Za hranicí hype: Odhalení skutečného dopadu generativní umělé inteligence v objevování léků

Od doby, kdy Insilico Medicine vyvinula lék na idiopatickou plicní fibrózu (IPF) pomocí generativní umělé inteligence, existuje rostoucí nadšení ohledně toho, jak tato technologie může změnit objevování léků. Tradiční metody jsou pomalé a drahé, takže myšlenka, že umělá inteligence může urychlit proces, upoutala pozornost farmaceutického průmyslu. Startupy vznikají, snažící se učinit procesy, jako je předpovídání molekulárních struktur a simulace biologických systémů, efektivnějšími. McKinsey Global Institute odhaduje, že generativní umělá inteligence může přidat 60 miliard až 110 miliard dolarů ročně do sektoru. Ale zatímco existuje mnoho nadšení, zůstávají významné výzvy. Od technických limitů po kvalitu dat a etické obavy je zřejmé, že cesta před námi je stále plná překážek. Tento článek se blíže podívá na rovnováhu mezi nadšením a realitou generativní umělé inteligence v objevování léků.

Hype kolem generativní umělé inteligence v objevování léků

Generativní umělá inteligence okouzluje farmaceutický průmysl svým potenciálem radikálně urychlit tradičně pomalý a drahý proces objevování léků. Tyto platformy umělé inteligence mohou simulkovat tisíce molekulárních kombinací, předpovídat jejich účinnost a dokonce předvídat nežádoucí účinky dlouho před zahájením klinických studií. Někteří odborníci z průmyslu předpovídají, že léky, které dříve trvaly deset let, budou vytvořeny za několik let, nebo dokonce měsíců s pomocí generativní umělé inteligence.

Startupy a zavedené společnosti využívají potenciál generativní umělé inteligence v objevování léků. Partnerství mezi farmaceutickými giganty a startupy umělé inteligence vedly k obchodním dohodám, se společnostmi jako Exscientia, Insilico Medicine a BenevolentAI, které získaly multi-milionové spolupráce. Přitažlivost umělé inteligence v objevování léků spočívá ve slibu vytvářet nové terapie rychleji a levněji, poskytující řešení jedné z největších výzev průmyslu: vysoké náklady a dlouhé lhůty uvedení nových léků na trh.

Rané úspěchy

Generativní umělá inteligence není jen hypotetickým nástrojem; již prokázala svou schopnost dosáhnout výsledků. V roce 2020 Exscientia vyvinula lékový kandidát na poruchu obsedantně-kompulzivní, který vstoupil do klinických studií méně než 12 měsíců po zahájení programu – časový rámec mnohem kratší než průmyslový standard. Insilico Medicine udělala titulky objevováním nových sloučenin pro fibrózu pomocí modelů vytvořených umělou inteligencí, dále demonstrující praktický potenciál umělé inteligence v objevování léků.

Mimo vývoj jednotlivých léků se umělá inteligence používá k řešení dalších úzkých míst v farmaceutickém potrubí. Například společnosti používají generativní umělou inteligenci k optimalizaci formulací a návrhu léků, předpovídání reakcí pacientů na konkrétní léčbu a objevování biomarkerů pro nemoci, které byly dříve obtížně cílitelné. Tyto rané aplikace ukazují, že umělá inteligence může skutečně pomoci řešit dlouhodobé výzvy v objevování léků.

Je generativní umělá inteligence přehnaná?

Uprostřed nadšení roste skepticismus ohledně toho, kolik z hype generativní umělé inteligence je založeno na realistických očekáváních a kolik je přehnaných očekávání. Zatímco úspěchy získávají titulky, mnoho projektů umělé inteligence v objevování léků selhalo při překladu raných slibů do skutečných klinických výsledků. Farmaceutický průmysl je proslulý svou pomalou reakcí, a překlad výpočtových předpovědí do účinných, trhu připravených léků zůstává úkolem.

Kritici poukazují na to, že složitost biologických systémů daleko přesahuje to, co současné modely umělé inteligence mohou plně pochopit. Objevování léků zahrnuje pochopení řady složitých molekulárních interakcí, biologických cest a pacientských faktorů. Zatímco generativní umělá inteligence je vynikající v datově řízených předpovědích, zápasí s nejistotami a nuancemi, které vznikají v lidské biologii. V některých případech léky, které umělá inteligence pomáhá objevit, nemusí projít regulační kontrolou, nebo mohou selhat ve pozdějších fázích klinických studií – něco, co jsme již viděli u tradičních metod vývoje léků.

