Terobosan Medis yang Dipimpin AI: Menggunakan Kecerdasan Buatan untuk Penemuan Obat Baru

Penemuan obat dikenal sebagai “dari meja ke tempat tidur” karena durasi yang lama dan biaya yang tinggi. Butuh sekitar 11 hingga 16 tahun dan antara $1 miliar hingga $2 miliar untuk membawa obat ke pasar. Namun sekarang AI merevolusi pengembangan obat, memberikan kecepatan dan profitabilitas yang lebih baik.

AI dalam pengembangan obat telah mengubah pendekatan dan strategi kita terhadap penelitian biomedis dan inovasi. Ini telah membantu peneliti mengurangi kompleksitas jalur penyakit dan mengidentifikasi target biologis.

Mari kita lihat lebih dalam apa yang dimiliki AI dalam penemuan obat untuk masa depan.

Mengerti Peran AI: Bagaimana AI Digunakan untuk Penemuan Obat?

AI telah meningkatkan berbagai tahap proses penemuan obat dengan kemampuan untuk menganalisis sejumlah besar data dan membuat prediksi yang kompleks. Berikut adalah bagaimana:

1. Identifikasi Target

Identifikasi target adalah proses pertama penemuan obat yang melibatkan mengidentifikasi entitas molekuler yang mungkin seperti protein, enzim, dan reseptor yang hadir dalam tubuh yang dapat bergabung dengan obat untuk menghasilkan efek terapeutik melawan penyakit.

AI dapat menggunakan basis data klinis yang besar yang mencakup informasi kunci tentang identifikasi target. Sumber data ini dapat mencakup penelitian biomedis, informasi biomolekuler, data klinis, struktur protein, dan lain-lain.

Model AI yang dilatih bersama dengan teknik biomedis seperti ekspresi gen dapat memahami penyakit biologis yang kompleks dan mengidentifikasi target biologis untuk kandidat obat. Misalnya, peneliti telah mengembangkan berbagai teknik AI untuk identifikasi target anti-kanker baru.

2. Seleksi Target

AI dalam penemuan obat dapat membantu peneliti memilih target yang menjanjikan berdasarkan korelasi penyakit dan utilitas terapeutik yang diprediksi. Dengan pengenalan pola yang kuat, AI dapat membuat seleksi ini berdasarkan tidak hanya literatur medis yang dinyatakan tetapi juga memilih target baru tanpa referensi sebelumnya dalam paten yang dipublikasikan.

3. Prioritisasi Obat

Pada tahap ini, AI mengevaluasi dan menilai senyawa obat utama, memprioritaskan mereka untuk penilaian dan penelitian lebih lanjut untuk memajukan pengembangan mereka. Dibandingkan dengan teknik peringkat sebelumnya, pendekatan berbasis AI lebih efektif dalam mengidentifikasi kandidat yang paling menjanjikan. Misalnya, peneliti telah mengembangkan kerangka kerja komputasi berbasis Deep Learning untuk mengidentifikasi dan memprioritaskan obat baru untuk penyakit Alzheimer.

4. Pemeriksaan Senyawa

Model AI dapat memprediksi sifat kimia dan bioaktivitas senyawa dan memberikan wawasan tentang efek sampingan. Mereka dapat menganalisis data dari berbagai sumber, termasuk studi sebelumnya dan basis data, untuk mengidentifikasi risiko atau efek sampingan yang terkait dengan senyawa tertentu. Misalnya, peneliti telah mengembangkan alat Deep Learning untuk menyaring perpustakaan kimia dengan miliaran molekul untuk mempercepat eksplorasi senyawa skala besar.

5. Desain Obat De Novo

Pemeriksaan manual koleksi besar senyawa telah menjadi praktik tradisional dalam penemuan obat. Dengan AI, peneliti dapat menyaring senyawa baru dengan atau tanpa informasi sebelumnya dan juga memprediksi struktur 3D akhir dari obat yang ditemukan. Misalnya, AlphaFold, yang dikembangkan oleh DeepMind, adalah sistem AI yang dapat memprediksi struktur protein. Ini mempertahankan basis data lebih dari 200 juta prediksi struktur protein yang dapat mempercepat proses desain obat.

5 Contoh Penemuan Obat Berbasis AI yang Sukses

1) Abaucin

Antibiotik membunuh bakteri. Namun karena kekurangan obat baru dan evolusi resistensi bakteri yang cepat terhadap obat lama, bakteri menjadi sulit diobati. Abaucin, sebuah antibiotik eksperimental yang dikembangkan oleh AI, dirancang untuk membunuh Acinetobacter baumannii, salah satu bakteri superbug paling berbahaya.

