Η Τεχνητή Νοημοσύνη αλλάζει ακόμη και τα φάρμακά μας

Η φαρμακευτική βιομηχανία έχει δει επιταχυνόμενη ενσωμάτωση διαφόρων τεχνολογιών τεχνητής νοημοσύνης την τελευταία δεκαετία και το ενδιαφέρον αυξάνεται ραγδαία (φωτογραφία: ankitpharma.co.in).

Ο τύπος της τεχνητής νοημοσύνης (AI) που τρομάζει τους ηγέτες επιχειρήσεων, τους ειδικούς και τους ακτιβιστές σε όλο τον κόσμο, ονομάζεται «γενική τεχνητή νοημοσύνη» — αυτή που θα μπορούσε να «σκέφτεται» σχεδόν όπως οι άνθρωποι και η οποία θα μπορούσε γρήγορα να εξελιχθεί σε μια επικίνδυνη «υπερπληροφορία».

Υπάρχει η ιδέα ότι θα μπορούσε να εφευρεθεί τις πλησιέστερες δεκαετίες, αλλά σήμερα σίγουρα δεν είμαστε ακόμα εκεί. Ωστόσο, με τις πρόσφατες πρωτοποριακές προόδους στις τεχνολογίες βαθιάς εκμάθησης και επεξεργασίας φυσικών γλωσσών, όπως τα «Μακρά Γλωσσικά Μοντέλα» (LLMs), όλοι έχουμε αισθανθεί ότι ο κόσμος μπορεί πράγματι να αλλάζει πιο γρήγορα από ό,τι πίστευαν οι αρνητές τεχνητής νοημοσύνης.

Ας το παραδεχτούμε, μόνο λίγοι θα μπορούσαν να προβλέψουν μια τόσο ανησυχητικά αποτελεσματική δημόσια κυκλοφορία του πιο γενικευμένου μοντέλου τεχνητής νοημοσύνης όλων των εποχών — ChatGPT, από το OpenAI. Προσθέτοντας περισσότερα σε αυτό, ένας αγώνας LLMs έχει ξεκινήσει, με την Google να λανσάρει το Bard και άλλες εταιρείες να ακολουθούν το μονοπάτι.

Η φαρμακευτική βιομηχανία έχει δει επιταχυνόμενη ενσωμάτωση διαφόρων τεχνολογιών τεχνητής νοημοσύνης την τελευταία δεκαετία και το ενδιαφέρον αυξάνεται ραγδαία. Οι πιθανές επιπτώσεις αυτού του μετασχηματισμού εκτείνονται πέρα από τους παρόχους υγειονομικής περίθαλψης και τους ασθενείς που παλεύουν με δύσκολες ασθένειες, φτάνοντας και στον τομέα της βιοτεχνολογίας.

Με βάση τις προβλέψεις της Morgan Stanley Research, ακόμη και μικρές βελτιώσεις στα ποσοστά επιτυχίας ανάπτυξης φαρμάκων σε πρώιμο στάδιο, που διευκολύνονται από την τεχνητή νοημοσύνη και τη μηχανική μάθηση, ενδέχεται να οδηγήσουν σε επιπλέον 50 καινοτόμες θεραπείες την επόμενη δεκαετία. Αυτό θα μπορούσε να ισοδυναμεί με μια ευκαιρία αγοράς άνω των 50 δισεκατομμυρίων δολαρίων.

Σύμφωνα με μια έκθεση του 2022 της GlobalData, το 50% των επαγγελματιών στον κλάδο της υγείας θα έδινε προτεραιότητα στις επενδύσεις στην τεχνητή νοημοσύνη, έναντι άλλων αναδυόμενων τεχνολογιών, όπως τα big data (38%), τα ψηφιακά μέσα (37%), το cloud computing (31%), αποδεικτικά στοιχεία του πραγματικού κόσμου, RWE (27%) και άλλα.

Η θεματική ερευνητική έκθεση του 2022 με τίτλο «Τεχνητή Νοημοσύνη (AI) in Drug Discovery» από την GlobalData προβλέπει ότι η συνολική δαπάνη για την τεχνητή νοημοσύνη από τον φαρμακευτικό τομέα προβλέπεται να κλιμακωθεί σε περισσότερα από 3 δισεκατομμύρια δολάρια έως το 2025.

Ας εξετάσουμε συγκεκριμένα παραδείγματα για το πώς χρησιμοποιείται η τεχνητή νοημοσύνη στη φαρμακευτική βιομηχανία. Δεδομένου ότι οι περισσότερες εταιρείες που βασίζονται στην τεχνητή νοημοσύνη χρησιμοποιούν έναν συνδυασμό διαφορετικών προσεγγίσεων και βασίζονται σε διεπιστημονικές πηγές δεδομένων για τη μοντελοποίηση τους, η παρακάτω ταξινόμηση των περιπτώσεων χρήσης τεχνητής νοημοσύνης είναι ενδεικτική.

Τον Σεπτέμβριο του 2022, η Pfizer ανακοίνωσε την επέκταση της πολυετούς συνεργασίας της με την τεχνητή νοημοσύνη με έδρα το Ισραήλ στη φαρμακευτική εταιρεία CytoReason.

AI για ανακάλυψη στόχων φαρμάκων και μοντελοποίηση ασθενειών

Ένας από τους πιο πολλά υποσχόμενους τομείς της τεχνητής νοημοσύνης στη φαρμακευτική είναι η μοντελοποίηση βιολογικών συστημάτων και ο εντοπισμός νέων στόχων φαρμάκων. Ορισμένες εταιρείες τεχνητής νοημοσύνης, όπως η CytoReason, επικεντρώνονται ειδικά στην κατασκευή προηγμένων μοντέλων ασθενειών, για παράδειγμα.

