Dirbtinio intelekto proveržiai medicinoje: atrasti vaistai net ir šizofrenijai gydyti

Dirbtinis intelektas keičia vaistų pramonę: pagreitina vaistų gamybą ir mažina bandymus su gyvūnais

Naujajame Džersyje įsikūrusi biotechnologijų įmonė „PsychoGenics“ naudoja dirbtinio intelekto (DI) galią, kad sukurtų revoliucinius psichikos ligų gydymo būdus. Įmonės vykdomas darbas, susijęs su novatorišku junginiu, skirtu šizofrenijai gydyti, yra įdomus pasiekimas dirbtiniu intelektu pagrįstų vaistų paieškos srityje^[1].

Bendrovės generalinė direktorė Emer Leahy paaiškino daug žadantį šio, jos nuomone, pirmojo dirbtinio intelekto atrasto vaisto kūrimą. 1999 m. Jeilio universiteto Psichiatrijos katedros mokslininkų įkurta bendrovė „PsychoGenics“ iš pradžių siekė suvokti ir spręsti psichikos sutrikimų problemas, tyrinėdama genetiškai modifikuotų pelių elgesį.

Plėsdama savo paslaugas, bendrovė vis daugiau dėmesio skyrė centrinės nervų sistemos (CNS) vaistų atradimui, teikdama ikiklinikinius pasiūlymus. Bendrovė, net ir būdama maža, pabrėžė novatorišką požiūrį, sutelkdama dėmesį į elgsenos rezultatus, o ne siekdama vaistų atradimo taikinių ir genų^[2].

Leahy paskatino savo komandą industrializuoti šį požiūrį ir bendradarbiaudama su Carnegie Mellon universitetu sukūrė „SmartCube“, savo dirbtinio intelekto varomą platformą. Tai padėjo daugeliui gydymo metodų pereiti prie klinikinių tyrimų, iš kurių perspektyviausias yra „Ulotaront“, vaistas, skirtas šizofrenijai gydyti ir šiuo metu esantis trečiojo etapo tyrimų stadijoje.

„SmartCube“ naudoja robotiką, kompiuterinę regą ir dirbtinį intelektą, kad stebėtų vaisto įšvirkštų pelių elgesį reaguojant į įvairius iššūkius. Jis fiksuoja daugybę kiekvieno seanso duomenų taškų, kurie apdorojami naudojant mašininį mokymąsi, siekiant nustatyti pagrindinius elgesio bruožus ir vėliau sukurti vaisto parašą.

Pastaraisiais metais padaugėjo atvejų, kai kuriant naujus vaistus yra naudojamas dirbtinis intelektas

Kompanija „PsychoGenics“ sukūrė išsamią etaloninę duomenų bazę, kurioje naudojami įvairūs kiti junginiai, pavyzdžiui, antidepresantai ir antipsichotikai, kad būtų galima palyginti su naujais vaistais. Sistema leidžia išbandyti tūkstančius junginių, iš kurių apie 40 % demonstruoja perspektyvų požymį potencialiam terapiniam naudingumui^[3].

Šio proceso pavyzdys šiuo metu kuriamas preparatas „Ulotaront“. Pripažindamos, kad skubiai reikia veiksmingų šizofrenijos gydymo būdų, komandos sukūrė preparatą, kad jis būtų nukreiptas į kitokius mechanizmus nei esami gydymo būdai ir padėtų šalinti labiau varginančius šizofrenijos simptomus, kurie beveik 60 metų buvo nepaliesti.

Sėkmingi antrosios fazės klinikiniai tyrimai parodė, kad preparatas gali pagerinti tiek teigiamus, tiek neigiamus šizofrenijos simptomus. Tikimasi, kad kelių trečiosios fazės tyrimų rezultatai bus paskelbti vėliau šiais metais, o jei rezultatai bus palankūs, rinkai jį bus galima pateikti iki 2024 m.

Leahy pabrėžia, kad pastaraisiais metais labai padaugėjo dirbtinio intelekto taikymo vaistų kūrime atvejų, o „PsychoGenics“ yra šios tendencijos pradininkė. Ji pabrėžia, kad dirbtinio intelekto efektyvumą lemia įvestų duomenų kokybė. Ji teigia, kad gebėjimas nustatyti modelius ir išskaidyti duomenis į vaistų požymius rodo DI galią ir prognozuoja didelį jo augimą ateityje.

Žmogaus organizmo sudėtingumas liudija, kad medicininiai tyrimai yra sudėtingi, nes kiekvieno naujo vaisto, skirto ligai gydyti, atradimas ir patvirtinimas gali užtrukti daugelį metų. Tačiau naujausi dirbtinio intelekto (DI) srities pasiekimai rodo, kad jis galėtų gerokai pagreitinti šį procesą.

