Connect with us

Sundhedsvæsen

Lægemiddel Udviklet Med AI Er Klar Til At Starte Kliniske Forsøg

mm

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

Exscientia udviklede lægemidlet med brug 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 indskrænke 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 brug for at teste omkring 350 compounder, hvilket var omkring en femtedel af det normale antal compounder, 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 medicinalkemi har altid været en langsom og møjsommelig proces. Exscientia kan gøre dette i mange færre skridt, hvilket er virkelig imponerende, og det kommer fra meget solide videnskabelige principper.”

Exscientia vil arbejde sammen med andre farmaceutiske virksomheder som Sanofi og Bayer i et forsøg på at finde nye behandlinger for sygdomme. Mens det er blevet hævdet, at DSP-1181 er det første lægemiddel designet med en AI, der bliver brugt i en klinisk forsøg, rapporterede ScienceMag, at mange andre compounder allerede har set humane forsøg, herunder nogle lægemidler, der er testet til at behandle tilstande som Parkinsons sygdom og slag.

Selvom Exscientias præstationer er imponerende, 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 lægemidlerne, der opdages af AI, vil være af særlig nytte. Det kan være, at lægemidlerne, der opdages, er ekstremt lignende molekyler, som mennesker allerede har studeret. Når dette kombineres med det faktum, at en effektiv udnyttelse af et lægemiddel afhænger af, at videnskabsmænd forstår naturen af sygdommen, de forsøger at behandle, kan AI-lægemiddeludviklingsstrategier ikke forandre landskabet for medicin så radikalt, som nogle mennesker håber. Endnu et problem, som AI-lægemiddelsvirksomheder vil have brug for at tackle, er spørgsmålet om regulering. FDA forsøger stadig at beslutte, hvordan de bedst regulerer lægemidler opdaget af AI-systemer, idet de overvejer, hvordan processen adskiller sig fra traditionel lægemiddelforskning, mens de forsøger at komme med reguleringstrategier.

Ifølge Vox, forklarede FDA-talsperson Jeremy Khan, at ethvert lægemiddel udviklet med AI’s assistance skal holdes op til de samme standarder som de nuværende lægemiddelmodeller, selvom der kan være forskelle i, hvordan lægemidlet opdages. Khan forklarede:

“Den fulde rolle for AI i lægemiddeludvikling er stadig under udredning, og interessenter forstår AI på forskellige måder, når de overvejer spektret af værktøjer og teknikker, der dækkes under denne samlebetegnelse. 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.