τη Δυτική Ευρώπη να λειτουργεί ως αναπτυσσόμενος κόμβος, σύμφωνα με την εταιρεία συμβούλων McKinsey & Co.

«Πιστεύουμε ότι υπάρχει τεράστια υπόσχεση από την τεχνητή νοημοσύνη όσον αφορά την ανάπτυξη φαρμάκων», δήλωσε ο Peter Arlett, επικεφαλής ανάλυσης δεδομένων και μεθόδων για τον Ευρωπαϊκό Οργανισμό Φαρμάκων , ο οποίος επιβλέπει τα φαρμακευτικά προϊόντα για την Ευρωπαϊκή Ένωση.

Σημειωτέον, η χρήση της τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων θεωρείται γενικά χαμηλού κινδύνου , επειδή εάν ένα πιθανό φάρμακο αποτύχει, αποτυγχάνει σε μια προσομοίωση και όχι σε έναν ασθενή. Αντίθετα, η τεχνητή νοημοσύνη πιθανότατα ενέχει μεγαλύτερο κίνδυνο σε μεταγενέστερα στάδια ανάπτυξης φαρμάκων, δεδομένης της πιθανότητας ηθικών ζητημάτων, των κινδύνων ανθρώπινων μεροληψιών να λειτουργήσουν σε αλγόριθμους ή λανθασμένων αναλύσεων δεδομένων που χρησιμοποιούνται στην αίτηση ενός φαρμάκου για ρυθμιστική έγκριση.

Ρυθμίζοντας φαρμακευτική τεχνητή νοημοσύνη

Καθώς οι φαρμακευτικές εταιρείες στηρίζονται περισσότερο στην τεχνητή νοημοσύνη σε όλο τον θεραπευτικό αγωγό, οι ρυθμιστικές αρχές προσπαθούν να εξασφαλίσουν ότι αυτά τα εργαλεία χρησιμοποιούνται με ασφάλεια. Ο EMA δημοσίευσε ένα προσχέδιο έγγραφο αυτό το καλοκαίρι σχετικά με την πορεία προς τα εμπρός για την τεχνητή νοημοσύνη στην ανάπτυξη φαρμάκων και θα διοργανώσει ένα εργαστήριο τον Νοέμβριο για να ζητήσει σχόλια από τον φαρμακευτικό τομέα και άλλα ενδιαφερόμενα μέρη.

«Το βλέπουμε ως την αρχή, την αρχή, της καθοδήγησης και της ρύθμισης [AI] στον φαρμακευτικό τομέα», δήλωσε ο Arlett, ο οποίος είναι επίσης συμπρόεδρος του Big Data Steering Group του EMA.

Το έγγραφο προβληματισμού πρόκειται να οριστικοποιηθεί μέχρι τα τέλη του 2024, αλλά πιθανότατα θα «αλλάξει σημαντικά» πριν από τότε με βάση τα εξωτερικά σχόλια, είπε ο Arlett. Αν και το έγγραφο δεν θα είναι δεσμευτικό, θα προσφέρει μια πιο συγκεκριμένη εικόνα των ρυθμιστικών οδηγιών που θα έρθουν το 2025 ή το 2026, τις οποίες αναμένεται να ακολουθήσουν οι φαρμακευτικές εταιρείες.

Προχωρώντας στο εργαστήριο του Νοεμβρίου, ο Arlett είπε ότι οι ρυθμιστικές αρχές συμφωνούν σε γενικές γραμμές ότι θα πρέπει να κατηγοριοποιήσουν τους κινδύνους της τεχνητής νοημοσύνης για διαφορετικούς σκοπούς, έτσι ώστε «να μην ρυθμίζουμε υπερβολικά τις περιπτώσεις όπου η χρήση της τεχνητής νοημοσύνης μπορεί να είναι απλώς μια βασική διαδικασία και να μην επηρεάζει το όφελος- ισοζύγιο κινδύνου για ένα φάρμακο».

Ακόμα κι έτσι, είπε ότι οι ρυθμιστικές αρχές θα πρέπει να έχουν τουλάχιστον κάποια πρόσβαση στους αλγόριθμους των φαρμακοποιών και στα δεδομένα που χρησιμοποιούνται για την εκπαίδευση των μοντέλων τους κατά τη διαδικασία ανακάλυψης, καθώς και πληροφορίες σχετικά με τον τρόπο με τον οποίο χρησιμοποιούνται οι αλγόριθμοι για τη διαχείριση των φαρμάκων αφού εγκριθούν — για παράδειγμα , εάν ένας αλγόριθμος βοηθά στον προσδιορισμό των δόσεων ινσουλίνης ενός ασθενούς, ο EMA θέλει να μάθει πώς λειτουργεί. Το επίπεδο διαφάνειας που θα απαιτηθεί είναι ακόμη υπό συζήτηση.

«Επειδή ο αλγόριθμος μαθαίνει, θα χρειαστεί πιθανώς να σκεφτούμε καινοτόμα πώς το επιβλέπουμε αυτό», είπε ο Arlett. "Το υπάρχον πλαίσιο, το οποίο είναι μάλλον αυστηρό και πολύ δομημένο … μπορεί να μην είναι το βέλτιστο για κάτι που είναι τόσο γρήγορο όσο ένας αλγόριθμος μάθησης."

