Моделі та платформи ШІ

За межами гіперболізації: розкриття справжнього впливу генеративного ІІ в відкритті ліків

mm
Додайте Unite.AI до бажаних джерел у Google

Відтоді, як Insilico Medicine розробила препарат для ідіопатичної легеневої фіброзу (ІЛФ) за допомогою генеративного ІІ, існує зростаюче захоплення тим, як ця технологія може змінити відкриття ліків. Традиційні методи є повільними та дорогими, тому ідея про те, що ІІ може прискорити процес, привернула увагу фармацевтичної промисловості. Стартапи з’являються, намагаючись зробити процеси, такі як передбачення молекулярних структур та симуляція біологічних систем, більш ефективними. McKinsey Global Institute оцінює, що генеративне ІІ може додати $60 млрд до $110 млрд щорічно до галузі. Однак, попри велике захоплення, залишаються суттєві виклики. Від технічних обмежень до якості даних та етичних проблем, зрозуміло, що шлях вперед все ще повний перешкод. Ця стаття детальніше розглядає баланс між захопленням та реальністю генеративного ІІ в відкритті ліків.

Гіперболізування генеративного ІІ в відкритті ліків

Генеративне ІІ захопило уяву фармацевтичної промисловості своїм потенціалом суттєво прискорити традиційно повільний та дорогий процес відкриття ліків. Ці платформи ІІ можуть симулювати тисячі молекулярних комбінацій, передбачати їх ефективність та навіть передбачати побічні ефекти ще до початку клінічних досліджень. Деякі експерти галузі передбачають, що препарати, які раніше потребували десятиліття для розробки, тепер будуть створені за кілька років або навіть місяців за допомогою генеративного ІІ.

Стартапи та встановлені компанії використовують потенціал генеративного ІІ для відкриття ліків. Партнерства між фармацевтичними гігантами та стартапами ІІ сприяли договореності, коли компанії, такі як Exscientia, Insilico Medicine та BenevolentAI, уклали багатомільйонні угоди. Захоплення ІІ-відкриття ліків полягає в його обіцянці створення нових терапевтичних засобів швидше та дешевше, надаючи рішення однієї з найбільших проблем галузі: висока ціна та тривалі терміни введення нових ліків на ринок.

Перші успіхи

Генеративне ІІ не є просто гіпотетичним інструментом; воно вже продемонструвало свою здатність давати результати. У 2020 році Exscientia розробила препарат для обсесивно-компульсивного розладу, який увійшов до клінічних досліджень менше ніж за 12 місяців після початку програми — термін, значно коротший за галузевий стандарт. Insilico Medicine зробила заголовки для відкриття нових сполук для фіброзу за допомогою моделей, згенерованих ІІ, ще раз продемонструвавши практичний потенціал ІІ в відкритті ліків.

Поза розробкою окремих препаратів ІІ використовується для вирішення інших проблем у фармацевтичному ланцюжку постачання. Наприклад, компанії використовують генеративне ІІ для оптимізації формул ліків та їхнього дизайну, передбачення реакції пацієнтів на певні лікування та відкриття біомаркерів для захворювань, які раніше були важко націлювані. Ці перші застосування вказують на те, що ІІ може допомогти вирішити довгостійні проблеми в відкритті ліків.

Чи перебільшено гіперболізування генеративного ІІ?

Серед захоплення зростає скептицизм щодо того, наскільки гіперболізування генеративного ІІ є обґрунтованим, а наскільки воно є перебільшеним. Хоча історії успіху привертають увагу, багато проектів ІІ-відкриття ліків не змогли перекласти свою ранню обіцянку у реальні клінічні результати. Фармацевтична галузь є відомою своєю повільністю, і переклад комп’ютерних передбачень у ефективні, готові до ринку ліки залишається складною задачею.

Критики вказують на те, що складність біологічних систем значно перевищує те, що можуть повністю зрозуміти сучасні моделі ІІ. Відкриття ліків включає розуміння ряду складних молекулярних взаємодій, біологічних шляхів та факторів, специфічних для пацієнтів. Хоча генеративне ІІ є чудовим у даних-передбаченні, воно бореться з невизначеністю та нюансами, які виникають у людській біології. У деяких випадках ліки, які допомагає відкрити ІІ, можуть не пройти перевірку регулюючих органів або можуть провалитися на пізніх стадіях клінічних досліджень — щось, що ми бачили раніше з традиційними методами відкриття ліків.

