Как медицинские технологии помогают ускорить разработку лекарств
Продолжайте читать, чтобы узнать больше об использовании искусственного интеллекта для разработки лекарств, о том, как он помогает сократить расходы на такую разработку и быстрее предложить пациентам новые способы сохранить жизнь.
Рост затрат на открытие и разработку лекарств
Методы лечения пациентов врачами быстро меняются. Широкое распространение получает точная медицина по мере того, как исследователям приходится решать сложные медицинские проблемы, а фармацевтические компании стремятся сократить время, необходимое для разработки жизненно важных лекарств.
В настоящее время вывод нового препарата на рынок — чрезвычайно долгий и дорогостоящий процесс для фармацевтических компаний. По данным Taconic Bioscience, в 2019 году на разработку одного препарата уходило около 2,8 млрд долларов и более 12 лет. И после всего этого 90% кандидатов не получают одобрения FDA.
Хорошая новость заключается в том, что искусственный интеллект (ИИ) открывает невероятные возможности, позволяя в перспективе ускорить процесс открытия и разработки лекарств.
Как искусственный интеллект оптимизирует процесс разработки лекарств
Первым этапом в создании большинства лекарств является синтез соединения, которое способно связываться с молекулой-мишенью (обычно белком), участвующей в возникновении заболевания, и изменять ее. Чтобы найти подходящее соединение, исследователи изучают тысячи потенциальных кандидатов. Определив мишень, разработчики анализируют огромные библиотеки подобных соединений, чтобы найти оптимальный метод взаимодействие с белком заболевания.
В настоящее время для выхода на этот этап требуется более десяти лет и сотни миллионов долларов. Однако медицинские технологии, использующие искусственный интеллект и машинное обучение, могут оптимизировать этот процесс, сократив время и затраты, необходимые фармацевтическим компаниям для выпуска новых лекарств. Например, эти технологии могут:
Анализировать библиотеки молекул
Библиотеки, просматриваемые в ходе отбора кандидатов в молекулы, так огромны, что для исследователей-людей практически невозможно просмотреть их все самостоятельно. ИИ, с другой стороны, может быстро выявить потенциальные соединения-мишени в огромных массивах данных, экономя исследователям сотни часов лабораторной работы.
Прогнозировать свойства соединений
Традиционный процесс разработки лекарственных препаратов представляет собой трудоемкий процесс, состоящий из проб и ошибок. Решения в области медицинских технологий в сочетании с ИИ и машинным обучением помогают ускорить этот процесс, предсказывая свойства потенциальных соединений, благодаря чему для синтеза выбираются только те из них, которые обладают нужными характеристиками. В результате исследователи не работают с соединениями, которые впоследствии не окажутся эффективными.
Изобретать новые соединения
Когда отбор не дает перспективных результатов, ИИ способен даже изобретать совершенно новые соединения, которые соответствуют требуемым параметрам и имеют больше шансов на успех.
Как ИИ может помочь в разработке новых лекарств?
Как ИИ используется в клинических испытаниях?
По данным Deloitte, только 10% кандидатов в лекарственные препараты, выходящие на стадию клинических испытаний, получают одобрение регулирующих органов. Клинические испытания, самый длительный и дорогостоящий этап в процессе создания лекарства, включают несколько стадий тестирования на людях, и в каждой такой стадии участвуют сотни или тысячи человек.
Традиционный линейный процесс рандомизированных контролируемых испытаний (РКИ) не меняется уже десятилетиями и не отличается гибкостью, скоростью и аналитическими возможностями, которые необходимы для успешного применения модели точной медицины. Компаниям трудно найти нужных участников, не говоря уже о том, чтобы привлечь и удержать их, а затем эффективно ими управлять. Неэффективность этого процесса в значительной мере способствует росту затрат на открытие и разработку лекарств, а также низким показателям одобрения.
Фармацевтические компании могут использовать прогностические модели ИИ на всех этапах клинических испытаний лекарственных препаратов начиная с проектирования и заканчивая анализом данных для выполнения следующих задач:
- Поиск подходящих пациентов путем анализа общедоступных данных.
- Оценка эффективности участвующего в испытании учреждения в реальном времени.
- Автоматизация обмена данными между платформами.
- Предоставление данных для итоговых отчетов.
Сочетание алгоритмов с эффективной технической инфраструктурой обеспечивает эффективную очистку, обобщение, хранение и администрирование непрерывного потока клинических данных. Это позволяет исследователям лучше оценить безопасность и эффективность препарата без необходимости вручную собирать и анализировать огромные массивы информации, полученной в ходе испытаний.
Барьеры на пути внедрения ИИ в процесс открытия и разработки лекарств
Хотя ИИ все шире применяется в процессе разработки лекарств, на пути его внедрения по-прежнему есть препятствия.
Качество данных
Часто упоминаемой во многих отраслях проблемой является способность некачественных данных быстро уменьшить полезность искусственного интеллекта и машинного обучения. Для исследователей лекарственных препаратов некачественные данные делают медицинские технологии ненадежными и, в конечном счете, не более точными, полезными или экономичными, чем традиционные методы.
Понимание
В большинстве отраслей существует заблуждение, согласно которому технологии в конечном итоге полностью заменят человеческий труд. Не является исключением и фармацевтическая отрасль. И хотя ИИ действительно может быстрее анализировать большие массивы данных, он не заменит квалифицированных исследователей и клинических работников.
Нехватка навыков
Внедрение медицинских технологий в процесс разработки лекарств требует особых навыков. Для обеспечения чистоты данных и эффективности ИИ компаниям нужны работники, не только обладающие техническими умениями, но и понимающие научную сторону процесса, такую как разработка лекарств, биология и химия. Это сложное требование, которое компаниям непросто выполнить.
Будущее ИИ в разработке лекарств и фармацевтике
ИИ помогает исследователям внедрять инновации, врачам — следовать тенденциям точной медицины, а компаниям — выводить на рынок революционные лекарства. С каждым годом растет число партнерств между фармацевтическими и технологическими компаниями, а также объем инвестиций в стартапы в области медицинских технологий и ИИ.
Мы даже наблюдаем обмен информацией между крупными фармацевтическими компаниями. Machine Learning Ledger Orchestration for Drug Discovery, или MELLODDY, — это консорциум, который облегчает обмен данными между десятками своих участников. MELLODDY использует блокчейна-платформу, которая позволяет компаниям обмениваться защищаемыми данными, сохраняя пр этом конфиденциальность. Исследователи могут использовать существующие данные, чтобы ускорить разработку лекарств и сэкономить на этом годы.
Ускорьте свои исследования и разработки
Следите за новостями