Problema de date din inima descoperirii de medicamente bazate pe inteligență artificială

Pe măsură ce inteligența artificială devine din ce în ce mai integrată în descoperirea de medicamente, poate cea mai importantă întrebare nu este cât de puternic va fi următorul model, ci ce date vor învăța aceste modele.

Extinderea recentă a Anthropic în domeniul dezvoltării de medicamente este cel mai recent semn că inteligența artificială se extinde dincolo de raționamentul general și în știința aplicată. Acest lucru reflectă o reală evoluție în domeniu și o creștere a încrederii că inteligența artificială poate redefini modul în care sunt descoperite noi medicamente. Dar dacă scopul este de a îmbunătăți ratele de succes clinic și nu doar de a accelera descoperirea, ar trebui să ne întrebăm dacă datele biologice care stau la baza acestor sisteme sunt capabile să le învețe ce arată biologia umană în realitate.

De ani de zile, industria s-a concentrat pe construirea de algoritmi din ce în ce mai sofisticați. Modele mai mari, mai multe calcule și arhitecturi mai bune au condus la progrese remarcabile în predicția structurii proteinelor, identificarea țintelor, proiectarea moleculară și alte domenii de cercetare biomedicală. Aceste inovații merită atenția pe care au primit-o.

Ce a primit mult mai puțină atenție este fundația biologică de sub ele.

Inteligența artificială este excepțional de bună la găsirea de modele. Dar nu poate distinge între biologia care este doar măsurabilă și biologia care este cu adevărat predictivă pentru ceea ce se întâmplă în rândul pacienților. Plafonul pentru descoperirea de medicamente bazate pe inteligență artificială va fi determinat în cele din urmă nu numai de inteligența modelului, ci și de fidelitatea datelor umane utilizate pentru a-l antrena, valida și testa. Dacă vrem ca inteligența artificială să ofere medicamente mai bune și nu doar ipoteze mai rapide, construirea unei infrastructuri de date biologice umane de înaltă calitate poate dovedi a fi la fel de importantă ca și construirea următoarei generații de inteligență artificială.

Inteligența artificială poate învăța doar din biologia pe care i-o oferim

Fiecare model de inteligență artificială este limitat de informațiile pe care le învață. Dezvoltarea de medicamente prezintă o provocare deosebit de dificilă, deoarece biologia este extraordinar de complexă. Boala umană este influențată de genetică, vârstă, sex, comorbidități, răspunsuri imune, expuneri la mediu și mii de căi moleculare interconectate care rămân parțial neînțelese.

În mod istoric, o mare parte a datelor experimentale utilizate în dezvoltarea de medicamente a provenit din studii pe animale, linii de celule imortalizate, sisteme in vitro simplificate și simulări computaționale. Aceste unelte au avansat știința biomedicală în mod semnificativ și rămân indispensabile în multe etape ale cercetării. Cu toate acestea, deceniile de experiență au demonstrat, de asemenea, că nu pot replica pe deplin fiziologia umană.

Aproximativ 90% din candidații la medicamente care intră în studii clinice în cele din urmă eșuează, lipsa de eficacitate și descoperirile de siguranță neașteptate reprezentând factori importanți. Deși mulți factori contribuie la aceste eșecuri, o temă recurentă este că modelele preclinice adesea luptă să prevadă ce se întâmplă în realitate în rândul pacienților.

Dacă sistemele de inteligență artificială sunt antrenate în primul rând pe date generate din modele care au limitări de translație cunoscute, nu ar trebui să fie surprinzător dacă aceste limitări persistă. Inteligența artificială poate recunoaște modele remarcabil de bine, dar nu poate inventa adevăruri biologice care nu au fost prezente în datele de antrenament.

Mai multe date nu sunt neapărat date mai bune

Comunitatea de inteligență artificială vorbește adesea despre legile de scalare: observația că seturile de date mai mari îmbunătățesc adesea performanța modelului. În biologie, cu toate acestea, cantitatea și calitatea nu sunt interschimbabile. Milioane de puncte de date colectate din sisteme experimentale care reflectă slab fiziologia umană pot oferi o valoare predictivă mai mică decât seturi de date mai mici generate direct din biologia umană clinic relevantă. Această distincție devine deosebit de importantă în dezvoltarea de medicamente, unde scopul nu este doar predicția, ci predicția care se traduce în rezultate clinice de succes.

