Mākslīgā inteliģence (AI) ir priekšgājējs jaunā nodaļā narkotiku attīstībā Japānā, mērķējot uz ievērojamu pētījumu laika un izmaksu samazinājumu, izmantojot “farmācijas AI” projektu izveidi. Attīstot vakcīnas un jaunas zāles pret infekcijas slimībām, piemēram, COVID-19, AI tiek izmantots, lai analizētu plašas elektromikroskopu attēlu daudzības vīrusu un baktēriju olbaltumvielu, lai paredzētu morfoloģiskās izmaiņas, palīdzot saprast infekcijas mehānismus.
Konsorcija, ko veido 17 farmācijas kompānijas, apvieno datus par zāļu savienojumiem un to ietekmi, strādājot, lai attīstītu AI sistēmas, kas varētu ieteikt cerīgus savienojumus narkotiku atklājumam.
Lai konkurētu ar Rietumu megafarmācijas kompānijām, kas spēcīgi iegulda jaunu zāļu attīstībā, Japāna izmanto AI, lai uzlabotu savu farmācijas nozari. Profesors Jasuši Okuno, Computatīvās zinātnes pētījumu centra vadītājs institūtā RIKEN un arī profesors Kioto Universitātē, akcentēja pāreju uz AI vadītu zāļu atklāšanu, norādot, ka olbaltumvielu formas un to izmaiņu saprašana spēlē centrālo lomu jaunu medikamentu izstrādē.
Apvienojot milzīgus proteīnu elektromikroskopijas attēlu datus, RIKEN un Fujitsu ir attīstījušas AI algoritmus, kas spēj prognozēt morfoloģiskās izmaiņas daudz ātrāk nekā vecākie metodēs, tikai apmēram 2 stundu laikā, atšķirībā no pilnas dienas. Šis paātrinātais process dod farmācijas kompānijām potenciālu efektīvi identificēt zāļu komponentus, kas varētu nomākt šīs formas izmaiņas.
Japānas Medicīniskās pētījumu un attīstības aģentūra ir vadītā “Sadarbības nākamās paaudzes zāļu atklāšanas AI attīstības (DAIIA)” projekta, kas iesaistījusi universitātes pētniekus un 17 farmācijas kompānijas, lai izveidotu AI sistēmas, kas ierosina cerīgus savienojumus jaunām zālēm.
Profesors Okuno, iesaistīts projektā DAIIA, uzsver vajadzību pēc valsts sadarbības starp farmācijas kompānijām un pētniekiem, atgādinot nepieciešamību pēc AI tehnoloģiju izmantošanas, lai turētu tempu ar starptautiskajiem farmācijas gigantiem.
Papildus fakti:
– AI tehnoloģija narkotiku attīstībā nav ierobežota tikai Japānā; valstis, piemēram, Amerikas Savienotās Valstis, Ķīna un Apvienotā Karaliste, arī aktīvi iegulda, izmantojot AI, lai paātrinātu narkotiku atklāšanas procesus.
– AI izmantošana narkotiku attīstībā nav ierobežota tikai uz infekcijas slimībām, bet attiecas arī uz dažādām citām terapeitiskajām jomām, piemēram, vēža, neironu bojājumiem un retām ģenētiskām slimībām.
– Farmācijas kompānijas arvien vairāk sadarbojas ar tehnoloģiju kompānijām, kas specializējušās uz AI, lai piekļūtu uzlabotiem algoritmiem un skaitliskajiem resursiem, lai efektīvāk attīstītu zāles.
Svarīgie jautājumi:
1. Kā AI tehnoloģijas var uzlabot narkotiku efektivitātes un drošības profilu paredzēšanas precizitāti un ātrumu?
2. Kādas ir etiskās sekas, uzticoties smagi AI algoritmiem svarīgos lēmumos narkotiku attīstībā?
3. Kā var regulatīvās iestādes pielāgoties, lai uzraudzītu AI integrāciju narkotiku attīstības procesā un garantētu pacientu drošību?
Galvenās izaicinājumi/polemikas:
– Datu privātuma un īpašuma jautājumi rodas, daloties ar jutīgiem farmācijas datiem, sadarbības AI projektos starp daudziem iesaistītajiem.
– Raizes par potenciālajām nokrāsotām AI algoritmām, kas varētu novest pie izkropļotiem ieteikumiem par narkotiku savienojumiem, ietekmējot narkotiku attīstības centienu dažādību un iekļaušanu.
– Nepieciešamība pēc pārredzamības un saprātības AI lēmumu pieņemšanas procesos, lai veidotu uzticību starp iesaistītajām pusēm, tostarp regulatīvajām iestādēm un pacientiem.
Priekšrocības un trūkumi:
– Priekšrocības: AI tehnoloģija var ievērojami samazināt narkotiku attīstības laika izmaksas, uzlabot paredzēšanas precizitāti, atklāt jaunas narkotiku mērķus un veicināt jaunu zāļu atklāšanu.
– Trūkumi: Izaicinājumi saistīti ar datu kvalitāti, algoritmu nelīdzsvarotību, AI ieteikumu interpretēt spēju, regulatīvām grūtībām un iespējamu cilvēku pētnieku aizstāšanu narkotiku attīstības konkrētos aspektos.
Ieteicamie saistītie resursi:
– FDA oficiālā mājaslapa
– Nature žurnāls
– Nacionālie veselības institūti (NIH)