Как медицинските технологии помагат за ускоряване на откриването на лекарства
Продължете да четете, за да научите повече за изкуствения интелект в откриването и разработването на лекарства и как това помага за намаляване на разходите за разработването на лекарства и по-бързото получаване на животоспасяващо лечение за пациентите.
Увеличаващите се разходи за откриване и разработване на лекарства
Начинът, по който здравните специалисти се отнасят към пациентите, се променя бързо. Прецизната медицина става все по-често срещана, тъй като изследователите се занимават със сложни здравни проблеми, а фармацевтиката се стреми да намали времето, необходимо за разработване на животоспасяващи лекарства.
В момента пускането на пазара на ново лекарство е изключително дълъг и скъп процес за фармацевтичните компании. Според Taconic Bioscience през 2019 г. са били необходими около 2,8 милиарда долара и над 12 години за разработването на едно единствено лекарство. И след всичко това 90% от кандидатите не успяват да получат одобрение от FDA.
Добрата новина е, че изкуственият интелект (ИИ) има невероятния потенциал да ускори процеса на откриване и разработване на лекарства.
Как ИИ опростява процеса на откриване на лекарства
Първата стъпка в създаването на повечето лекарства е да се синтезира съединение, което може да се свързва със и да модулира целева молекула – обикновено протеин – участваща в болест. За да намерят правилното съединение, изследователите преглеждат хиляди потенциални кандидати. След като дадена цел бъде идентифицирана, изследователите след това проучват внимателно огромни библиотеки с подобни съединения, за да намерят оптимално взаимодействие с протеина на болестта.
В момента са необходими повече от десет години и стотици милиони долари, за да се стигне до този момент. Но медицинските технологии, които използват изкуствен интелект и машинно обучение (МО), могат да опростят процеса, като намалят времето и парите, които са необходими на една фармацевтична компания за пускането на нови лекарства. Например тези технологии могат да:
Претърсват щателно библиотеки с молекули
Библиотеките, проверявани за кандидати за молекула, са толкова огромни, че е почти невъзможно за хората изследователи да прегледат всичко сами. ИИ, от друга страна, може бързо да идентифицира потенциални целеви съединения в огромни набори от данни, като спестява на изследователите стотици часове в лабораторията.
Прогнозиране на свойствата на съединенията
Традиционният процес на откриване на лекарства включва времеемко изпитване по метода „проба и грешка“. Решенията за медицински технологии, комбинирани с ИИ и МО, могат да помогнат за ускоряване на процеса, като прогнозират свойствата на потенциалните съединения и гарантират, че само тези с желания състав са избрани за синтез. Това спестява време на изследователите да не работят върху съединения, които е малко вероятно да бъдат ефективни.
Създаване на нови съединения
Когато проверката дава няколко обещаващи резултата, ИИ може дори да генерира идеи за чисто нови съединения, които отговарят на желаните параметри и имат по-голям шанс за успех.
Как ИИ може да помогне при откриването на нови лекарства?
Как се използва ИИ в клиничните изпитвания?
Според Deloitteсамо 10% от кандидатите за лекарства, които влизат в етапа на клиничните изпитвания, са одобрени от регулаторните органи. Най-дългият и най-скъп етап от процеса на създаване на лекарства, клиничните изпитвания включват множество фази на тестване върху хора, като всяка фаза включва стотици или хиляди участници.
Традиционният линеен процес на рандомизираните контролирани изпитвания (RCT) не се е променял от десетки години и няма гъвкавостта, скоростта и аналитичната мощ, необходими за успеха на модела на прецизната медицина. Фирмите се мъчат да намерят правилните участници, да не говорим за това, че трябва да ги привлекат, запазят и управляват ефективно. Неефективността на процеса значително допринася за увеличаващите се разходи за откриване и разработване на лекарства, както и за ниските нива на одобрение.
Фармацевтичните компании могат да използват прогнозни модели на ИИ по време на етапа на клинични изпитвания при разработването на лекарства – от проектирането до анализа на данни, което ще помогне за:
- Идентифициране на подходящите пациенти чрез събиране на публично достъпно съдържание.
- Оценяване на ефективността на мястото на изпитванията в реално време.
- Автоматизиране на споделянето на данни на различни платформи.
- Предоставяне на данни за окончателните отчети.
Свързването на алгоритми с ефективна техническа инфраструктура гарантира, че постоянният поток от клинични данни се изчиства, обобщава, съхранява и управлява ефективно. По този начин изследователите могат по-добре да разберат безопасността и ефективността на лекарствата, без да се налага ръчно да съпоставят и анализират огромните набори от данни, генерирани от изпитванията.
Пречки за приемане на ИИ при откриването и разработването на лекарства
Въпреки че използването на ИИ става все по-широко в процеса на откриване на лекарства, все още има пречки за приемането.
Качество на данните
Едно от често цитираните предизвикателства в много отрасли е, че лошите данни могат бързо да намалят полезността на изкуствения интелект и машинното обучение. За изследователите на лекарства данните с ниско качество правят медицинските технологии ненадеждни и в крайна сметка не по-точни, полезни или спестяващи време от традиционните методи.
Опасения
Има погрешно разбиране в повечето отрасли, че технологиите в крайна сметка ще заместят напълно хората, които работят. Фармацевтичният отрасъл не е изключение. И въпреки че е вярно, че ИИ може да анализира големи набори от данни по-бързо, той не може да замести хората, които са опитни изследователи и клиницисти.
Недостиг на умения
Внедряването на медицински технологии в процеса на откриване на лекарства изисква подходящ набор от умения. За да поддържат данните чисти и ИИ да е ефективен, фирмите се нуждаят от работници с не само технически умения, но и разбиране на научната страна на процеса, като например проектиране на лекарства, биология и химия. Намирането им е много трудна задача за фирмите.
Бъдещето на ИИ в разработването на лекарства във фармацевтиката
ИИ помага на изследователите в иновациите, на клиницистите да отговорят на изискванията на прецизната медицина, и на фирмите да пускат на пазара животоподдържащи лекарства. Всяка година има повече партньорства между фармацевтичните и технологичните фирми и огромни инвестиции в стартиращи фирми, занимаващи се с медицински технологии и ИИ.
Дори виждаме споделяне на данни между големи фармацевтични компании. Machine Learning Ledger Orchestration for Drug Discovery или MELLODDY е обединение, което улеснява споделянето на данни между десетките си членове. MELLODDY използва система, базирана на верига от блокове, която позволява на фирмите да споделят фирмени данни, като същевременно се запазва поверителността. Изследователите могат да използват съществуващите данни, за да започнат бързо процеса си на откриване на лекарства и да спестят години от разработването.
Ускорете своето изследване и разработка
Следвайте ни