Упс! Не вдала спроба:(
Будь ласка, спробуйте ще раз.
preview
Анна Сергієнко
Анна Сергієнко Журналістка SPEKA
7 січня 2025 7 хвилин читання

Чи зробить штучний інтелект революцію у розробленні ліків?

Потенціал використання штучного інтелекту у відкритті та розробленні ліків викликає як захоплення, так і скептицизм серед науковців, інвесторів та громадськості. Деякі компанії й дослідники заявляють: «Штучний інтелект перебирає на себе розробку ліків». За останні роки інтерес до ШІ у фармацевтиці зумовив хвилю досліджень та інвестицій у цю сферу. Платформи на основі штучного інтелекту, як-от AlphaFold, яка отримала Нобелівську премію 2024 року за здатність точно передбачати структуру білків і створювати нові, демонструють перспективи пришвидшення розроблення ліків завдяки сучасним технологіям.

Однак не всі фахівці поділяють оптимізм. Ветерани галузі наголошують, що потенціал ШІ ще не підтверджений на практиці. Ліки, створені з його допомогою, не змогли змінити той факт, що 90% нових препаратів зазнають невдач у клінічних випробуваннях. Успіх ШІ в аналізі зображень не гарантує таких самих проривів у фармацевтиці.

Дуксін Сан, заступник декана з наукової роботи, професор фармації та фармацевтичних наук імені Чарльза Волгріна-молодшого з Мічиганського університету, та Крістіан Македонія, ад'юнкт-професор фармацевтичних наук цього ж університету, стежили за використанням ШІ у розробленні ліків. На їхню думку, ШІ ще не змінює правила гри, але й не є повною нісенітницею. Вони вважають ШІ не магічним інструментом, що автоматично перетворює будь-яку ідею на прорив, а корисним засобом, який за розумного використання може допомогти подолати основні причини невдач і зробити процес більш ефективним.

Сьогодні основна мета ШІ у розробленні ліків — скорочення часу та витрат. Для виведення одного препарату на ринок потрібно 10-15 років і $1-2 млрд. Однак залишається відкритим питання, чи здатний ШІ дійсно революціонізувати фармацевтичну галузь і підвищити рівень успішності розробок. SPEKA публікує переклад статті Дуксін Сана і Крістіана Македонії для The Conversation.

Штучний інтелект у розробленні ліків

За кожним препаратом у вашій аптеці стоять багато інших, які зазнали невдачі. Lummi За кожним препаратом у вашій аптеці стоять багато інших, які зазнали невдачі. Lummi

Штучний інтелект та машинне навчання використовують на всіх етапах створення ліків — від виявлення мішеней в організмі до відбору пацієнтів для клінічних випробувань.

Підписуйтеся на наші соцмережі

З 2010 по 2022 рік 20 стартапів у галузі ШІ створили 158 нових лікарських засобів, 15 з яких пройшли клінічні випробування. Деякі з цих препаратів змогли пройти доклінічне тестування в лабораторії та розпочати випробування на людях лише за 30 місяців, тоді як зазвичай для цього потрібно від 3 до 6 років. Це демонструє потенціал ШІ для пришвидшення розроблення ліків.

З іншого боку, хоча платформи ШІ можуть швидко ідентифікувати сполуки, які працюють на клітинах у чашці Петрі або на тваринних моделях, їхній успіх у клінічних випробуваннях, де часто трапляються невдачі, залишається непередбачуваним.

На відміну від інших галузей, де для навчання ШІ-моделей доступні великі набори високоякісних даних, наприклад, аналіз зображень та обробка мови, ШІ у розробленні ліків обмежений невеликими наборами даних низької якості. Важко генерувати набори даних про клітини, тварин або людей, що стосуються ліків, для мільйонів і мільярдів сполук. Хоча AlphaFold є проривом у прогнозуванні білкових структур, залишається незрозумілим, наскільки точним він може бути для розроблення ліків. Незначні зміни у структурі ліків можуть суттєво вплинути на їхню активність в організмі, а отже, на ефективність у лікуванні хвороб.

Упередження виживання

Як і ШІ, минулі інновації у розробленні ліків, як-от комп'ютерний дизайн ліків, проєкт «Геном людини» та високопродуктивний скринінг, за останні 40 років покращили окремі етапи процесу, але рівень невдач у розробленні ліків не зменшився.

