ΤΕΛΕΥΤΑΙΑ ΝΕΑ

Οι φαρμακευτικές εταιρείες προσφεύγουν στην τεχνητή νοημοσύνη για να τερματίσουν τις περιπτώσεις «hit and miss», στην έρευνα

947 image
stergiou 1
fotou
ΜΥΛΩΝΑΣ ΝΕΟ


Πρώτη καταχώρηση: Δευτέρα, 22 Φεβρουαρίου 2021, 21:15

KENT728X100 1

Σύνταξη-Επιμέλεια: Στέλιος Βασιλούδης

Η τεχνολογία που επιτάχυνε την ανάπτυξη εμβολίων κοροωνοϊού έχει τη δυνατότητα να μεταμορφώσει τη φαρμακευτική βιομηχανία.

Το κυνήγι για νέα φάρμακα μοιάζει συχνά περισσότερο σαν παιχνίδι ρουλέτας, παρά επιστήμη υψηλού επιπέδου. Αλλά τώρα, ο φαρμακευτικός τομέας βρίσκεται στο κατώφλι ενός μετασχηματισμού, καθώς επικεντρώνεται  στην τεχνολογία αιχμής για να βρει νέες θεραπείες για ασθένειες όπως ο καρκίνος, η ρευματοειδής αρθρίτιδα και η νόσος του Αλτσχάιμερ.

Η τεχνητή νοημοσύνη (AI) είναι έτοιμη να βελτιώσει τα ποσοστά επιτυχίας της βιομηχανίας και να επιταχύνει την ανακάλυψη φαρμάκων, εξοικονομώντας ενδεχομένως δισεκατομμύρια δολάρια, σύμφωνα με πρόσφατη έρευνα της εταιρείας ανάλυσης GlobalData. Η τεχνητή νοημοσύνη ήταν στην κορυφή μιας λίστας τεχνολογιών που φαίνεται να έχουν τον μεγαλύτερο αντίκτυπο στον κλάδο φέτος. Εκατό περίπου συμφωνίες συνεργασιών έχουν επιτευχθεί μεταξύ ειδικών τεχνητής νοημοσύνης και μεγάλων φαρμακευτικών εταιρειών για την ανακάλυψη φαρμάκων, από το 2015.

Η τεχνητή νοημοσύνη χρησιμοποιεί αυτοματοποιημένους αλγόριθμους – σύνολα οδηγιών που ακολουθούν οι υπολογιστές – για την εκτέλεση εργασιών που εκτελούνταν προηγουμένως από ανθρώπους. Μπορεί να κοσκινίσει γρήγορα μεγάλα σύνολα δεδομένων (από κλινικές μελέτες και επιστημονική βιβλιογραφία), να εντοπίσει κρυμμένα μοτίβα και να εκτελέσει εργασίες μέσα σε δευτερόλεπτα που συνήθως χρειάζονται μήνες. Μια μελέτη στο Lancet διαπίστωσε ότι το λογισμικό τεχνητής νοημοσύνης θα μπορούσε να εντοπίσει περιπτώσεις καρκίνων του μαστού που δεν είχαν προσέξει οι γιατροί σε μαστογραφίες.

Σε μια διαδικασία – γνωστή ως εκμάθηση μηχανής (machine learning) – τα συστήματα τεχνητής νοημοσύνης διατρέχουν εκατομμύρια πιθανοτήτων, βελτιούμενα κάθε φορά, έως ότου να είναι σε θέση να αποδώσουν αποδεκτά. Το αποτέλεσμα αυτής της εκπαίδευσης είναι ένας αλγόριθμος.

