Medyczna AI-rewolucja nadciąga
Jednym z największych wyzwań oraz ogromnych kosztów współczesnej medycyny jest odkrywanie nowych leków. Tradycyjne metody znane od lat to wieloletnie badania generujące ogromne koszty finansowe, czasowe, a co więcej – wcale nie gwarantują sukcesu. W świecie, w którym sztuczna inteligencja zaczęła pojawiać się w wielu dziedzinach życia, nie sposób, by jej wpływ ominął farmakologię.
Ciekawych wniosków dostarcza najnowszy raport Top Disruptors in Healthcare prezentujący ponad 150 startupów medycznych z Europy Środkowo Wschodniej. Według danych ponad 60% badanych przyznaje, że pracuje nad rozwiązaniami w sektorze AI oraz uczenia maszynowego. A to jednoznacznie wskazuje, że potencjał wykorzystania sztucznej inteligencji w zakresie opieki zdrowotnej został już dostrzeżony. Rozwiązania z dziedziny sztucznej inteligencji mogą wspomagać tworzenie nowoczesnych terapii, rozwiązań diagnostycznych, czy usprawniać zarządzanie dokumentacją medyczną.
Co na to rynek?
Według analizy przeprowadzonej przez Data Bridge Market Research, globalny rynek sztucznej inteligencji w odkrywaniu leków ma osiągnąć wartość 24 618,25 mln USD do 2029 r., przy CAGR na poziomie 53,3%. Jego wzrost napędzany jest zarówno przez firmy farmaceutyczne, jak i startupy, które poszukują nowych i efektywniejszych metod leczenia.
Podstawą do poszukiwania nowych kierunków w rozwoju produktów leczniczych są zaistniałe na rynku możliwości – odczuwalny niedobór leków w leczeniu chorób rzadkich, wzrost zachorowalności na schorzenia przewlekłe, wreszcie – poszukiwanie możliwości optymalizacji procesu odkrywania nowych leków. Nie brakuje oczywiście również zagrożeń, w tym wysokich kosztów związanych z rozwojem technologii czy ryzyka łączonego z zapewnieniem bezpieczeństwa całego procesu. Wyzwaniem staje się z kolei globalny niedobór talentów w zakresie rozwoju AI, a także i kwestie etyczne, prawne i regulacyjne.
Jednak entuzjaści wierzą, że innowacyjne technologie i narzędzia wykorzystujące sztuczną inteligencję mogą znacząco pomóc w optymalizacji procesu odkrywania leków. Poniższe przykłady to nie tylko omówienie potencjalnych kierunków dla wykorzystania AI, ale i przybliżenie kilku obiecujących startupów, które wykorzystują sztuczną inteligencję w usługach oraz produktach i przyczyniają się do przyspieszenia postępu medycyny.
AI w praktycznych odsłonach – etapy pracy nad odkrywaniem leków
Zastosowania sztucznej inteligencji w odkrywaniu leków, można podzielić proces na kilka etapów. Począwszy od identyfikacji celu terapeutycznego, aż po badania kliniczne.
- Identyfikacja celu terapeutycznego – gdy dostępnych jest wiele danych
Badania nad nowymi lekami generują ogromne ilości danych, które mogą mieć istotne zastosowanie w usprawnianiu kolejnych etapów procesu. Dzięki sztucznej inteligencji możliwe jest przetworzenie ogromnych zbiorów dokumentacji, takich jak:
- bazy danych związków chemicznych,
- informacje o chorobach i ich mechanizmach,
- wyniki badań klinicznych.
Algorytmy mogą dokładnie analizować dane, zidentyfikować wzorce i wskazywać na potencjalne kierunki rozwoju leku.
- Walidacja celu i projektowanie molekuł – tworzenie zaawansowanych modeli
Metody sztucznej inteligencji będą coraz częściej wykorzystywane nie tylko do analizy danych, ale także do budowania potężnych modeli predykcyjnych i generatywnych złożonych zjawisk biologicznych. Dowodem na to może być m.in. AlphaFold2. Sztuczna inteligencja jest wykorzystywana do projektowania nowych molekuł leków poprzez symulację interakcji między cząsteczką leczniczą a celem terapeutycznym.
Algorytmy sztucznej inteligencji mogą generować i optymalizować struktury molekularne, uwzględniając takie czynniki jak aktywność biologiczna, właściwości farmakokinetyczne i bezpieczeństwo. Takie podejście pozwala na szybkie i precyzyjne projektowanie produktów leczniczych, minimalizując przy tym koszty prac B+R.
- Badania przedkliniczne – w trosce o skuteczność i bezpieczeństwo leków
Sztuczna inteligencja może okazać się nieoceniona również w przypadku badań przedklinicznych. Czasochłonne procesy stają się szybsze i dokładniejsze, dzięki czemu skraca się okres od rozpoczęcia badań do podjęcia decyzji.
Badania przedkliniczne są przecież bardzo istotną częścią całego procesu tworzenia leków. To właśnie ten etap jest kluczowy do oceny skuteczności i bezpieczeństwa środków farmakologicznych. Sztuczna inteligencja może być pomocna w identyfikacji trendów i wzorców, usprawniać także prognozy oraz wnioski. Oczywiście kluczowe jest tutaj odpowiednie weryfikowanie AI oraz dobór dokładnych danych do analizy.
- Badania kliniczne – monitorowanie pacjentów w czasie rzeczywistym to nie wszystko
Sztuczna inteligencja ma również dużą rolę do odegrania na etapie badań klinicznych. Poprzez poprawę wydajności i dokładności różnych aspektów tego procesu, może stać się znaczącą składową w ich projektowaniu.
