Για χρόνια, επενδυτές έχουν δώσει μεγάλα κεφάλαια για να μπει η τεχνητή νοημοσύνη στη διαδικασία ανάπτυξης φαρμάκων. Φάρμακα που έχουν σχεδιαστεί ειδικά για αυτό το λόγο ώστε να συμβάλουν στις παθήσεις όπως οι καρκίνοι της λέμφου, οι φλεγμονώδεις ασθένειες και η νόσος των κινητικών νευρώνων βρίσκονται σε δοκιμές σε ανθρώπους. Πολλοί επιστήμονες θεωρούν πώς είναι απλώς θέμα χρόνου να καθίσουν στο ράφι ενός φαρμακείου.
Εάν πετύχει, η τεχνητή νοημοσύνη υπόσχεται μια επανάσταση για τη φαρμακευτική βιομηχανία! Θα μπορούσε να μειώσει δραματικά τον χρόνο που χρειάζεται για την ανάπτυξη ενός νέου φαρμάκου, καθώς και να βοηθήσει στον εντοπισμό νέων μορίων φαρμάκων που μέχρι στιγμής διέφευγαν από τους επιστήμονες. Οι παρασκευαστές φαρμάκων θα κέρδιζαν δισεκατομμύρια, αλλά θα σήμαινε επίσης ότι οι ασθενείς θα μπορούσαν να έχουν πρόσβαση σε περισσότερα νέα, καινοτόμα φάρμακα με ρυθμό που δεν είχε ξαναδεί.
Η αρχή για τη χρήση της τεχνητής νοημοσύνης στην ανακάλυψη και ανάπτυξη φαρμάκων είναι αρκετά απλή με την χρήση των αλγόριθμων. «Πιστεύω οπωσδήποτε ότι όλα τα φάρμακα θα σχεδιαστούν με αυτόν τον τρόπο στο μέλλον, γιατί πιστεύω ότι είναι ένας πολύ πιο αποτελεσματικός τρόπος για τον σχεδιασμό μορίων», δήλωσε ο Andrew Hopkins, ιδρυτής της Exscientia. Το ερώτημα είναι πόσο γρήγορα θα το υιοθετήσει η βιομηχανία, είπε.
Είναι ασφαλή για τους ανθρώπους;
Επί του παρόντος, όλα τα βλέμματα είναι στραμμένα στο εάν τα φάρμακα που έχουν σχεδιαστεί με τεχνητή νοημοσύνη θα είναι ασφαλή για τους ανθρώπους, θα έχουν το επιθυμητό αποτέλεσμα στην ασθένεια και θα είναι σε θέση να πληρούν τα αυστηρά ρυθμιστικά πρότυπα που θα εγκρίνονται πραγματικά για ανθρώπινη χρήση.
«Τα επόμενα χρόνια, πρέπει να δούμε επίσης κλινική επιτυχία των έργων που βασίζονται στην τεχνητή νοημοσύνη, διαφορετικά θα υπάρξει πρόβλημα με τη μετάφραση στην αποτελεσματικότητα και την ασφάλεια των μεθόδων», δήλωσε ο Andreas Bender, καθηγητής μοριακής πληροφορικής στο Πανεπιστήμιο του Cambridge.
Τι χρειάζεται για τον σχεδιασμό του φαρμάκου
Για να φτάσει ένα φάρμακο ακόμη και σε κλινικές δοκιμές, τα συστήματα τεχνητής νοημοσύνης πρέπει να είναι σε θέση να το σχεδιάσουν. Για να το κάνουν αυτό, χρειάζονται πρόσβαση σε τεράστιες ποσότητες δεδομένων. Αυτό περιλαμβάνει τα πάντα από δεδομένα για τη χημική σύνθεση διαφορετικών μορίων, μέχρι ερευνητικά έγγραφα και δεδομένα ασθενών. Χωρίς πρόσβαση σε καλής ποιότητας και εκτεταμένα δεδομένα, τα συστήματα AI δεν θα παρέχουν τα πιο ακριβή αποτελέσματα.
Αλλά με τις αποτυχίες υψηλού προφίλ, όπως η παρ’ ολίγον κατάρρευση της Sensyne Health και το Watson της IBM που δεν ανταποκρίθηκε στις μεγάλες φιλοδοξίες του, υπάρχει μια αίσθηση ότι η Τεχνητή Νοημοσύνη μπορεί να μην ανταποκριθεί τελικά στις υποσχέσεις όταν πρόκειται για την ανάπτυξη νέων φαρμάκων.
Με πολλά φάρμακα σχεδιασμένα με Τεχνητή Νοημοσύνη να δοκιμάζονται τώρα σε ανθρώπους, θα μπορούσε σύντομα να έρθει η ώρα της κρίσης.
Η Exscientia πειραματίστηκε πρώτη το 2020 με ένα φάρμακο που ήλπιζε ότι θα μπορούσε να θεραπεύσει την ιδεοψυχαναγκαστική διαταραχή. Ενώ η μελέτη αυτή διακόπηκ, η εταιρεία έχει τώρα ένα φάρμακο για τον καρκίνο και ένα για φλεγμονώδεις ασθένειες σε κλινικές δοκιμές.
Η Schrödinger έχει ένα πιθανό φάρμακο για το λέμφωμα σε κλινικές δοκιμές, η Insilico έχει ένα φάρμακο για τη θεραπεία της ιδιοπαθούς πνευμονικής ίνωσης που αναμένεται να εισέλθει σε δοκιμές φάσης 2 φέτος και η Verge Genomics δοκιμάζει ένα νέο θεραπευτικό φάρμακο για την αμυοτροφική πλευρική σκλήρυνση (ALS).