Τον Μάρτιο του 2023, η AstraZeneca παρουσίασε προκλινικά δεδομένα για έναν στόχο που δημιουργήθηκε από AI, τον Παράγοντα Απόκρισης Ορού (SRF), για την ιδιοπαθή πνευμονική ίνωση (IPF) — από τη συνεργασία της με την εταιρεία τεχνητής νοημοσύνης BenevolentAI με έδρα το Ηνωμένο Βασίλειο. Ο στόχος, που ανακαλύφθηκε μέσω της μηχανής ανακάλυψης φαρμάκων με δυνατότητα AI της BenevolentAI, υποβλήθηκε σε ενδελεχή πειραματική επικύρωση από την AstraZeneca, η οποία περιελάμβανε έλεγχο CRISPR σε πρωτογενείς ανθρώπινους ινοβλάστες πνεύμονα και επικύρωση μέσω σίγησης γονιδίου SRF ή φαρμακολογικής αναστολής οδού SRF.

Τα παρουσιαζόμενα δεδομένα υποδεικνύουν ότι η αναστολή της μεταγραφής προϊνωτικών γονιδίων στους πνευμονικούς ινοβλάστες που καθοδηγείται από SRF θα μπορούσε ενδεχομένως να οδηγήσει σε αντιϊνωτική αποτελεσματικότητα στην IPF. Μέχρι σήμερα, η συνεργασία μεταξύ της BenevolentAI και της AstraZeneca είχε ως αποτέλεσμα πέντε στόχους που δημιουργήθηκαν από την τεχνητή νοημοσύνη και επιλέχθηκαν για είσοδο στο χαρτοφυλάκιο, τρεις από τους οποίους είναι για IPF. Αυτή η επιτυχημένη συνεργασία επεκτάθηκε τον Ιανουάριο του 2022 για άλλα τρία χρόνια, συμπεριλαμβανομένων δύο νέων τομέων ασθενειών – συστηματικό ερυθηματώδη λύκο και καρδιακή ανεπάρκεια.

Αρκετούς μήνες νωρίτερα, η AstraZeneca ανακοίνωσε μια στρατηγική ερευνητική συνεργασία με την Illumina, μια παγκόσμια πρωτοπόρο στον προσδιορισμό αλληλουχίας DNA και στις τεχνολογίες που βασίζονται σε συστοιχίες. Αυτή η συνεργασία στοχεύει να επισπεύσει την ανακάλυψη στόχων φαρμάκων συγχωνεύοντας τις αντίστοιχες ικανότητές τους στην ερμηνεία του γονιδιώματος με βάση την τεχνητή νοημοσύνη και τη γονιδιωματική ανάλυση.

Η πρωτοβουλία θα εξετάσει εάν μια ενοποιημένη προσέγγιση που χρησιμοποιεί αυτές τις τεχνολογίες μπορεί να ενισχύσει την αποτελεσματικότητα και τη βεβαιότητα της ανακάλυψης στόχων στην επιδίωξη πολλά υποσχόμενων φαρμάκων που βασίζονται σε ανθρώπινες ωμικές γνώσεις. Το Κέντρο Έρευνας Γονιδιωματικής της AstraZeneca θα υιοθετήσει ένα πλαίσιο που θα συγχωνεύει τα εργαλεία τεχνητής νοημοσύνης και των δύο εταιρειών, αξιοποιώντας εργαλεία ερμηνείας τεχνητής νοημοσύνης επόμενης γενιάς, όπως το PrimateAI και το SpliceAI της Illumina, μαζί με τα εργαλεία της ίδιας της AstraZeneca, όπως το JARVIS και τα in silico predictors.

Τον Σεπτέμβριο του 2022, η Pfizer ανακοίνωσε την επέκταση της πολυετούς συνεργασίας της με την τεχνητή νοημοσύνη με έδρα το Ισραήλ στη φαρμακευτική εταιρεία CytoReason. Βάσει αυτής της συμφωνίας, η Pfizer θα επενδύσει 20 εκατομμύρια δολάρια σε ίδια κεφάλαια, με την επιλογή να αδειοδοτήσει την πλατφόρμα της CytoReason και τα μοντέλα ασθενειών και περαιτέρω υποστήριξη έργου σε μια συμφωνία που θα μπορούσε να φτάσει έως και $110 εκατομμύρια τα επόμενα πέντε χρόνια.

Από την έναρξη της συνεργασίας το 2019, η Pfizer έχει χρησιμοποιήσει τα βιολογικά μοντέλα της CytoReason στην έρευνά της για να ενισχύσει την κατανόηση του ανοσοποιητικού συστήματος για την ανάπτυξη φαρμάκων για ανοσοδιαμεσολαβούμενες και ανοσοογκολογικές ασθένειες. Αυτή η πρόσθετη επένδυση θα βοηθήσει στην ανάπτυξη περισσότερων μοντέλων ασθενειών και στη δημιουργία μοντέλων υψηλής ανάλυσης σε διάφορους θεραπευτικούς τομείς.

