Sundhedsvæsen

Lægemiddel udviklet med AI skal starte kliniske forsøg

mm
Føj Unite.AI til dine foretrukne kilder på Google

AI-startup-virksomheden Exscientia har oprettet et nyt lægemiddelkomponent, der snart skal starte kliniske forsøg i Japan. Dette er ét af kun få tilfælde, hvor lægemidler udviklet med AI anvendes i en klinisk sammenhæng, og det kan bringe verden nærmere en bred anvendelse af AI i lægemiddeludvikling og -distribution. Den nye forbindelse blev udviklet i samarbejde med Sumitomo Dainippon Pharma, og i modsætning til traditionelt udviklede lægemidler vil det AI-udviklede stof starte kliniske forsøg på under ét år fra projektets start. Typisk lægemiddeludvikling tager omkring fire og en halv år.

Exscientia udviklede lægemidlet ved hjælp af en AI-platform, der anvendte forskellige algoritmer til at generere millioner af potentielle molekylekombinationer. AI’en filtrerede herefter gennem de genererede molekyler for at begrænse feltet til de bedste kandidater, der skulle syntetiseres og testes.

De kliniske forsøg kommer, mens investeringer i AI-drevet lægemiddeludvikling er på vej op. AI har potentialet til at gøre lægemiddelforskning hurtigere og billigere, med en gennemsnitlig udviklingsomkostning for lægemidler på omkring 2,6 milliarder dollars. Dette betyder, at nye behandlinger for sygdomme som hjertesygdom og kræft kan produceres hurtigere. Lægemidlet, der skal testes, kaldes DSP-1181. Andrew Hopkins, molekylærbiolog og administrerende direktør for Exscientia, forklarede til Financial Times, at forskerne kun havde behov for at teste omkring 350 forbindelser, hvilket var omkring en femtedel af det normale antal forbindelser, der typisk testes under lægemiddeludvikling.

John Bell, Regius-professor i medicin ved Oxford University, der ikke var involveret i forskningen, forklarede impacten af den seneste udvikling til Financial Times:

“Design og udvikling af molekyler gennem medicinsk kemi har altid været en langsom og besværlig proces. Exscientia kan gøre dette i mange færre trin, hvilket er virkelig imponerende, og det kommer fra meget solide videnskabelige principper.”

Exscientia vil arbejde sammen med andre farmaceutiske virksomheder som Sanofi (SNY ) og Bayer for at finde nye behandlinger for sygdomme. Selv om det er blevet hævdet, at DSP-1181 er det første lægemiddel designet med en AI, der anvendes i en klinisk prøve, rapporterede ScienceMag, at mange andre forbindelser allerede har set humane forsøg, herunder nogle lægemidler, der er testet til at behandle tilstande som Parkinsons sygdom og slag.

Så imponerende de præstationer af Exscientia er, er der nogle problemer, der ligger på vejen til AI-forbedret lægemiddeludvikling.

mens AI kan assistere i opdagelse og udvikling af lægemidler, er der ingen garanti for, at de lægemidler, der opdages af AI, er af særlig nytte. Det kan være, at de opdagede lægemidler er ekstremt lig molekyler, som mennesker allerede har studeret. Når dette kombineres med det faktum, at effektiv anvendelse af et lægemiddel afhænger af, at videnskabsmænd forstår naturen af den sygdom, de forsøger at behandle, kan AI-lægemiddeludviklingsstrategier ikke nødvendigvis forandre landskabet for medicin så radikalt, som nogle mennesker håber. Endnu et problem, som AI-lægemiddelvirksomheder vil have at tackle, er spørgsmålet om regulering. FDA forsøger stadig at afgøre, hvordan man bedst regulerer lægemidler opdaget af AI-systemer, mens man overvejer, hvordan processen adskiller sig fra traditionel lægemiddelforskning, og forsøger at udvikle reguleringstrategier.

Ifølge Vox forklarede FDA-talsperson Jeremy Khan, at alle lægemidler udviklet med AI-bistand skal holdes til samme standarder som de nuværende lægemiddelmodeller, selv om der kan være forskelle i, hvordan lægemidlet opdages. Khan forklarede:

“Den fulde rolle for AI i lægemiddeludvikling er stadig under udvikling, og interessenter forstår AI på forskellige måder med hensyn til spektret af værktøjer og teknikker, der dækkes under denne paraplybetegnelse. Vigtigt er, at de bevisstandarder, der er nødvendige for at støtte lægemiddelgodkendelser, forbliver de samme uanset de teknologiske fremskridt, der er involveret.”

Blogger og programmør med specialer i Machine Learning og Deep Learning emner. Daniel håber at hjælpe andre med at bruge AI's kraft til sociale formål.