Další výzvou je sama data. Algoritmy umělé inteligence závisí na masivních datech pro trénink, a zatímco farmaceutický průmysl má dostatek dat, jsou často šumivá, neúplná nebo zkreslená. Systémy generativní umělé inteligence vyžadují vysoce kvalitní, rozmanitá data pro přesné předpovědi, a tato potřeba odhalila mezeru v datové infrastruktuře průmyslu. Kromě toho, když systémy umělé inteligence příliš závisí na historických datech, riskují, že budou posilovat stávající předpojatosti místo skutečných inovací.

Proč průlom není snadný

Zatímco generativní umělá inteligence ukazuje slib, proces transformace nápadu vytvořeného umělou inteligencí na životaschopné terapeutické řešení je složitým úkolem. Umělá inteligence může předpovídat potenciální lékové kandidáty, ale ověření těchto kandidátů prostřednictvím preklinických a klinických studií je skutečnou výzvou.

Jedním z hlavních překážek je “černá skříňka” povaha algoritmů umělé inteligence. V tradičním objevování léků mohou výzkumníci sledovat každý krok vývojového procesu a pochopit, proč určitý lék je pravděpodobně účinný. Naopak, modely generativní umělé inteligence často produkují výsledky bez nabídky přehledu o tom, jak k těmto předpovědím dospěly. Tato neprůhlednost vytváří důvěryhodné problémy, protože regulátoři, zdravotničtí odborníci a dokonce i vědci mají potíže s plným důvěryhodněním řešení vytvořených umělou inteligencí bez pochopení základních mechanismů.

Kromě toho infrastruktura vyžadovaná pro integraci umělé inteligence do objevování léků se stále vyvíjí. Společnosti umělé inteligence spolupracují s farmaceutickými giganty, ale jejich spolupráce často odhaluje nesoulad v očekáváních. Farmaceutické společnosti, známé svou opatrnou, silně regulovanou přístup, jsou často váhají přijmout nástroje umělé inteligence v tempu, které očekávají startupy umělé inteligence. Aby generativní umělá inteligence dosáhla svého plného potenciálu, obě strany musí sladit očekávání ohledně sdílení dat, regulačních rámců a operačních postupů.

Skutečný dopad generativní umělé inteligence

Generativní umělá inteligence bezpochyby uvedla paradigmatickou změnu v farmaceutickém průmyslu, ale její skutečný dopad spočívá v doplňování, nikoli nahrazování, tradičních metod. Umělá inteligence může generovat přehledy, předpovídat potenciální výsledky a optimalizovat procesy, ale lidská odbornost a klinické testy jsou stále nezbytné pro vývoj nových léků.

Prozatím nejimmediativnější hodnota generativní umělé inteligence spočívá v optimalizaci výzkumného procesu. Exceluje v zúžení rozsáhlého pole molekulárních kandidátů, umožňujícím výzkumníkům soustředit svou pozornost na nejperspektivnější sloučeniny. Šetřením času a zdrojů v raných fázích objevování, umělá inteligence umožňuje farmaceutickým společnostem sledovat nové směry, které by jinak byly považovány za příliš nákladné nebo rizikové.

V dlouhodobém horizontu skutečný potenciál umělé inteligence v objevování léků bude pravděpodobně záviset na pokrocích v explainable AI, datové infrastruktuře a spolupráci napříč průmyslem. Pokud modely umělé inteligence mohou stát více transparentními, činíce své rozhodovací procesy jasnější pro regulátory a výzkumníky, mohlo by to vést k širšímu přijetí umělé inteligence napříč farmaceutickým průmyslem. Kromě toho, jak se kvalita dat zlepšuje a společnosti vyvíjejí robustnější postupy pro sdílení dat, systémy umělé inteligence se stanou lépe vybavenými pro průlomová objevování.

Závěrečné shrnutí

Generativní umělá inteligence okouzluje vědce, investory a farmaceutické manažery, a to z dobrého důvodu. Má potenciál transformovat, jak jsou léky objevovány, snižuje jak čas, tak náklady, a dodává inovativní terapie pacientům. Zatímco technologie prokázala svou hodnotu v raných fázích objevování léků, není ještě připravena transformovat celý proces.

Skutečný dopad generativní umělé inteligence v objevování léků se bude vyvíjet v nadcházejících letech, jak se technologie bude vyvíjet. Ale tento pokrok závisí na překonání výzev souvisejících s kvalitou dat, transparentností modelů a spoluprací v rámci farmaceutického ekosystému. Generativní umělá inteligence je nepochybně mocným nástrojem, ale její skutečná hodnota závisí na tom, jak je aplikována. Ačkoli současné nadšení může být přehnané, její potenciál je skutečný – a jsme teprve na počátku objevování toho, co může dosáhnout.