Η CytoReason είναι επίσης συνεργάτης μιας ακόμα μεγάλης φαρμακευτικής, της Sanofi. Τον Ιανουάριο του 2023, οι δύο εταιρείες ανακοίνωσαν την επέκταση της συνεργασίας τους, χρησιμοποιώντας την πλατφόρμα AI της CytoReason για την ανακάλυψη στόχου για τη φλεγμονώδη νόσο του εντέρου (IBD). Αυτή η συμφωνία θα υποστηρίξει τις προσπάθειες της Sanofi να εντοπίσει υποτύπους ασθενών με IBD και να τους αντιστοιχίσει με σχετικούς στόχους. Αυτή η συνεργασία ακολουθεί ένα έργο που ξεκίνησε το 2021, όπου τα κυτταροκεντρικά μοντέλα της CytoReason χρησιμοποιήθηκαν για την παροχή πληροφοριών για τους ενδοτύπους του άσθματος. Η παρατεταμένη συμφωνία περιλαμβάνει μια ουσιαστική αλλά άγνωστη οικονομική δέσμευση από τη Sanofi.

Πέρυσι, η Sanofi ανακοίνωσε επίσης μια πολυετή ερευνητική συνεργασία πολλαπλών στόχων με την Insilico Medicine με έδρα το Χονγκ Κονγκ, αξιοποιώντας την πλατφόρμα Pharma.AI της τελευταίας για να επιταχύνει την ανακάλυψη φαρμάκων. Η Insilico, πρωτοπόρος στην εφαρμογή της βαθιάς μάθησης για την ανακάλυψη φαρμάκων, θα βοηθήσει τη Sanofi στην ανάπτυξη θεραπειών σε τομείς όπως ο καρκίνος, η ίνωση και η ανοσία.

Η συνεργασία σημαίνει επένδυση 21,5 εκατομμυρίων δολαρίων από τη Sanofi για προκαταβολικά και στοχευμένα τέλη υποψηφιοτήτων, παρέχοντας πρόσβαση στην πλατφόρμα AI της Insilico και στη διεπιστημονική ομάδα επιστημόνων της. Η συνεργασία έχει τη δυνατότητα για περαιτέρω πληρωμές έως και 1 δισ. $, εάν επιτευχθούν τα βασικά ορόσημα Ε&Α και πωλήσεων.

Η μεγάλη φαρμακευτική AbbVie με έδρα τις ΗΠΑ έχει συνάψει συμφωνία ανακάλυψης αντισωμάτων με την καναδική AbCellera (φωτογραφία: cnn.com).

AI για ανακάλυψη φαρμάκων με βάση τους στόχους και φαινοτυπικά

Μια άλλη δημοφιλής και πολλά υποσχόμενη περίπτωση χρήσης της εφαρμογής τεχνητής νοημοσύνης στη φαρμακευτική βιομηχανία είναι ο σχεδιασμός φαρμάκων και η βελτιστοποίηση μολύβδου. Σε ένα ενδεικτικό παράδειγμα, η Sanofi ξεκίνησε μια στρατηγική ερευνητική συνεργασία με την Atomwise με έδρα το Σαν Φρανσίσκο, πρωτοπόρο στην εφαρμογή τεχνητής νοημοσύνης για τον έλεγχο μικρών μορίων.

Αυτή η συμμαχία πρόκειται να εκμεταλλευτεί την πλατφόρμα AtomNet® της Atomwise, χρησιμοποιώντας τις υπολογιστικές της δυνατότητες ανακάλυψης για τη διερεύνηση έως και πέντε στόχων φαρμάκων που παρέχονται από τη Sanofi. Η πλατφόρμα της Atomwise ενσωματώνει τη βαθιά μάθηση στο σχεδιασμό φαρμάκων με βάση τη δομή, παρέχοντας μια αναζήτηση βασισμένη σε τεχνητή νοημοσύνη στην ιδιόκτητη βιβλιοθήκη της με περισσότερες από 3 τρισεκατομμύρια συνθετικές ενώσεις.

Η επένδυση της Sanofi σε αυτή τη συνεργασία περιλαμβάνει μια προκαταβολή 20 εκατομμυρίων δολαρίων στην Atomwise για την αναγνώριση, σύνθεση και περαιτέρω ανάπτυξη ενώσεων μολύβδου, με πιθανές πρόσθετες πληρωμές που ξεπερνούν το 1 δισεκατομμύριο δολάρια που συνδέονται με κρίσιμα ορόσημα έρευνας, ανάπτυξης και πωλήσεων, καθώς και κλιμακωτά δικαιώματα . Αυτή η συνεργασία αναμένεται να καταλύσει την ανακάλυψη νέων θεραπειών για ασθένειες που προηγουμένως ήταν προκλητικές λόγω αόριστων ή ανεπαρκώς χαρακτηρισμένων στόχων φαρμάκων.

Η μεγάλη φαρμακευτική AbbVie με έδρα τις ΗΠΑ έχει συνάψει συμφωνία ανακάλυψης αντισωμάτων με την καναδική AbCellera, ενισχύοντας την πρόσφατη σειρά συνεργασιών της AbCellera. Η συνεργασία στοχεύει στην ανάπτυξη υποψηφίων αντισωμάτων για έως και πέντε στόχους σε διάφορες ενδείξεις. Η AbbVie σχεδιάζει να αξιοποιήσει τη μηχανή ανακάλυψης και ανάπτυξης αντισωμάτων της AbCellera που βασίζεται σε AI, αναλαμβάνοντας την ευθύνη για την ανάπτυξη και την εμπορευματοποίηση τυχόν αντισωμάτων που ανακαλύφθηκαν κατά τη συνεργασία τους.