Η βιομηχανία ανταποκρίνεται

Η φαρμακοβιομηχανία μένει ασυγκίνητη ενόψει του εργαστηρίου του Νοεμβρίου, αν και στελέχη από ορισμένες κορυφαίες εταιρείες, συμπεριλαμβανομένης της Exscientia, αντέκρουσαν τις προτάσεις για τη θέσπιση κανονισμών ανακάλυψης φαρμάκων ειδικά για την τεχνητή νοημοσύνη.

Σε μια δήλωση, ο εμπορικός όμιλος European Federation of Pharmaceutical Industries and Associations, με έδρα τις Βρυξέλλες, ανέφερε ότι οι νέες πολιτικές τεχνητής νοημοσύνης θα πρέπει να "εξισορροπούν τα οφέλη και τους κινδύνους της τεχνητής νοημοσύνης ενώ παράλληλα υποστηρίζουν και ενθαρρύνουν την καινοτομία" και ότι "έχουμε ήδη ένα ισχυρό πλαίσιο για το χειρισμό στατιστικών και προγνωστικά μοντέλα και λογισμικό που θα εφαρμοστούν σε πολλές χρήσεις της τεχνητής νοημοσύνης στην ανάπτυξη φαρμάκων».

Ανεξάρτητα από τις επικείμενες αλλαγές στο ρυθμιστικό τοπίο, οι φαρμακοποιοί πρέπει ακόμα να καταλάβουν πώς να φέρουν στην αγορά φάρμακα που υποστηρίζονται από τεχνητή νοημοσύνη – και να αποδείξουν ότι είναι πιο ωφέλιμα από τις υπάρχουσες θεραπείες. Τελικά, η κλινική επιτυχία θα είναι ο καθοριστικός παράγοντας για το πόσο ευρέως χρησιμοποιείται η τεχνητή νοημοσύνη για την ανακάλυψη φαρμάκων, αντί για εξοικονόμηση χρόνου ή κόστους, όπως σημειώνεται από το Boston Consulting Group .

Μετασχηματίζοντας φαρμακείο

Ο κλάδος αντιμετωπίζει και άλλες προκλήσεις. Τα μοντέλα τεχνητής νοημοσύνης και μηχανικής μάθησης χρειάζονται ισχυρά, υψηλής ποιότητας σύνολα δεδομένων για να λειτουργήσουν καλά και δεν υπάρχει ακόμη στην Ευρώπη ένα κεντρικό αποθετήριο για τους κατασκευαστές φαρμάκων. Επιπλέον, οι περισσότερες επενδύσεις τα τελευταία πέντε χρόνια έγιναν σε χώρες υψηλού εισοδήματος και επικεντρώθηκαν στους κερδοφόρους τομείς της ογκολογίας και της νευρολογίας, αφήνοντας τις μολυσματικές ασθένειες – οι οποίες φέρουν πολύ μεγαλύτερη επιβάρυνση για την υγεία παγκοσμίως – να υποεπενδύονται, εξαιρουμένου του Covid-19.

Η παγκόσμια οικονομική αβεβαιότητα θα μπορούσε επίσης να επιβραδύνει την πρόοδο για μικρότερες επιχειρήσεις και νεοφυείς επιχειρήσεις, είπε ο Chitale. Ενώ η χρηματοδότηση επιχειρηματικών κεφαλαίων για νεοφυείς επιχειρήσεις ανακάλυψης φαρμάκων με τεχνητή νοημοσύνη εκτινάχθηκε στα ύψη το 2021, φθάνοντας τα 4,7 δισ. $ [4,3 δισ. ευρώ], το επίπεδο αυτό ήταν πολύ χαμηλότερο το 2022 και το 2023, σύμφωνα με μια ευρύτερη επιβράδυνση των επενδύσεων, σύμφωνα με την εταιρεία ανάλυσης CB Insights.

Ακόμα κι έτσι, οι παίκτες του κλάδου, οι ακαδημαϊκοί και οι χρηματοδότες πιστεύουν ότι η τεχνητή νοημοσύνη είναι έτοιμη να μεταμορφώσει τον φαρμακευτικό τομέα. Σε μια πρόσφατη έρευνα , το 84 τοις εκατό όσων χρησιμοποιούν αυτήν τη στιγμή AI δήλωσαν ότι αναμένουν ότι θα διαδραματίσει σημαντικό ρόλο στην ανακάλυψη φαρμάκων τα επόμενα πέντε χρόνια, σε σύγκριση με το 70 τοις εκατό μεταξύ εκείνων που δεν χρησιμοποιούν AI.

Στην Ευρώπη, η χρήση της τεχνητής νοημοσύνης δεν περιορίζεται στα αρχικά στάδια της έρευνας για πιθανά υπερπαραγωγικά φάρμακα. Η EFPIA, ο εμπορικός όμιλος της βιομηχανίας φαρμάκων, δήλωσε ότι οι μεγάλες φαρμακευτικές εταιρείες "χρησιμοποιούν προσεγγίσεις AI και ML σε ολόκληρο τον κύκλο ζωής της ανάπτυξης φαρμάκων" — από την ανακάλυψη και την παρασκευή φαρμάκων μέχρι την παρακολούθηση της ασφάλειας και πέρα από αυτό.

source

Leave a Reply

Your email address will not be published. Required fields are marked *