«Η ανακάλυψη φαρμάκων μεταμορφώνεται μέσω της χρήσης τεχνητής νοημοσύνης, η οποία μειώνει το χρόνο που απαιτείται για την ανάκτηση και ανάλυση τεράστιου όγκου  επιστημονικών δεδομένων για να καταστεί δυνατή η καλύτερη κατανόηση των μηχανισμών ασθένειας και να εντοπιστούν νέα πιθανά υποψήφια φάρμακα», λέει η Karen Taylor, διευθύντρια στο Κέντρο για Λύσεις Υγείας στη λογιστική και συμβουλευτική ομάδα Deloitte. «Η παραδοσιακή ανακάλυψη φαρμάκων υπήρξε πάντα πολύ αποσπασματική και, σε μεγάλο βαθμό, στο μοτίβο «hit and miss”, προσθέτει.

Ο Taylor λέει ότι η ταχεία πρόοδος των εμβολίων κορωνοϊού και των πιθανών θεραπειών του, έχει ενισχυθεί από τη χρήση τεχνικών τεχνητής νοημοσύνης. «Μας επιτρέπει να κάνουμε  συγκριτικό έλεγχο πολλών βιβλιογραφικών αναφορών με άλλα δεδομένα μέσα σε δευτερόλεπτα», προσθέτει. Η Kitty Whitney, διευθύντρια θεματικής έρευνας στο GlobalData, λέει ότι η κρίση του κορωνοϊού θα μπορούσε να είναι ένα «σημείο καμπής», για ευρεία υιοθέτηση της τεχνητής νοημοσύνης σε ολόκληρη τη φαρμακευτική βιομηχανία.

Περίπου το 90% των μεγάλων φαρμακευτικών εταιρειών ξεκίνησαν projects τεχνητής νοημοσύνης πέρυσι, σύμφωνα με την αμερικανική ερευνητική εταιρεία Trinity Life Sciences. Η AstraZeneca και η GSK, οι δύο μεγαλύτερες φαρμακοβιομηχανίες της Βρετανίας, δεσμεύτηκαν το Νοέμβριο σε μια πενταετή συνεργασία με το Πανεπιστήμιο του Κέιμπριτζ για τη χρηματοδότηση του Κέντρου Τεχνητής Νοημοσύνης για την Ιατρική του Κέιμπριτζ. Μια ομάδα 15 ατόμων θα αναπτύξει τεχνολογίες τεχνητής νοημοσύνης και εκμάθηση μηχανής για τη βελτίωση των κλινικών δοκιμών, της εξατομικευμένης ιατρικής και της ανακάλυψης φαρμάκων.

Η GSK είχε προηγουμένως ανοίξει μια ερευνητική βάση 10 εκατομμυρίων λιρών στο King’s Cross, στο κεντρικό Λονδίνο, κοντά στο εργαστήριο DeepMind AI της Google. Η παγκόσμια ομάδα της, εμπειρογνωμόνων τεχνητής νοημοσύνης έχει αυξηθεί σε 50 άτομα, τα οποία θέλει να διπλασιάσει σύντομα. 

Η λειτουργική γονιδιωματική – ένας νέος τομέας της επιστήμης που εξετάζει γιατί μικρές αλλαγές στη γενετική σύνθεση ενός ατόμου μπορούν να αυξήσουν τον κίνδυνο ασθενειών – ασχολείται με τεράστια σύνολα δεδομένων. Κάθε άτομο έχει περίπου 30.000 γονίδια, τα οποία μπορούν να συνδυαστούν με άλλα, όπως εξηγεί ο Hal Barron, επικεφαλής επιστημονικός διευθυντής της GSK. «Αρχίζουμε να συνειδητοποιούμε ότι ασχολούμαστε με τρισεκατομμύρια και τρισεκατομμύρια σημεία δεδομένων, ακόμη και ανά πείραμα, που κανένας άνθρωπος δεν μπορεί να τα ερμηνεύσει – είναι πολύ περίπλοκο», συμπληρώνει.