Η συμφωνία ορίζει ότι η AbCellera δικαιούται πληρωμές για έρευνα, καθώς και κλινικές, εμπορικές πληρωμές ορόσημο και δικαιώματα. Ενώ συγκεκριμένες λεπτομέρειες σχετικά με το στοχευμένο χρονοδιάγραμμα ή ενδείξεις ήταν σπάνιες, ο Διευθύνων Σύμβουλος της AbCellera, Carl Hansen, σχολίασε στο BioSpace ότι η μηχανή ανακάλυψης και ανάπτυξής τους έχει σχεδιαστεί για να ξεπερνά τους περιορισμούς των συμβατικών μεθόδων ανακάλυψης, με στόχο τον εντοπισμό βέλτιστων κλινικών υποψηφίων με αυξημένη ακρίβεια και ταχύτητα

Τον Μάρτιο του 2023, η Eli Lilly ανακοίνωσε τη συνεργασία της με την XtalPi, μια φαρμακευτική εταιρεία τεχνητής νοημοσύνης, σε ένα έργο 250 εκατομμυρίων δολαρίων. Η συνεργασία θα αξιοποιήσει την πλατφόρμα τεχνητής νοημοσύνης και ρομποτικής του XtalPi για τον de novo σχεδιασμό και παράδοση υποψήφιων φαρμάκων για έναν άγνωστο στόχο. Οι ολοκληρωμένες δυνατότητες του XtalPi στην τεχνητή νοημοσύνη και τη ρομποτική θα χρησιμοποιηθούν για τη δημιουργία μιας νέας ένωσης, η οποία στη συνέχεια θα προωθηθεί από την Eli Lilly μέσω κλινικής και εμπορικής ανάπτυξης.

Η πλατφόρμα ID4Inno του XtalPi, που έχει σχεδιαστεί για την ανακάλυψη φαρμάκων μικρών μορίων, θα είναι το κλειδί για τη δημιουργία ενός ειδικού μεγα χημικού χώρου και τον εντοπισμό πολλά υποσχόμενων σειρών μολύβδου. Τα συντιθέμενα μόρια θα δοκιμαστούν χρησιμοποιώντας τις εσωτερικές βιοχημικές, φαρμακοδυναμικές, κυτταρικές και φαρμακοκινητικές ικανότητες του XtalPi. Αυτές οι δυνατότητες, σε συνδυασμό με τους πολλαπλούς αυτόνομους ρομποτικούς σταθμούς εργασίας του XtalPi, υπογραμμίζουν την αξία της μόχλευσης της τεχνητής νοημοσύνης στα φαρμακευτικά προϊόντα για ενεργειακά αποδοτική, ακριβή παράλληλη χημική σύνθεση και δοκιμές.

Η Exscientia είδε τη συνεργασία της με το Bristol Myers Squibb (BMS) να αποφέρει σημαντικές αποδόσεις, προωθώντας την πρώτη από τις τρεις candida tes σχεδιασμένα για δοκιμές πρώτης σε άνθρωπο φέτος. Η συνεργασία, η οποία θα μπορούσε να αποφέρει πάνω από 1,3 δισεκατομμύρια δολάρια για την Exscientia, είχε ως αποτέλεσμα την παραγωγή του EXS4318, ενός νέου μικρού μορίου ανοσολογίας και φλεγμονής (I&I) που θα εποπτεύεται από το BMS μέσω δοκιμών Φάσης Ι.

Ο EXS4318, ένας δυνητικός πρώτης κατηγορίας εκλεκτικός αναστολέας της πρωτεϊνικής κινάσης C (PKC) θήτα, προέκυψε από την αρχική συνεργασία ανακάλυψης μικρών μορίων με βάση την τεχνητή νοημοσύνη που ξεκίνησε από την Exscientia και την Celgene τον Μάρτιο του 2019. Μετά την απόκτηση 74 δισεκατομμυρίων δολαρίων της BMS αργότερα, η Celgene έτος, η συνεργασία επεκτάθηκε για να συμπεριλάβει υποψηφίους I&I και ογκολογίας, αυξάνοντας σημαντικά τα πιθανά κέρδη για την Exscientia.

Η δέσμευση της BMS στη συνεργασία υπογραμμίζεται από τη συμφωνία τους να πληρώσουν δυνητικά περισσότερα από 1,3 δισεκατομμύρια δολάρια σε κλινικές, ρυθμιστικές και εμπορικές πληρωμές, οι οποίες περιλαμβάνουν έως και 50 εκατομμύρια δολάρια προκαταβολικά και έως και 125 εκατομμύρια δολάρια σε ορόσημα “σχεδόν μεσοπρόθεσμα”. καθώς και κλιμακωτά δικαιώματα επί των καθαρών πωλήσεων.

Τον Δεκέμβριο του 2021, η Recursion Pharmaceuticals, μια εταιρεία «ψηφιακής βιοτεχνολογίας» με γνώμονα την τεχνητή νοημοσύνη κλινικού σταδίου με έδρα τη Γιούτα, έγινε στόχος ενδιαφέροντος της Roche και της Genentech (μέλος του Ομίλου Roche). Οι εταιρείες ανακοίνωσαν συνεργασία στη νευροεπιστήμη και την ογκολογία, με στόχο την προώθηση φαρμάκων που χρησιμοποιούν μηχανική μάθηση και στοχευόμενες μεθόδους προσυμπτωματικού ελέγχου υψηλού περιεχομένου.

Η συνεργασία, αξίας πολλών δισεκατομμυρίων δολαρίων, εκμεταλλεύεται την τεχνολογική πλατφόρμα ανακάλυψης φαρμάκων της Recursion, το Recursion Operating System (OS). Σύμφωνα με τη συμφωνία, η Recursion θα λάβει προκαταβολή 150 εκατομμυρίων δολαρίων και μπορεί να κερδίσει επιπλέον ερευνητικά ορόσημα βάσει απόδοσης. Το Recursion OS συνδυάζει τη βιολογία wet-lab και dry-lab, επιτρέποντας τη βιομηχανοποίηση και την ψηφιοποίηση της ανακάλυψης φαρμάκων.

