In che modo la tecnologia biomedica aiuta ad accelerare la ricerca farmaceutica
Continua a leggere per saperne di più sull'uso dell'intelligenza artificiale nella ricerca e sviluppo farmaceutico e per ridurre il costo dello sviluppo farmaceutico e ottenere più rapidamente trattamenti salvavita per i pazienti.
L'aumento dei costi per la ricerca e lo sviluppo farmaceutico
Il modo in cui i professionisti del settore sanitario curano i pazienti cambia rapidamente. La medicina di precisione sta diventando sempre più comune man mano che i ricercatori affrontano questioni sanitarie complesse e il settore farmaceutico si sforza di ridurre i tempi necessari per sviluppare farmaci salvavita.
Attualmente, immettere sul mercato un nuovo farmaco è un processo estremamente lungo e costoso per le aziende farmaceutiche. Secondo il Taconic Bioscience, per un singolo farmaco sono stati necessari circa 2,8 miliardi di dollari e oltre 12 anni per completare il processo di sviluppo nel 2019. E dopo tutto questo, il 90% dei candidati non ha ottenuto l'approvazione dell'FDA.
La buona notizia è che l'intelligenza artificiale (IA) ha un potenziale incredibile per accelerare il processo di ricerca e sviluppo farmaceutico.
In che modo l'IA semplifica il processo di ricerca farmaceutica
Il primo passo nella creazione della maggior parte dei farmaci consiste nel sintetizzare un composto in grado di legarsi a una molecola bersaglio coinvolta in una malattia, di solito una proteina, e modularla. Per trovare il composto giusto, i ricercatori esaminano migliaia di possibili candidati. Una volta identificato un bersaglio, i ricercatori esaminano enormi librerie di composti simili per trovare l'interazione ottimale con la proteina della malattia.
Oggi, occorrono più di un decennio e centinaia di milioni di dollari per arrivare a questo punto. Invece, la tecnologia biomedica che utilizza l'IA e l'apprendimento automatico (ML) può semplificare il processo, riducendo il tempo e i costi necessari alle aziende farmaceutiche per rilasciare nuovi farmaci. Ad esempio, queste tecnologie possono:
Esaminare attentamente librerie di molecole
Le librerie selezionate per le molecole candidate sono così enormi che è quasi impossibile per i ricercatori esaminarle tutte da soli. L'intelligenza artificiale, invece, può identificare rapidamente potenziali composti bersaglio in enormi set di dati, facendo risparmiare ai ricercatori centinaia di ore di laboratorio.
Prevedere le proprietà dei composti
Il processo di ricerca farmaceutica tradizionale include lunghi studi e può comportare errori. Le soluzioni di tecnologia biomedica combinate con IA e ML possono aiutare ad accelerare il processo prevedendo le proprietà dei potenziali composti, assicurando che solo quelli con la composizione desiderata vengano scelti per la sintesi. Ciò evita ai ricercatori di lavorare su composti che difficilmente saranno efficaci.
Inventare nuovi composti
Quando lo screening produce pochi risultati promettenti, l'IA può persino suggerire nuovi composti che si adattano ai parametri desiderati e hanno maggiori possibilità di successo.
In che modo l'IA è d'aiuto nella ricerca di nuovi farmaci?
In che modo l'IA viene usata negli studi clinici?
Secondo Deloitte, solo il 10% dei farmaci candidati alla fase dello studio clinico vengono approvati dagli enti regolatori. La fase più lunga e costosa del processo di creazione del farmaco, lo studio clinico, prevede più fasi di test sull'uomo e ogni fase coinvolge centinaia o migliaia di partecipanti.
Il processo lineare tradizionale degli studi randomizzati controllati (RCT) non è cambiato da decenni e manca della flessibilità, della velocità e della potenza analitica necessarie per lo sviluppo del modello di medicina di precisione. Le aziende faticano a trovare i partecipanti giusti, per non parlare del reclutamento, del mantenimento e della gestione efficienti. L'inefficienza del processo contribuisce notevolmente all'aumento dei costi di ricerca e sviluppo farmaceutico, nonché ai bassi tassi di approvazione.
Le aziende farmaceutiche possono utilizzare modelli di IA predittiva durante tutta la fase dello studio clinico per lo sviluppo del farmaco, dalla progettazione all'analisi dei dati, contribuendo a:
- Identificare i pazienti idonei estraendo contenuti pubblicamente disponibili.
- Valutare le prestazioni del sito dello studio in tempo reale.
- Automatizzare la condivisione dei dati tra piattaforme.
- Fornire i dati per i report finali.
L'associazione di algoritmi a un'infrastruttura tecnologica efficiente garantisce che il flusso costante di dati clinici venga pulito, aggregato, archiviato e gestito in modo efficace. Pertanto, i ricercatori possono comprendere meglio la sicurezza e l'efficacia del farmaco senza dover raccogliere e analizzare manualmente gli enormi set di dati generati dagli studi.
Ostacoli all'adozione dell'IA nella ricerca e nello sviluppo farmaceutico
Sebbene l'uso dell'IA sia sempre più diffuso nel processo di ricerca farmaceutica, persistono alcuni ostacoli alla sua adozione.
Qualità dei dati
Una sfida spesso citata in molti settori è che dati insufficienti possono ridurre rapidamente l'utilità dell'intelligenza artificiale e dell'apprendimento automatico. Per i ricercatori in ambito farmaceutico, i dati di bassa qualità rendono la tecnologia biomedica inaffidabile e, in definitiva, non più accurata, utile o conveniente in termini di tempo rispetto ai metodi tradizionali.
Apprensione
Ha preso piede l'errata convinzione secondo la quale nella maggior parte dei settori la tecnologia alla fine sostituirà completamente il lavoro umano. Il settore farmaceutico non fa eccezione. E sebbene sia vero che l'IA può analizzare set di dati di grandi dimensioni più rapidamente, non è da intendersi come sostituta per ricercatori e medici qualificati.
Carenza di competenze
L'implementazione della tecnologia biomedica nel processo di ricerca farmaceutica richiede un insieme di competenze di nicchia. Per mantenere i dati puliti e l' IA efficiente, le aziende devono poter contare non solo su competenze tecniche, ma anche sulla comprensione scientifica dei processi chimici e biologici, ad esempio nella progettazione di farmaci. È un compito difficile da assolvere per le aziende.
Il futuro dell'IA nello sviluppo farmaceutico
L'IA aiuta i ricercatori a innovare, i medici a rispondere alle richieste della medicina di precisione e le aziende a immettere sul mercato farmaci che cambiano la qualità della vita. Ogni anno, aumentano sempre più le partnership tra aziende farmaceutiche e tecnologiche, si attuano inoltre enormi investimenti in start-up di tecnologia biomedica e intelligenza artificiale.
Oltretutto, stiamo assistendo alla condivisione dei dati tra le grandi aziende farmaceutiche. Il consorzio Machine Learning Ledger Orchestration for Drug Discovery, o MELLODDY, facilita la condivisione dei dati tra le sue decine di membri. MELLODDY usa un sistema basato su blockchain che consente alle aziende di condividere dati proprietari mantenendo la riservatezza. I ricercatori possono usare i dati esistenti per avviare il proprio processo di ricerca farmaceutica e limitare gli anni necessari per lo sviluppo.
Accelerare la ricerca e lo sviluppo
Seguici