Οι μεγάλες φαρμακευτικές εταιρείες έχουν επικριθεί για το γεγονός ότι καθυστερούν να αγκαλιάσουν την τεχνολογική πρόοδο. Η ανακάλυψη φαρμάκων έχει ένα εξαιρετικά χαμηλό ποσοστό επιτυχίας – από 10 φάρμακα σε εξέλιξη, εννέα συνήθως θα αποτύχουν. Χρειάζονται 10-12 χρόνια κατά μέσο όρο, για να περάσουν από τα στάδια της έρευνας, της ανάπτυξης και της κανονιστικής έγκρισης και το συνολικό κόστος της όλης διαδικασίας, υπολογίζεται στα δυο δις. δολάρια ανά φάρμακο.

Η συμβατική ανακάλυψη φαρμάκων συγκρίθηκε με ένα «μοριακό καζίνο» από τον Alex Zhavoronkov, εμπειρογνώμονα στη χρήση της τεχνητής νοημοσύνης για την ανάπτυξη νέων φαρμάκων, ο οποίος διευθύνει το Insilico Medicine με έδρα το Χονγκ Κονγκ. Ο Barron της GSK εκτιμά ότι η χρήση τεχνολογιών τεχνητής νοημοσύνης θα μπορούσε να διπλασιάσει, τουλάχιστον, το ποσοστό επιτυχίας στο 20% – γεγονός που θα εξοικονομούσε δισεκατομμύρια δολάρια που δαπανώνται για την ανάπτυξη νέων φαρμάκων . Άλλοι, όπως ο Zhavoronkov, ελπίζουν ότι το ποσοστό επιτυχίας θα μπορούσε να βελτιωθεί πολύ περισσότερο, πιθανώς στο 50%.

Οι 10 κορυφαίες φαρμακευτικές εταιρείες στον κόσμο – οι ελβετικές εταιρείες Novartis και Roche, οι αμερικανικές εταιρείες Pfizer, Johnson & Johnson, Merck, AbbVie και Bristol Myers Squibb, η Sanofi της Γαλλίας και οι AstraZeneca και GSK του Ηνωμ. Βασιλείου – επενδύουν τώρα σε τεχνητή νοημοσύνη , κυρίως μέσω συνεργασιών ή με την απόκτηση νέων  τεχνολογιών.

Ο Kim Branson, παγκόσμιος επικεφαλής της τεχνητής νοημοσύνης και της εκμάθησης  μηχανής της GSK, λέει ότι η τεχνητή νοημοσύνη χρησιμοποιείται για την αναζήτηση θεραπειών για μολυσματικές ασθένειες, καθώς και για ασθένειες που είναι πιο δύσκολο να εκπορθηθούν όπως ο καρκίνος, η ρευματοειδής αρθρίτιδα και οι αυτοάνοσες διαταραχές όπως η νόσος του Crohn. Η Αλτσχάιμερ – «ο σκληρότερος από τους σκληρούς στόχους» – βρίσκεται στο ραντάρ της GSK αλλά θα αντιμετωπιστεί σε μεταγενέστερο στάδιο.

Ο Zhavoronkov λέει ότι το πρόβλημα με τη νόσο του Πάρκινσον και την Αλτσχάιμερ είναι ότι δεν υπάρχουν αρκετά διαθέσιμα δεδομένα για να μελετηθούν, εξ’ ου και ο μεγάλος αριθμός αποτυχιών υποψηφίων φαρμάκων μέχρι σήμερα. Αυτός και ο Barron εξέφρασαν την εμπιστοσύνη τους πως μια σημαντική ανακάλυψη σε μία από τις δυσκολότερες (για την έρευνα) ασθένειες μπορεί να επιτευχθεί με τις τεχνολογίες τεχνητής νοημοσύνης. Ο Barron την συγκρίνει με τη δυνατότητα να έχει κανείς ένα νέο μικροσκόπιο. «Εντός των επομένων  ενός ή δυο ετών, είναι πιθανό να βρούμε έναν στόχο που πραγματικά μπορεί να κάνει τη διαφορά», καταλήγει.

Πηγή: The Guardian 

 

ΠΗΓΗ

error: Content is protected !!