Από το 2020, η Pfizer, αξιοποιεί τις δυνατότητες υπερυπολογιστών και τεχνητής νοημοσύνης της IBM για να διευκολύνει τη δημιουργία νέων φαρμάκων, όπως το PAXLOVID, μια θεραπεία από το στόμα, για τον COVID-19 που έλαβε έγκριση το 2022. Η Pfizer υποστηρίζει ότι αυτή η τεχνολογία έχει μειώσει τον υπολογιστικό χρόνο κατά 80-90%, υποστηρίζοντας ότι επιτάχυνε τη διαδικασία σχεδιασμού του φαρμάκου σε μόλις τέσσερις μήνες.

Η Τεχνητή Νοημοσύνη διαδραματίζει ολοένα και πιο σημαντικό ρόλο στο σχεδιασμό κλινικών δοκιμών.

AI για το σχεδιασμό καλύτερων κλινικών δοκιμών

Οι κλινικές δοκιμές είναι ένα περιβόητο σημείο συμφόρησης ολόκληρης της οδού ανάπτυξης φαρμάκων. Σε κλινικές δοκιμές, πολλοί υποσχόμενοι υποψήφιοι φάρμακα με εξαιρετικά προκλινικά δεδομένα αποτυγχάνουν, με αποτέλεσμα τεράστιο κόστος και χαμένες ευκαιρίες για τους ασθενείς και τα μεγάλα φάρμακα. Ο έξυπνος και βασισμένος σε δεδομένα σχεδιασμός κλινικών δοκιμών είναι απαραίτητος για την αυξημένη επιτυχία ενός υποψηφίου φαρμάκου να λάβει την έγκριση του FDA.

Η Τεχνητή Νοημοσύνη διαδραματίζει ολοένα και πιο σημαντικό ρόλο στο σχεδιασμό κλινικών δοκιμών, συμπεριλαμβανομένης της ανακάλυψης βιοδεικτών, της πρόβλεψης των θεραπευτικών απαντήσεων και της βελτιστοποίησης των πρωτοκόλλων δοκιμών, επιτρέποντας την ακριβέστερη επιλογή ασθενών και τη μείωση του συνολικού κόστους και της διάρκειας των δοκιμών. Η τεχνητή νοημοσύνη επιτρέπει επίσης την παρακολούθηση σε πραγματικό χρόνο και τα προσαρμοστικά σχέδια δοκιμών, ενισχύοντας την ευελιξία και την ανταπόκριση των κλινικών μελετών.

Για παράδειγμα, σύμφωνα με μια μελέτη του 2021 «Η χρήση βιοδεικτών στην ογκολογία βελτιώνει τον κίνδυνο αποτυχίας κλινικών δοκιμών; Μια ανάλυση μεγάλης κλίμακας, οι κλινικές δοκιμές που έχουν σχεδιαστεί χωρίς ενσωμάτωση σχετικών και ενημερωτικών βιοδεικτών είναι 12 φορές πιο πιθανό να αποτύχουν.

Για να δείξουμε αυτήν την τάση, ας ξεκινήσουμε με το μεγάλο φαρμακείο του Ηνωμένου Βασιλείου GlaxoSmithKline (GSK), το οποίο συμμετέχει ενεργά σε συνεργασίες που βασίζονται στην τεχνητή νοημοσύνη για να ενισχύσει τις δυνατότητες σχεδιασμού κλινικών δοκιμών. Τον Μάρτιο του 2023, η GSK ανακοίνωσε τη συνεργασία της με την τεχνητή νοημοσύνη στη φαρμακευτική εταιρεία PathAI σε μια τυχαιοποιημένη κλινική δοκιμή Φάσης 2β που ονομάζεται HORIZON, η οποία επικεντρώνεται στη μη αλκοολική στεατοηπατίτιδα (NASH).

Η δοκιμή στοχεύει να αξιολογήσει βελτιώσεις στην ιστολογία του ήπατος χρησιμοποιώντας το GSK4532990 σε σύγκριση με ένα εικονικό φάρμακο σε συμμετέχοντες με NASH και προχωρημένη ίνωση. Ο ρόλος του PathAI στη συνεργασία περιλαμβάνει τη δημιουργία, την ψηφιοποίηση και την ανάλυση διαφανειών βιοψίας ήπατος για αξιολόγηση από παθολόγους. Η εταιρεία θα χρησιμοποιήσει επίσης το εργαλείο Measurement of NASH Histology (AIM-NASH) που βασίζεται σε AI για να παρέχει ιστολογική αξιολόγηση και να δημιουργήσει διερευνητικά τελικά σημεία για τη μελέτη.

Οι υπηρεσίες ανατομικής παθολογίας από άκρο σε άκρο του PathAI, συμπεριλαμβανομένων των κιτ, των logistics και των εργαστηριακών και αναλυτικών υπηρεσιών, θα χρησιμοποιηθούν μέσω του Biopharma Lab του στο Μέμφις, TN. Το εργαλείο AIM-NASH έχει εκπαιδευτεί για να ανιχνεύει και να ποσοτικοποιεί βασικά ιστολογικά χαρακτηριστικά του NASH, προσφέροντας μια ολοκληρωμένη αξιολόγηση της σοβαρότητας της νόσου. Η συνεργασία βασίζεται στην υφιστάμενη συνεργασία του PathAI και της GSK στην NASH και την ογκολογική έρευνα και ανάπτυξη φαρμάκων.