Datele biologice umane de înaltă fidelitate se diferențiază de seturile de date de laborator tradiționale în mai multe moduri importante. Ele capturează funcția biologică și nu doar instantanee statice. Ele păstrează relațiile dintre țesuturi, arhitectura celulară, perfuzia, metabolismul și farmacologia. Ele incorporează istoricul pacientului, caracteristicile clinice, măsurătorile moleculare și răspunsurile funcționale în același sistem biologic. Cel mai important, ele măsoară biologia care există în realitate în oameni.

Pe măsură ce inteligența artificială devine din ce în ce mai capabilă să extragă modele subtile din date complexe, calitatea acestor modele devine inseparabilă de calitatea biologiei subiacente.

Următorul avantaj competitiv poate fi infrastructura de date umane

De-a lungul ultimilor ani, investiții uriașe au fost făcute în modelele de bază, infrastructura computațională și arhitecturile specializate de inteligență artificială. Mult mai puțină atenție a fost acordată infrastructurii necesare pentru a genera sistematic date biologice umane de înaltă calitate la scară largă.

Probele biologice umane sunt inerent limitate și necesită integrarea cu o formă de infrastructură de donații. Standardizarea rămâne o provocare. Protocoalele experimentale trebuie să fie reproduse. Metadatele trebuie să fie cuprinzătoare. Măsurătorile multiomice, imaginile, testele funcționale și contextul clinic trebuie să fie integrate în seturi de date suficient de consistente pentru învățarea computațională.

Nimic din toate acestea nu seamănă cu ingineria software tradițională. În schimb, necesită operațiuni biologice coordonate capabile să producă seturi de date reproduse, gata pentru reglementări, pe parcursul mai multor ani. Așa cum infrastructura cloud a devenit esențială pentru dezvoltarea software modern, infrastructura biologică umană poate deveni fundamentală pentru următoarea generație de terapii bazate pe inteligență artificială. Organizațiile care investesc în această infrastructură astăzi pot, în cele din urmă, modela ceea ce vor fi capabile să învețe modelele de inteligență artificială de mâine.

Reglementatorii se mișcă în această direcție

Importantly, această discuție se extinde dincolo de curiozitatea academică. Reglementatorii înșiși pun din ce în ce mai mult accentul pe dovezi relevante pentru oameni. FDA a extins sprijinul pentru Noi Metodologii de Abordare (NAM), stabilind căi prin care modelele computaționale, tehnologiile pe chip de organ, sistemele avansate in vitro și alte abordări relevante pentru oameni pot contribui la procesul de luare a deciziilor de reglementare.

Acestă schimbare recunoaște o realitate importantă. Pe măsură ce metodele computaționale devin mai sofisticate, încrederea în predicțiile lor depinde de încrederea în dovezile biologice care le susțin. Dacă un inteligență artificială mai bună necesită o validare mai bună, și o validare mai bună necesită date umane mai bune, atunci un inteligență artificială mai bună trebuie să necesite date umane mai bune care stau la baza fiecărui model.

Următorul deceniu va fi definit de calitatea datelor

Industria farmaceutică a experimentat mai multe revoluții tehnologice de la testarea de înaltă viteză la secvențierea de nouă generație. Fiecare a extins volumul de date disponibile, dar aplicarea inteligenței artificiale în acest domeniu reprezintă ceva diferit.

Sucsesul său depinde nu numai de producerea de mai multe date, ci și de producerea de date care reprezintă mai fidel biologia umană. Pe măsură ce modelele de bază devin din ce în ce mai accesibile, avantajele algoritmice singure pot deveni mai puțin durabile. Accesul la date biologice umane diferențiate și de înaltă calitate poate apărea în schimb ca unul dintre avantajele competitive definitorii în ecosistemul farmaceutic. Acest lucru este deosebit de adevărat dacă obiectivul final al industriei este îmbunătățirea ratelor de succes clinic și nu doar accelerarea descoperirii.

Intrarea Anthropic în dezvoltarea de medicamente reflectă progresele remarcabile pe care inteligența artificială le-a făcut în ultimii ani. Acest lucru subliniază, de asemenea, următoarea întrebare pe care industria trebuie să o răspundă. Dacă inteligența artificială are cu adevărat potențialul de a transforma medicina, ce fundație biologică vor sta aceste modele pe?

Viitorul descoperirii de medicamente bazate pe inteligență artificială va depinde, fără îndoială, de algoritmi mai buni. Dar poate depinde și mai mult de construirea infrastructurii de date biologice umane capabile să învețe aceste algoritmi ce arată biologia umană în realitate.