AI w projektowaniu badań klinicznych bazuje na algorytmach, które usprawniają efektywność rekrutacji pacjentów. Proces przeprowadzany jest poprzez weryfikację elektronicznej dokumentacji medycznej i innych danych o pacjentach gromadzonych w celu zidentyfikowania potencjalnych kandydatów spełniających kryteria badania.
Sztuczna inteligencja może również pomóc w monitorowaniu pacjentów w czasie rzeczywistym podczas badania klinicznego. Przykładowo, urządzenia wyposażone w algorytmy sztucznej inteligencji mają zdolność śledzenia na bieżąco parametrów życiowych pacjentów i innych wskaźników zdrowotnych, które można następnie wykorzystać do dostosowania protokołów badań i poprawy bezpieczeństwa pacjentów.
AI to także wsparcie w analizie danych pochodzących z badań klinicznych. Algorytmy mogą analizować duże ilości danych generowanych podczas badania, aby zidentyfikować trendy i wzorce, które analitycy mogliby przeoczyć. To z kolei wsparcie badaczy w zakresie identyfikacji nowych spostrzeżeń i hipotez, które będą stanowić podstawę przyszłych badań oraz praktyki klinicznej.
Startupy a AI-innowacje w branży farmaceutycznej
AI stwarza przestrzeń do efektywnych działań w obrębie odkrywania leków, co wydaje się interesujące zwłaszcza dla jednego typu podmiotów.
W tym przypadku mowa o startupach, które chętnie podejmują się innowacyjnych inicjatyw, nawet zanim zrobią to firmy farmaceutyczne. Wynika to oczywiście nie tylko z ciekawości, ale i większej elastyczności w działaniu. Startupy z kolei często dostarczają rozwiązania, które mogą być następnie implementowane przez firmy z branży farmaceutycznej. Co ciekawe, rozwiązania warte zgłębienia tworzone są zarówno na arenie międzynarodowej, jak i na polskim rynku. Oto kilka przykładów startupów specjalizujących się w tym obszarze.
Molecule.one – startup, który skupia się na opracowywaniu zaawansowanego oprogramowania opartego na algorytmach sztucznej inteligencji do planowania syntezy chemicznej. Dzięki wykorzystaniu AI firma może analizować ogromne zbiory danych chemicznych i generować optymalne strategie syntezy, co znacząco przyspiesza proces tworzenia nowych leków.
Ardigen – spółka, która tworzy AI-technologie pomocne w rozwoju produktów leczniczych. Działa prężnie na rynku i ze względu na rosnącą skalę działania jest już większy niż klasyczny startup, ale wywodzi się z tego środowiska. Pomaga zarówno małym, jak i większym efektywnie wykorzystywać nowe technologie do rozwoju.
Genotic – startup, który rozpoczynał od analiz genetycznych, a następnie postawił na wykorzystanie AI w projektowaniu, testowaniu i produkcji przeciwciał. Rewolucyjność ich rozwiązania polega na nowoczesnej metodzie przewidywania struktur białek na podstawie sekwencji. Spółka została doceniony w branży jako podmiot mający realny wpływ na przyspieszenie oraz obniżenie kosztów projektowania, a także produkcji danego przeciwciała.
Genesis Therapeutics – sami o sobie mówią, że są napędzani przez sztuczną inteligencję. Obszarem działania tego startupu jest wykorzystanie AI w biochemii. Startup stworzył platformę molekularną sztucznej inteligencji, która łączy sieci neuronowe 3D z nowymi metodami symulacji molekularnej. Tym samym prezentuje on pionierskie podejście do sztucznej inteligencji – modelowanie 3D wraz z najnowocześniejszą symulacją molekularną.
Iktos – startup specjalizujący się w opracowywaniu rozwiązań opartych na sztucznej inteligencji mających zastosowanie w badaniach chemicznych, a konkretnie w chemii lekowej i projektowaniu nowych leków. Spółka potwierdziła skuteczność swojej technologii poprzez nawiązanie ponad 50 współpracy z firmami farmaceutycznymi i biotechnologicznymi, takimi jak Chiesi Group, Galapagos, Janssen, Merck, Teijin, Ono Pharmaceuticals, Pfizer, Servier, UCB.
Unlearn.AI – warto przyjrzeć się bliżej również działaniom tego startupu, który wykorzystuje zaawansowane metody uczenia maszynowego do przewidywania skutków leczenia. Ich innowacyjny projekt cyfrowych bliźniaków pomaga oszacować, jak stan zdrowia danej osoby może zmieniać się w czasie.
RECEPTOR.AI – ten startup określa siebie jako kompleksową platformę do odkrywania leków w celu osiągnięcia najwyższej selektywności pod względem podobnych celów białkowych. Startup stawia na integrację wszystkich informacji zebranych z badań in vitro i in vivo.
AI w służbie człowiekowi
Wykorzystanie sztucznej inteligencji w odkrywaniu leków ma ogromny potencjał dla rozwoju przemysłu farmaceutycznego. Jednak należy również uwzględnić wyzwania związane z jakością danych, etyką i regulacją, aby zagwarantować bezpieczeństwo i skuteczność nowych leków.
Praca nad wykorzystaniem AI w odkrywaniu leków to nie tylko innowacyjne podejście, ale również odpowiedź na trudności i wyzwania, z jakimi naukowcy zmagają się od dawna. Skuteczna optymalizacja prac badawczo-rozwojowych pozwala wkroczyć w nową erę medycyny, w której terapie są bardziej spersonalizowane, skuteczne i dostępne dla wszystkich.
NutriDesign Lab zaoferuje nowe podejście żywieniowe w walce z demencją
FindAir pozyskuje 7 mln zł na dalszy rozwój inteligentnych inhalatorów do leczenia astmy