Πέρυσι, η GSK συνήψε μια τριετή συνεργασία με την Tempus, έναν προμηθευτή τεχνολογίας με γνώμονα την τεχνητή νοημοσύνη, για τη βελτίωση του σχεδιασμού των κλινικών δοκιμών, της εγγραφής ατόμων και της ταυτοποίησης του στόχου φαρμάκων. Μέσω της συνεργασίας, η GSK θα αποκτήσει πρόσβαση στην πλατφόρμα του Tempus με δυνατότητα τεχνητής νοημοσύνης, η οποία περιλαμβάνει μια βιβλιοθήκη με δεδομένα ασθενών που δεν έχουν ταυτοποιηθεί. Αξιοποιώντας την πλατφόρμα Tempus και συνδυάζοντάς την με την τεχνογνωσία της GSK στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση (AI/ML), οι συνεργάτες Το hip έχει ως στόχο να βελτιώσει το ποσοστό επιτυχίας της Ε&Α της GSK και να επιτρέψει ταχύτερες, προσαρμοσμένες θεραπείες για τους ασθενείς.

Το Tempus ανακοίνωσε μια προοπτική μελέτη, σε συνεργασία με την AstraZeneca, για τον εντοπισμό βιοδεικτών ανταπόκρισης σε ασθενείς με μικροκυτταρικό καρκίνο του πνεύμονα (φωτογραφία: mckinsey.com).

Η συνεργασία περιλαμβάνει μια τριετή οικονομική δέσμευση, με αρχική πληρωμή 70 εκατομμυρίων δολαρίων από την GSK, και η GSK έχει τη δυνατότητα να παρατείνει τη συμφωνία για άλλα δύο χρόνια. Αυτή η συνεργασία βασίζεται στην υπάρχουσα συνεργασία μεταξύ της GSK και της Tempus, η οποία ξεκίνησε το 2020 και επικεντρώθηκε στην εγγραφή σε κλινικές δοκιμές για συγκεκριμένους τύπους καρκίνου.

Η GSK αναμένει από τη συνεργασία με το Tempus να προσφέρει μοναδικές γνώσεις για την ανακάλυψη καλύτερων φαρμάκων και τον μετασχηματισμό των διαδικασιών ανακάλυψης φαρμάκων. Επί του παρόντος, οι εταιρείες συνεργάζονται σε μια ανοιχτή δοκιμή Φάσης ΙΙ, χρησιμοποιώντας μια προσέγγιση καθοδηγούμενη από δεδομένα για την επίσπευση των χρονοδιαγραμμάτων μελέτης και τη βελτιστοποίηση της επιλογής τοποθεσίας και της εγγραφής θεμάτων. Αυτή η συνεργασία ακολουθεί τα θετικά ευρήματα από τη δοκιμή PERLA Φάσης ΙΙ της GSK, που αξιολογεί το Jemperli (dostarlimab) και τη χημειοθεραπεία σε ασθενείς με πρώτης γραμμής, μεταστατικό, μη πλακώδη μη μικροκυτταρικό καρκίνο του πνεύμονα.

Τον Ιανουάριο του 2023, το Tempus ανακοίνωσε μια προοπτική μελέτη, σε συνεργασία με την AstraZeneca, για τον εντοπισμό βιοδεικτών ανταπόκρισης σε ασθενείς με μικροκυτταρικό καρκίνο του πνεύμονα (SCLC). Η μελέτη, με τίτλο Sculptor, συγχρηματοδοτείται από το Tempus και το Personalize SCLC Initiative της AstraZeneca και είναι επί του παρόντος ανοιχτή για εγγραφή. Το SCLC είναι μια επιθετική ασθένεια με περιορισμένους θεραπευτικούς στόχους και υπάρχει μεγάλη ανεκπλήρωτη ανάγκη για αποτελεσματικές θεραπείες.

Η μελέτη Sculptor στοχεύει να αξιοποιήσει τις προσφορές μοριακού προφίλ του Tempus για να συγκεντρώσει γνώσεις που μπορούν να υποστηρίξουν την πρώιμη έρευνα και να εντοπίσουν διακριτά τμήματα ασθενών που μπορεί να ωφεληθούν από τις αναδυόμενες θεραπείες. Η μελέτη δραστηριοποιείται επί του παρόντος σε πέντε τοποθεσίες του Δοκιμαστικού Δικτύου TIME και σχεδιάζει να επεκταθεί σε επιπλέον παρόχους σε όλες τις Ηνωμένες Πολιτείες. Αυτή η συνεργασία αντιπροσωπεύει μια ιατρική προσέγγιση ακριβείας για τη βελτίωση των συνολικών ποσοστών επιβίωσης και την προώθηση της κατανόησης του SCLC.

Τον Ιούνιο του 2022, η Bristol Myers Squibb (BMS) συνεργάστηκε με τη Γαλλία και την εταιρεία ανάπτυξης τεχνητής νοημοσύνης που εδρεύει στις ΗΠΑ, Owkin, για να αξιοποιήσει την τεχνητή νοημοσύνη στο σχεδιασμό και τη βελτιστοποίηση δοκιμών καρδιαγγειακών φαρμάκων. Η συνεργασία στοχεύει να βελτιώσει τον σχεδιασμό και την εκτέλεση κλινικών δοκιμών χρησιμοποιώντας τεχνικές μηχανικής μάθησης, όπως βελτιστοποιημένους ορισμούς τελικών σημείων, αναγνώριση υποομάδας ασθενών και εκτίμηση αποτελεσμάτων θεραπείας.