Іншим викликом є самі дані. Алгоритми ІІ залежать від величезних наборів даних для навчання, і хоча фармацевтична галузь має багато даних, вони часто шумні, неповні або упереджені. Системи генеративного ІІ вимагають високоякісних, різноманітних даних для точних передбачень, і ця потреба викрила пробіл у даних інфраструктурі галузі. Крім того, коли системи ІІ надто сильно залежать від історичних даних, вони ризикують підтримувати існуючі упередження, а не інновувати з真正 новими рішеннями.

Чому прорив не є простим

Хоча генеративне ІІ показало свою обіцянку, процес перетворення ідеї, згенерованої ІІ, у життєздатне терапевтичне рішення є складною задачею. ІІ може передбачати потенційних кандидатів на ліки, але перевірка цих кандидатів через доклінічні та клінічні дослідження — це місце, де починається справжня складність.

Одним із основних перешкод є “чорна скринька” алгоритмів ІІ. У традиційному відкритті ліків дослідники можуть простежити кожний крок процесу розробки та зрозуміти, чому певний препарат, ймовірно, буде ефективним. На відміну від цього, моделі генеративного ІІ часто дають результати без надання інформації про те, як вони прийшли до цих передбачень. Ця непрозорість створює питання довіри, оскільки регулюючі органи, фахівці охорони здоров’я та навіть вчені знаходять складно повністю довіряти рішенням, згенерованим ІІ, без розуміння основних механізмів.

Крім того, інфраструктура, необхідна для інтеграції ІІ у відкриття ліків, все ще розвивається. Компанії ІІ працюють з фармацевтичними гігантами, але їхнє співробітництво часто виявляє несумісні очікування. Фармацевтичні компанії, відомі своєю обережною, сильно регульованою підходом, часто неохоче приймають інструменти ІІ у темпі, який очікують стартапи ІІ. Для того, щоб генеративне ІІ досягло свого повного потенціалу, обидві сторони повинні узгодити угоди про обмін даними, нормативні рамки та робочі потоки.

Справжній вплив генеративного ІІ

Генеративне ІІ безумовно ввело парадигматичний зсув у фармацевтичній галузі, але його справжній вплив полягає в доповненні, а не заміні традиційних методів. ІІ може генерувати ідеї, передбачати потенційні результати та оптимізувати процеси, але людська експертиза та клінічні дослідження все ще є важливими для розробки нових ліків.

Наразі найбільш безпосереднє значення генеративного ІІ полягає в оптимізації процесу дослідження. Воно excels у звуженні великого пулу молекулярних кандидатів, дозволяючи дослідникам зосередити свою увагу на найбільш перспективних сполуках. Зберігаючи час і ресурси на ранніх стадіях відкриття, ІІ дозволяє фармацевтичним компаніям переслідувати нові напрямки, які раніше могли бути визнані надто дорогими або ризикованими.

У довгостроковій перспективі справжній потенціал ІІ в відкритті ліків, ймовірно, залежатиме від прогресу в пояснюванні ІІ, інфраструктурі даних та співробітництві галузі. Якщо моделі ІІ можуть стати більш прозорими, роблячи свої процеси прийняття рішень зрозумілішими регулюючим органам та дослідникам, це може привести до ширшого прийняття ІІ у фармацевтичній галузі. Крім того, коли якість даних покращиться та компанії розвиватимуть більш надійні практики обміну даними, системи ІІ стануть краще обладнані для відкриття проривних відкриттів.

Основне

Генеративне ІІ захопило уяву вчених, інвесторів та керівників фармацевтичних компаній, і не без причини. Воно має потенціал змінити відкриття ліків, скорочуючи час та вартість, а також надаючи інноваційні терапії пацієнтам. Хоча технологія продемонструвала свою цінність на ранніх стадіях відкриття ліків, вона ще не готова трансформувати весь процес.

Справжній вплив генеративного ІІ в відкритті ліків розгортатиметься у найближчі роки, оскільки технологія розвивається. Однак цей прогрес залежить від подолання викликів, пов’язаних з якістю даних, прозорістю моделей та співробітництвом у фармацевтичному ланцюжку постачання. Генеративне ІІ є безумовно потужним інструментом, але його справжня цінність залежить від того, як його застосовують. Хоча поточна гіперболізування може бути перебільшеним, його потенціал є справжнім — і ми тільки на початку відкриття того, що воно може досягти.

Доктор Техсін Зія є доцентом COMSATS University Islamabad, який має ступінь PhD з штучного інтелекту у Віденському технічному університеті, Австрія. Спеціалізується на штучному інтелекті, машинному навчанні, науці про дані та комп'ютерному баченні, він зробив значний внесок з публікаціями в авторитетних наукових журналах. Доктор Техсін також очолював різні промислові проекти як головний дослідник і служив консультантом з штучного інтелекту.