Изкуственият интелект (ИИ) пионира нова ера в разработването на лекарства в Япония, с цел значително намаляване на времената и разходите за изследвания чрез създаването на проекти за „лекарствени ИИ“. При разработването на ваксини и нови лекарства за инфекциозни заболявания като COVID-19, ИИ се използва за анализ на големи количества изображения от електронна микроскопия на вируси и бактерии, за да се предскажат морфологични промени, които помагат за разбирането на механизмите на заразяване.
Консорциум от 17 фармацевтични компании се обединяват, за да съберат данни за медикаментозни съединения и техните ефекти, работейки за разработване на ИИ системи, които могат да препоръчат обещаващи съединения за откриване на лекарства.
С цел да конкурира с големите западни фармацевтични компании, инвестиращи тежко в разработването на нови лекарства, Япония се обръща към ИИ, за да подобри своето присъствие в фармацевтичната индустрия. Проф. Ясуши Окуно, ръководител на отдела за Компютърни науки в Изследователския център по науки RIKEN и също професор в Университета Киото, подчертава прехода към разработване на лекарства, базирани на ИИ, изтъквайки, че разбирането на формите на протеините и техните промени играе ключова роля в разработването на нови лекарства.
С обучението на ИИ модели с големи набори данни от изображения от електронна микроскопия на протеини, RIKEN и Fujitsu създадоха ИИ алгоритми, способни да предвидят морфологични промени много по-бързо от по-старите начини, само за около 2 часа вместо целия ден. Този ускорен процес крие потенциал за фармацевтичните компании ефикасно да идентифицират медикаменти, които могат да инхибират тези промени в формата.
Японското агенство за медицински изследвания и развитие ръководи проекта „Съвместно развитие на ИИ за откриване на следващото поколение лекарства (DAIIA)“, включващ университетски изследователи и 17 фармацевтични компании, за създаване на ИИ системи, които предлагат обещаващи съединения за нови лекарства.
Проф. Окуно, участващ в проекта DAIIA, подчертава необходимостта от вътрешно сътрудничество между фармацевтичните компании и изследователите, огласяйки неотложната необходимост от използване на технологиите на ИИ, за да се държи темпото с международните фармацевтични гиганти.
Допълнителни факти:
– Технологията на ИИ в разработването на лекарства не се ограничава само до Япония; страни като Съединените щати, Китай и Обединеното кралство също тежко инвестират в използването на ИИ за ускоряване на процесите по откриване на лекарства.
– Използването на ИИ в разработването на лекарства не се ограничава само до инфекциозни заболявания, но се разпростира и на различни други терапевтични области като рак, невродегенеративни болести и редки генетични нарушения.
– Фармацевтичните компании все повече сключват партньорства с технологични компании, специализирани в ИИ, за достъп до напреднали алгоритми и изчислителна мощ за по-ефективно разработване на лекарства.
Важни въпроси:
1. Как ИИ технологиите могат да подобрят точността и скоростта на предсказване на ефективността на лекарства и профилите за безопасност?
2. Какви са етичните последици от силната зависимост от ИИ алгоритми при важни решения в разработването на лекарства?
3. Как могат регулаторните органи да се адаптират, за да надзират интеграцията на ИИ в процеса на разработване на лекарства и да гарантират безопасността на пациентите?
Ключови Предизвикателства/Контроверзи:
– Възникват проблеми със защитата на данните и собствеността при споделянето на чувствителни фармацевтични данни между множество заинтересовани страни в съвместни ИИ проекти.
– Грижи за възможни предразсъдъци в ИИ алгоритмите, които могат да доведат до изкривени препоръки за медикаменти, което може да се отрази на разнообразието и включващостта на усилията за развитие на лекарствата.
– Необходимостта от прозрачност и обяснимост в процесите на вземане на решения с помощта на ИИ, за да се изгради доверие сред заинтересованите страни, включително регулаторните органи и пациентите.
Предимства и Недостатъци:
– Предимства: Технологията на ИИ може значително да съкрати времената за разработване на лекарства, да намали разходите, да подобри точността на предсказанията и да улесни откриването на нови цели за лекарства.
– Недостатъци: Предизвикателства, свързани с качеството на данните, предразсъдоците на алгоритмите, интерпретацията на препоръките на ИИ, регулаторните прегради и възможното изместване на човешките изследователи в определени аспекти на разработването на лекарства.
Препоръчани Свързани Линкове:
– Официалният уебсайт на FDA
– Списание Nature
– Националните институти за здравеопазване (NIH)