Ο Venkat Sethuraman, SVP του Global Biometrics and Data Sciences στο BMS, τόνισε τη χρήση της τεχνητής νοημοσύνης από την εταιρεία σε κλινικές δοκιμές, συμπεριλαμβανομένης της προσομοίωσης δοκιμών με χρήση υπαρχόντων συνόλων δεδομένων, δοκιμών με δυνατότητα ψηφιακής τεχνολογίας με δεδομένα πραγματικού κόσμου και αυτοματοποίηση διαδικασιών μέσω της ρομποτικής. Η συνεργασία με την Owkin θα επικεντρωθεί συγκεκριμένα στη βελτιστοποίηση των κλινικών δοκιμών σε καρδιαγγειακές παθήσεις, την πιθανή εξάλειψη των σκελών εικονικού φαρμάκου σε ορισμένες δοκιμές και τη βελτίωση της αποτελεσματικότητας στις δοκιμές για σπάνιες ασθένειες.

Τον Σεπτέμβριο του 2021, η AstraZeneca δημιούργησε μια στρατηγική συνεργασία με την Oncoshot για να βελτιώσει τη διαδικασία πρόσληψης για κλινικές δοκιμές καρκίνου στη Σιγκαπούρη. Η ψηφιακή πλατφόρμα της Oncoshot, InSite Feasibility, χρησιμοποιεί αναλύσεις δεδομένων και πληροφορίες σε πραγματικό χρόνο για τον εξορθολογισμό των ογκολογικών μελετών σκοπιμότητας. Με την υποστήριξη της τεχνολογίας αντιστοίχισης ασθενούς με δοκιμή με δυνατότητα Τεχνητής Νοημοσύνης (AI), η πλατφόρμα μεταφράζει τα αποπροσδιορισμένα δεδομένα από τον πληθυσμό του καρκίνου της Σιγκαπούρης σε ακριβείς αναλύσεις, διευκολύνοντας την έρευνα για τον καρκίνο.

Η συνεργασία επιτρέπει στην AstraZeneca να ξεκινήσει γρήγορα δοκιμές που σχετίζονται περισσότερο με τον πληθυσμό του καρκίνου της Σιγκαπούρης. Με τη Σιγκαπούρη να είναι κορυφαίος κόμβος έρευνας για τον καρκίνο, αυτή η συνεργασία αντιμετωπίζει τις ανεπάρκειες στις τρέχουσες μελέτες σκοπιμότητας και στοχεύει στη βελτιστοποίηση της εγγραφής ασθενών. Αξιοποιώντας ακριβείς αναλύσεις δεδομένων, η AstraZeneca και η Oncoshot επιδιώκουν να επιταχύνουν τις κλινικές δοκιμές, να παρέχουν καινοτόμα φάρμακα και να συμβάλλουν στις πρωτοβουλίες καινοτομίας της Σιγκαπούρης στον τομέα της υγειονομικής περίθαλψης.

Η επαναχρησιμοποίηση φαρμάκων είναι ένα από τα χρυσά ορυχεία για τις τεχνολογίες που βασίζονται στην τεχνητή νοημοσύνη (φωτογραφία: bi4all).

AI για προγράμματα επαναχρησιμοποίησης φαρμάκων

Η επαναχρησιμοποίηση φαρμάκων είναι ένα από τα χρυσά ορυχεία για τις τεχνολογίες που βασίζονται στην τεχνητή νοημοσύνη να αυξήσουν την αξία, καθώς πολλά δεδομένα είναι ήδη γνωστά για το εν λόγω φάρμακο. Η επαναχρησιμοποίηση προηγουμένως γνωστών φαρμάκων ή υποψήφιων φαρμάκων τελευταίου σταδίου προς νέες θεραπευτικές περιοχές είναι επίσης μια επιθυμητή στρατηγική για πολλές βιοφαρμακευτικές εταιρείες, καθώς παρουσιάζει μικρότερο κίνδυνο απροσδόκητης τοξικότητας ή παρενεργειών σε δοκιμές σε ανθρώπους και, πιθανώς, λιγότερες δαπάνες Ε&Α.

Αξιοποιώντας τις γνώσεις που προέρχονται από το σύστημα AI της BenevolentAI, η Eli Lilly επαναχρησιμοποίησε το φάρμακο της για τη ρευματοειδή αρθρίτιδα, τη βαρισιτινίμπη, για μια εναλλακτική ένδειξη ως πιθανή θεραπεία για τον COVID-19. Στις αρχές του 2020, η BenevolentAI χρησιμοποίησε το προηγμένο σύστημα τεχνητής νοημοσύνης της για να προτείνει το baricitinib, που ανήκει και διατίθεται στην αγορά από την Eli Lilly με την επωνυμία Olumiant™, ως πιθανή θεραπευτική επιλογή κατά του ιού.

Μετά από αυτήν την υπόθεση που προέρχεται από την τεχνητή νοημοσύνη, ο FDA ενέκρινε μια Άδεια Χρήσης Έκτακτης Ανάγκης για τη βαρισιτινίμπη στη θεραπεία νοσηλευόμενων ασθενών με COVID-19 τον Νοέμβριο του 2020, μετά από πολλά υποσχόμενα δεδομένα φάσης ΙΙΙ σε νοσηλευόμενους ασθενείς με Covid-19. Τα δεδομένα της δοκιμής ACTT-2 επικύρωσαν περαιτέρω αυτήν την πρόταση, υποδεικνύοντας μια βελτίωση στο κλινικό αποτέλεσμα και 35% μείωση του ποσοστού θνησιμότητας μεταξύ των ασθενών που έλαβαν θεραπεία με baricitinib, αν και το φάρμακο απέτυχε να καλύψει το πρωτεύον τελικό σημείο της δοκιμής — μειώνοντας τον κίνδυνο επιδείνωσης της νόσου. Αυτή η ταχεία μετάβαση από την υπόθεση που προτείνει η τεχνητή νοημοσύνη στις κλινικές δοκιμές και τις επακόλουθες FDA.