Menggunakan AI, peneliti pertama kali menguji ribuan obat untuk melihat seberapa baik mereka bekerja melawan bakteri, Acinetobacter baumannii. Kemudian informasi ini digunakan untuk melatih AI untuk mengembangkan obat yang dapat mengobati dengan efisien.

2) Target X oleh Insilico Medicine

Insilico Medicine menggunakan platform AI Generatif dan menciptakan obat yang disebut Target X, yang sekarang dalam uji klinis Fase 1. Target X dirancang untuk mengobati Fibrosis Paru Idiopatik, penyakit yang dapat menyebabkan kekakuan paru pada individu lanjut usia jika tidak diobati. Fase 1 akan melibatkan 80 peserta, dan setengahnya akan menerima dosis yang lebih tinggi secara bertahap. Ini akan membantu mengevaluasi bagaimana molekul obat berinteraksi dengan tubuh manusia.

3) VRG50635 oleh Verge Genomic

Verge Genomics, sebuah perusahaan penemuan obat berbasis AI, menggunakan platform AI CONVERGE untuk menemukan senyawa baru, VRG-50635, untuk pengobatan ALS dengan menganalisis titik data manusia. Titik data ini mencakup informasi tentang jaringan otak dan sumsum tulang belakang pasien dengan penyakit neurodegeneratif seperti Parkinson, ALS, dan Alzheimer.

Platform ini pertama kali menemukan enzim PIKfyve sebagai target yang mungkin untuk ALS dan kemudian menyarankan VRG50635 sebagai inhibitor PIKfyve yang menjanjikan, yang menjadi kandidat obat potensial untuk mengobati ALS. Proses ini memakan waktu sekitar empat tahun, dan sekarang kandidat tersebut dalam fase 1 uji klinis manusia.

4) Exscientia-A2a Receptor

Exscientia, sebuah perusahaan MedTech AI, bertanggung jawab atas molekul yang dirancang oleh AI pertama untuk pengobatan imunoonkologi – bentuk pengobatan kanker yang menggunakan sistem kekebalan tubuh untuk melawan sel kanker. Obat AI mereka telah memasuki fase uji klinis manusia. Potensinya terletak pada kemampuan untuk menargetkan reseptor A2a untuk mempromosikan aktivitas anti-tumor sambil memastikan efek sampingan yang lebih sedikit pada tubuh dan otak.

Menggunakan AI Generatif, mereka telah menciptakan beberapa senyawa lain untuk menargetkan berbagai penyakit seperti

• Kanker yang bergantung pada transkripsi dengan menargetkan inhibitor CDK7
• Penyakit peradangan dengan menargetkan enzim PKC-teta
• Penyakit hematologi dan onkologi dengan menargetkan regulator LSD1

5) Absci-de Novo Antibodi dengan Zero-Shot Generative AI

Absci, sebuah perusahaan penemuan obat berbasis AI Generatif, telah menunjukkan penggunaan AI generatif zero-shot untuk menciptakan antibodi de novo melalui simulasi komputer. Pembelajaran zero-shot berarti bahwa model AI tidak pernah diuji secara eksplisit pada informasi input saat ini selama fase pelatihan. Oleh karena itu, proses ini dapat menghasilkan desain antibodi baru secara mandiri.

Antibodi terapi de novo yang ditenagai oleh AI memotong waktu yang dibutuhkan untuk mengembangkan kandidat obat baru dari enam tahun menjadi hanya 18 hingga 24 bulan, meningkatkan kemungkinan keberhasilan mereka dalam klinis. Teknologi perusahaan dapat menguji dan memvalidasi 3 juta desain yang dihasilkan AI setiap minggu. Pengembangan baru ini dapat memberikan terapi baru secara instan kepada setiap pasien, menandai perubahan signifikan dalam industri.

Apa yang Dimiliki Masa Depan AI & Penemuan Obat?

Selain banyak aplikasi kesehatan lainnya, AI membuat proses penemuan obat lebih cepat dan lebih cerdas dengan menganalisis sejumlah besar data dan memprediksi target dan kandidat obat yang menjanjikan. Dengan menggunakan AI generatif, perusahaan biotek dapat mengidentifikasi penanda respons pasien dan mengembangkan rencana pengobatan pribadi dengan cepat.

Laporan menunjukkan bahwa segera, lebih banyak perusahaan MedTech akan mengintegrasikan AI dan ML ke dalam penemuan obat tahap awal, yang akan membantu menciptakan pasar sebesar $50 miliar dalam sepuluh tahun ke depan, menciptakan potensi pertumbuhan yang signifikan dari AI dalam farmasi. AI berpotensi mengurangi biaya penemuan obat secara keseluruhan, membuat lebih banyak obat baru tersedia bagi pasien dengan lebih cepat.

Jika Anda ingin tahu lebih lanjut tentang AI dan bagaimana AI akan membentuk masa depan kita, kunjungi unite.ai.