Більшість дослідників ШІ можуть вирішувати конкретні завдання, якщо їм надаються високоякісні дані та чіткі питання. Але вони часто не мають повного уявлення про весь цикл розроблення ліків, фокусуючись на покращенні окремих етапів, а не на вирішенні глобальних проблем. Водночас багато вчених, які працюють над ліками, не мають достатньої підготовки у ШІ і машинному навчанні. Ці комунікаційні бар'єри можуть заважати вченим вийти за межі механіки поточних процесів розроблення та виявити першопричини невдач у створенні ліків.

Сучасні підходи до розроблення ліків, зокрема з використанням ШІ, можливо, потрапили у пастку упередження виживання, надмірно зосереджуючись на менш важливих аспектах процесу, ігноруючи основні проблеми, які найбільше впливають на невдачі. Це схоже на усунення пошкоджень крил літаків, які поверталися з полів битв у Другій світовій війні, ігноруючи фатальні уразливості у двигунах або кабінах літаків, які так і не повернулися. Дослідники часто надмірно зосереджуються на тому, як покращити окремі властивості ліків, а не на першопричинах невдач.

Літаки, що повертаються з бойових завдань, можуть вижити після влучень у крила, але ті, у яких пошкоджені двигуни або кабіни, мають менше шансів повернутися. Мартін Гранджин, МакГеддон, ВПС США / Wikimedia Commons, CC BY-SA Літаки, що повертаються з бойових завдань, можуть вижити після влучень у крила, але ті, у яких пошкоджені двигуни або кабіни, мають менше шансів повернутися. Мартін Гранджин, МакГеддон, ВПС США / Wikimedia Commons, CC BY-SA

Упередження виживання (англ. survivorship bias) — логічна хиба концентрації на людях або речах, які «вижили» у певному процесі, та, відповідно, нехтування тими, які не «вижили», через відсутність про них достатньої інформації. Це може привести до кількох варіантів хибних висновків.

Сучасний процес розроблення ліків працює як конвеєр, покладаючись на прапорець підходу з широким тестуванням на кожному етапі процесу. Хоча ШІ може скоротити час і вартість лабораторних доклінічних етапів цього конвеєра, він навряд чи зможе підвищити рівень успіху на більш дорогих клінічних етапах, які передбачають тестування на людях. Стабільний рівень невдач у клінічних випробуваннях, що становить 90%, незважаючи на 40 років вдосконалення процесу, підкреслює це обмеження.

Усунення першопричин

Невдачі ліків у клінічних випробуваннях пов’язані не лише з тим, як ці дослідження сплановані; вибір неправильних кандидатів для тестування в клінічних випробуваннях також є важливим чинником. Нові стратегії, керовані штучним інтелектом, можуть допомогти вирішити обидві ці проблеми.

Наразі три взаємозалежні чинники зумовлюють більшість невдач лікарських засобів: дозування, безпека та ефективність. Деякі ліки не спрацьовують, тому що вони занадто токсичні або небезпечні. Інші препарати не спрацьовують, бо вважаються неефективними, часто через те, що дозу не можна збільшити без шкоди для здоров'я.

Хоча сам по собі ШІ не може зробити революцію у розробленні ліків, він може допомогти усунути основні причини невдач ліків і спростити тривалий процес їхнього схвалення.

Підписуйтеся на наші соцмережі

50 UAH 150 UAH 500 UAH 1000 UAH 3000 UAH 5000 UAH
0
Прокоментувати
Інші матеріали

Apple Intelligence може з’явитися на Vision Pro у квітні

Анастасія Ковальова 10 годин тому

ChatGPT тепер може писати еротичний контент: що змінюється

Вікторія Рудзінська 15 лютого 2025 15:34

OpenAI офіційно відхилила пропозицію Маска на $97,4 млрд

Вікторія Рудзінська 15 лютого 2025 12:09

Meta інвестує в гуманоїдних роботів: чи змінять вони наш побут?

Вікторія Рудзінська 14 лютого 2025 22:40

Favbet Tech на ICE Barcelona 2025: технологічні прориви у сфері iGaming

Анна Старкова 14 лютого 2025 16:37