AI για την ανάπτυξη σκευασμάτων φαρμάκων

Η τεχνητή νοημοσύνη στη φαρμακευτική βιομηχανία φαίνεται να είναι επίσης χρήσιμη για την ανάπτυξη φαρμάκων, συμπεριλαμβανομένης της βελτιστοποίησης των σκευασμάτων φαρμάκων.

Τον Απρίλιο του 2023, η Merck και η XtalPi Inc. ανακοίνωσαν τη συνεργασία τους σε μια μελέτη που παρουσιάζει τα οφέλη του συνδυασμού υπολογιστικών ροών εργασίας με πειράματα υγρού εργαστηρίου στην ανάπτυξη φαρμάκων. Η μελέτη επικεντρώθηκε στην επίδραση των πολυμερών προσθέτων στην κρυσταλλική συνήθεια της μετφορμίνης HCl, ενός φαρμάκου για τον διαβήτη.

Χρησιμοποιώντας την πλατφόρμα πρόβλεψης μορφολογίας του XtalPi και τις πειραματικές δυνατότητες της Merck, αναπτύχθηκε μια ολοκληρωμένη προσέγγιση διαλογής για τη μηχανική μορφολογίας κρυστάλλων. Οι προβλέψεις μοριακής δυναμικής του XtalPi προέβλεψαν με επιτυχία την επίδραση των πρόσθετων πολυμερών στις κρυσταλλικές συνήθειες της μετφορμίνης HCl, με πειραματικές παρατηρήσεις να επιβεβαιώνουν τον μετασχηματισμό της κρυσταλλικής μορφολογίας. Αυτή η συνεργασία αντιπροσωπεύει μια προσέγγιση «ψηφιακής πρώτης» που συνδυάζει προσομοιώσεις υπολογιστή και πειραματική τεχνογνωσία για τη βελτίωση των διαδικασιών φαρμακευτικής ανάπτυξης.

Η Sanofi κάνει βήματα προόδου στην ενσωμάτωση της τεχνητής νοημοσύνης (AI) στις δραστηριότητες έρευνας και ανάπτυξης (φωτογραφία: InFocus).

Σύνδεση των κουκκίδων με AI

Μία από τις ισχυρότερες πτυχές της τεχνητής νοημοσύνης (deep learning, NLP) είναι η ικανότητα ενσωμάτωσης πολυτροπικών δεδομένων από διάφορες πηγές, παρουσιάζοντας πληροφορίες για το σύστημα γενικά, λαμβάνοντας υπόψη πολλαπλές διαδικασίες και δίκτυα — επιστημονικά και λειτουργικά.

Σε αυτό το πλαίσιο, η Sanofi κάνει βήματα προόδου στην ενσωμάτωση της τεχνητής νοημοσύνης (AI) στις δραστηριότητες έρευνας και ανάπτυξης, ξεκινώντας με την κυκλοφορία της εφαρμογής AI, Plai. Αναπτύχθηκε σε συνεργασία με την Aily Labs, η Plai παρέχει δεδομένα σε πραγματικό χρόνο και μια ολοκληρωμένη προβολή όλων των δραστηριοτήτων της Sanofi, προσφέροντας εξατομικευμένες πληροφορίες και σενάρια στο προσωπικό υποστήριξης. Αυτό αποτελεί μέρος της ευρύτερης φιλοδοξίας της Sanofi να γίνει η πρώτη φαρμακευτική εταιρεία που τροφοδοτείται από τεχνητή νοημοσύνη σε κλίμακα, εξοπλίζοντας το εργατικό της δυναμικό με εργαλεία και τεχνολογίες που ενισχύουν τη λήψη αποφάσεων.

Η τεχνητή νοημοσύνη ωφελεί ήδη τις διαδικασίες ανακάλυψης φαρμάκων, σχεδιασμού κλινικών δοκιμών και κατασκευής της Sanofi, και η εταιρεία πιστεύει ότι υπάρχουν ακόμη αναξιοποίητες δυνατότητες για την τεχνητή νοημοσύνη στην υγειονομική περίθαλψη. Για παράδειγμα, η τεχνητή νοημοσύνη έχει επιταχύνει τις ερευνητικές διαδικασίες από εβδομάδες σε ώρες και έχει βελτιώσει την αναγνώριση στόχων σε θεραπευτικούς τομείς όπως η ανοσολογία, η ογκολογία και η νευρολογία.

Οι συνεργασίες της Sanofi με νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης, συμπεριλαμβανομένων των Insilico Medicine, Exscientia και Owkin, αποδεικνύουν περαιτέρω τη δέσμευσή της να αξιοποιήσει την τεχνητή νοημοσύνη για την ανακάλυψη φαρμάκων. Η εταιρεία σχεδιάζει επίσης να χρησιμοποιήσει το Plai στις κλινικές δοκιμές της για να ενισχύσει την εγγραφή, ιδιαίτερα μεταξύ των υποεκπροσωπούμενων πληθυσμών.

Διαβάστε ακόμα: Πρέπει να μπει επειγόντως φρένο στην εξάπλωση της Τεχνητής Νοημοσύνης;

TAGS :
τεχνητή νοημοσύνη τεχνολογία

x Ακολουθήστε το Andro στο Facebook