Šiuo metu vaistų atradimas ir gamyba gali trukti daugiau nei dešimtmetį

Šios technologijų srities ekspertai teigia, kad dirbtinio intelekto potencialas slypi technologijų, vaistų kūrimo ir biologijos konvergencijoje. Manoma, kad integravus technologijų ekosistemoje sukurtus dirbtinio intelekto gebėjimus, vaistų atradimo procesą būtų galima ir paspartinti, ir patobulinti. Tokia technologinė pažanga galėtų turėti didelį poveikį pacientams, greičiau nei bet kada anksčiau pristatant gyvenimą keičiančius gydymo būdus tiems, kuriems jų reikia^[4].

Vaistų kūrimo procesai trunka dešimtmečiais. Integravus dirbtinį intelektą, šį laiką būtų galima gerokai sutrumpinti, ir galbūt net dešimtadaliu dabartinio laiko. Toks pagreitėjimas galėtų padėti išspręsti dabartinę daugelio ligų gydymo trūkumo problemą ir sudaryti sąlygas kurti naujus gydymo būdus, kuriais pacientai būtų veiksmingai gydomi precedento neturinčiu greičiu.

Svarbus dirbtinio intelekto revoliucijos sveikatos priežiūros srityje komponentas yra personalizuotos medicinos perspektyva. Netolimoje ateityje sveikatos duomenys galėtų būti renkami iš įvairių šaltinių, įskaitant dėvimus prietaisus, elektroninius medicininius įrašus ir klinikinius ar akademinius tyrimus. Ši gausybė duomenų, jei jie būtų savanoriškai įkelti į centralizuotą, saugią ir patikimą saugojimo sistemą, galėtų būti panaudota vaistų gydymui individualizuoti.

Toks personalizavimas galėtų atsižvelgti ne tik į tai, koks vaistas gali būti veiksmingas konkrečiam asmeniui, bet ir į tai, kada vaistas turėtų būti skiriamas, kokia seka ir kokia doze. Tikimasi, kad toks specifiškumo lygis labai padidins gydymo veiksmingumą ir pagerins pacientų gydymo rezultatus.

Tačiau dirbtinio intelekto integravimas į vaistų paiešką nereiškia, kad bus pakeisti žmonės mokslininkai. Priešingai, tikimasi, kad dirbtinis intelektas suteiks mokslininkams galimybę greičiau ir veiksmingiau atlikti užduotis, galimai kuriant įžvalgas, kurių kitaip nebūtų įmanoma pasiekti. Tikėtina, kad ši technologija padės automatizuoti daugelį sunkių užduočių, pavyzdžiui, pipetavimą ir duomenų tvarkymą, todėl mokslininkai galės sutelkti dėmesį į hipotezių kūrimą ir tolesnius eksperimentus.

Nors daug žadama, DI projektų imamasi neskubant

Ne vienas medikas nurodė, kad DI kelia riziką ir pavojų medicinos pramonei. Ekspertai prisibijo to, ką gali dirbtinis intelektas ir kokios jo galimybės reiškia pokyčius valdyme ir procesuose. Tai pat prisibijama projektų su DI, nes kyla šališkumo ir etikos klausimai. Tačiau projektų plėtros net ir toks technologijos kvestionavimas kol kas nesustabdo.

Nepaisant daug žadančių perspektyvų, daugelis įmonių vis dar nesiryžta visiškai imtis dirbtinio intelekto, dažnai norėdamos stebėti bandomųjų programų rezultatus ir apčiuopiamą poveikį prieš imdamosi dirbtinio intelekto platesniu mastu. Toks požiūris, vadinamas bandomąja skaistykla, riboja DI veiksmingumą ir platų taikymą organizacijoje.

Norint išsivaduoti iš bandomosios skaistyklos ir visiškai išnaudoti dirbtinio intelekto potencialą, organizacijose reikia visapusiškai pakeisti mąstyseną. Aiškios šiaurės žvaigždės, arba galutinio tikslo apibrėžimas gali būti mokslinių tyrimų ir technologinės plėtros funkcijų pertvarkos gairės, nukreipiančios jas į šio tikslo siekimą.

Kitas labai svarbus šio pertvarkymo aspektas yra didžiausių mokslinių ir veiklos iššūkių nustatymas ir sprendimas. Supratimas, su kokiomis pagrindinėmis problemomis susiduria laboratorijų mokslininkai, klinikinių tyrimų pacientai ir potencialūs vaisto gavėjai, gali padėti nustatyti prioritetus problemoms, kurias turėtų spręsti dirbtinis intelektas.

Be to, norint sėkmingai įdiegti dirbtinį intelektą vaistų atradimo ir kūrimo srityje, būtina įtraukti analitiką į sprendimų priėmimo procesus. Organizacija turėtų suprasti duomenų ir analitikos potencialą, pasitikėti duomenimis ir modeliais ir integruoti analitiką į sprendimų priėmimo proceso esmę.

