Umjetna inteligencija neće zamijeniti znanstvenike koji otkrivaju lijekove, ali će znanstvenici koji otkrivaju lijekove i koji koriste umjetnu inteligenciju zamijeniti one koji je ne koriste” – komentar tijekom sastanka Europske federacije za farmaceutsku kemiju.
Napredak kreiranja lijeka od koncepta do komercijalizacije obično traje 10-15 godina i ima visoke povezane troškove do 2 milijarde dolara po lansiranom lijeku, ako se uračunaju svi neuspjesi.
To je dovelo do potražnje za primjenom novih tehnologija kako bi se ubrzao i smanjio rizik naftovod otkrića. Trenutačno su zanimljivi pristupi umjetne inteligencije (AI) i strojnog učenja (ML), koji nude mogućnost proširenja kemijskog ‘prostora pretraživanja’ za novim spojevima, omogućuju ubrzane izračune složenih svojstava i pružaju uvid u inherentno bučne i nepotpune informacije.
“U budućnosti će SVI LIJEKOVI biti dizajnirani pomoću umjetne inteligencije” – web stranica tvrtke AIDD
AI i ML povećavaju učinkovitost u otkrivanju lijekova
Budući da je proces otkrivanja efikasnog lijeka iznimno dugotrajan proces timovi za otkrivanje lijekova sve više žele poboljšati kvalitetu svojih početnih uspješnih molekula kako bi započeli ovaj proces. Glavna misao vodilja za to je činjenica da je značajno teže pronaći nove molekule koje bi se vezale na sve željene ciljeve koje lijek treba ispuniti
Iako proces filtriranja, barem za rano otkrivanje lijeka, može (ili mora biti) visoko automatiziran, u kasnijim fazama, proces se prirodno prebacuje na ljudsko odlučivanje. Priroda AI ‘podrške’ ljudskom znanstveniku stoga se mora mijenjati tijekom procesa otkrića novih lijekova, navode u DrugTargetReview.
Kako je AI i ML tehnologija ubrzala otkrivanje lijekova
Iako se može smatrati da je AI za otkrivanje lijekova (AIDD – Advanced Machine learning for Innovative Drug Discovery) u početnim fazama razvoja i prihvaćanja, spojevi otkriveni pomoću platformi AIDD-a već ulaze u klinička ispitivanja.
Ukupni utjecaj AI i ML pristupa potencijalno je vrlo velik i može se vidjeti na više razina. Osim što umjetna inteligencija predlaže nove molekule u prvom dijelu projekta, također može ubrzati optimizaciju molekula brzim izračunom složenih svojstava i analizom velikih i međusobno ovisnih podataka.
Trenutna praksa razmatra veličine 'virtualne knjižnice' od desetaka milijardi molekula.Izvor:Canva
AI i ML metode koje se izvode na najnovijoj generaciji hardvera mogu trijažirati molekule na razini koja je prije nekoliko godina bila nezamisliva.
Trenutna praksa razmatra veličine ‘virtualne knjižnice’ od desetaka milijardi molekula. Ta knjižnica bi se sastojala od molekula definiranih skupom sintetskih reakcija i odgovarajućih početnih materijala za formiranje ultra velike virtualne knjižnice.
Ovdje se radi i o velikom računalnom izazovu, koji je svojstven razmatranju milijardi opcija i smanjivanju toga na nekoliko desetaka do stotina molekula, koje bi se zatim izradile i ispitale u odnosu na cilj lijeka
Eksperimentalni probiotik pokazao velik uspjeh u liječenju multiple skleroze kod miševa
Moćan novi lijek sprječava spolno prenosive bolesti, ali postoji kvaka
Budućnost umjetne inteligencije u otkrivanju lijekova
Iako se ne slažemo s filozofijom “jednog dana sva će se otkrića lijekova provoditi isključivo pomoću umjetne inteligencije”, jasno je da umjetna inteligencija može pozitivno utjecati na izazove koji se javljaju tijekom procesa otkrivanja droga, ističe Matthew Habgood s Imperial College London.
Trenutna ograničenja ovise o modelima obuke strojnog učenja (ML), ali i ograničenim pristupom podacima i strogom povjerljivošću koje imaju farmaceutske industrije što predstavlja veliku prepreku. Međutim, interes za korištenje umjetne inteligencije je u porastu, a kako se generira više podataka, ML alati bi mogli biti bolje pozicionirani za rješavanje svih složenih izračuna, kaže Matthew Habgood.