Galiausiai, kad dirbtinis intelektas padarytų reikšmingą poveikį vaistų atradimui ir kūrimui, jis turėtų greitai sukurti vertę. Projektai, kurie rezultatų duoda tik po daugelio metų, gali būti neveiksmingi. Vietoj to svarbiausia bus sutelkti dėmesį į tai, kaip galima sukurti vertę per trumpesnį laiką, pavyzdžiui, per tris mėnesius, ir į tai, ką tai reikštų analitikos, duomenų ir technologijų požiūriu.

Kitoks požiūris į vertę tiek pacientui, tiek moksliniam procesui, žada revoliuciją vaistų atradimo srityje

Dirbtinis intelektas (DI) jau dabar atlieka lemiamą vaidmenį keičiant vaistų kūrimą ir mažinant bandymų su gyvūnais skaičių laboratorijose, o tokios įmonės kaip „VeriSIM Life“ yra lyderės. Šios įmonės dirbtiniu intelektu grindžiamas metodas gerokai padidina vaistų atradimo saugumą, greitį ir ekonomiškumą^[5].

Įmonė, kurią 2017 m. įkūrė veterinarijos gydytoja, genomikos ir vėžio biologijos specialistė daktarė Jo Varshney, naudoja mašininį mokymąsi, kad sukurtų įvairių žmonių ir gyvūnų organizmo tipų skaitmeninius dvynius. Šios dirbtinio intelekto konstrukcijos naudojamos analizuoti, kaip potencialūs vaistai gali paveikti realius tiriamuosius, veiksmingai mažinant ikiklinikinių tyrimų poreikį ir sparčiai atliekant šią užduotį.

Bendradarbiaudama su farmacijos korporacijomis, biotechnologijų įmonėmis ir akademinėmis įstaigomis, bendrovė remiasi dirbtiniu intelektu vertindama vaistų veiksmingumą ir saugą bandymų etape, taip sumažindama priklausomybę nuo bandymų su gyvūnais. Kiekvienam vaistui priskiriamas transliacijos indekso balas, panašus į kredito balą, kuris parodo tikėtiną vaisto veiksmingumą.

Jei balas žemas, vaistų kūrėjams gali tekti persvarstyti savo eksperimentinį planą arba grįžti prie pradinio etapo. Tačiau taikant šį dirbtinio intelekto valdomą modeliavimo metodą, dėl platformos gebėjimo greitai patikrinti milijonus hipotezių, galima daug greičiau pradėti iš naujo su kitu veikiančiu junginiu. Tai ryškus kontrastas daug laiko užimančiam bandymų ir klaidų procesui, tradiciškai taikomam vaistų atradimui.

DI naudojimo pranašumų sąraše – net ir lėšų sumažinimas

Naujoviška „VeriSIM“ platforma galėtų gerokai sumažinti išlaidas, susijusias su bandymais su gyvūnais atliekant mokslinius tyrimus ir kuriant vaistus, o tai JAV bendrovėms galėtų padėti sutaupyti apie 20 mlrd. dolerių per metus ir kartu apsaugoti daugybę gyvūnų. Dr. Varshney įsitikinęs, kad jų technologija yra unikali šioje srityje, nes ji sumažina vaistų kūrėjų išlaidas, laiką ir riziką, turint omenyje, kad apie 89 % vaistų, kurie praeina bandymus su gyvūnais, nepavyksta išbandyti su žmonėmis.

Ši technologija taip pat padeda kurti vaistus nišinėms pacientų grupėms, kurios kitu atveju būtų ekonomiškai neįgyvendinamos naudojant tradicines mokslinių tyrimų ir plėtros išlaidas. „VeriSIM“ turi dukterinę įmonę, kuri naudoja šią platformą vaistų nuo retųjų ligų kūrimui.

Be to, bendrovė bendradarbiauja su Mayo klinika, siekdama toliau plėtoti vaistų paiešką ir kūrimą. Nors dauguma „VeriSIM“ klientų yra įmonės, kuriančios žmonėms skirtus vaistus, įmonės technologija taip pat naudojama kuriant vaistus gyvūnams. Iki šiol technologijų įmonė iš investuotojų pritraukė apie 25 mln. dolerių^[6].

Dr. Varshney teigimu, Maisto ir vaistų administracija remia įmonės tikslą sumažinti bandymų su gyvūnais skaičių. Ji mano, kad jų technologija yra abiem pusėms naudinga situacija farmacijos bendrovėms ir pacientams. Jos teigimu, finansiniu požiūriu nauda įmonėms ir pacientams, nekantriai laukiantiems naujų gydymo būdų, yra didelė.

Dr. Varshney numato, kad, pasitelkus šią technologiją, į rinką bus pateikti ekonomiškesni vaistai. Dėl to farmacijos bendrovės galėtų gauti daugiau pajamų, o pacientai tuo pat metu gautų naujų, prieinamų šiuo metu negydomų ligų gydymo būdų.