Gyógyszergyártás: időt és pénzt spórolnak a mesterséges intelligencia-szimulátorok

Napjainkban a mesterséges intelligencia-szimulátorok rengeteg időt és pénzt takaríthatnak meg az új gyógyszerek megalkotási folyamatában. De mégis hogyan működik mindez?

Egyre nyilvánvalóbb, hogy mostanra a mesterséges intelligencia számos területen képes professzionális segítséget nyújtani az embereknek. Készen áll arra is, hogy a klinikai vizsgálatokat és a gyógyszerfejlesztést gyorsabbá, olcsóbbá és hatékonyabbá tegye. E stratégia része az úgynevezett szintetikus kontrollkarok létrehozása, amelyek adatok felhasználásával „szimulánsokat”, avagy számítógéppel generált „betegeket” alkotnak meg a kísérlet keretében.

Ezzel a lehetőséggel a kutatóknak nincs szükségük annyi valódi páciensre és feleannyi idő alatt elegendő résztvevőt toborozhatnak a klinikai kísérletekhez. Szakértők szerint a megoldással a betegek és a gyógyszergyártó cégek egyaránt nyerhetnek. Előny például az emberek számára, hogy a szimulánsok megkapják a standard vagy a placebo ellátást – ez azt jelenti, hogy a vizsgálatban résztvevő összes személynek biztosítják a kísérleti kezelést. A gyógyszergyártók számára pedig – akik nem tudják eldönteni, melyik gyógyszerjelöltjük a legígéretesebb -, a mesterséges intelligencia és a gépi tanulás leszűkítheti a lehetőségeket.

„Eddig a gépi tanulás elsősorban a hatékonyság optimalizálása terén volt eredményes – nem annyira a jobb gyógyszer megalkotása, inkább a szűrés hatékonyságának optimalizálása volt a lényeg. A mesterséges intelligencia a múlt tanulságait alkalmazza a gyógyszerkutatás hatékonyabbá tételére” – magyarázta Angeli Moeller, PhD, a berlini Roche gyógyszergyártó cég adat- és integrációs részlegének vezetője, egyben az Alliance for Artificial Intelligence in Healthcare igazgatótanácsának alelnöke.

Példaként említette, hogy ha van ezer kis molekulánk és szeretnénk látni, vajon ezek közül melyik fog kötődni egy betegségben szerepet játszó receptorhoz, a mesterséges intelligencia immár lehetővé teszi, hogy ne kelljen több ezer jelöltet átvizsgálni. Elegendő például csak százat.

Fotó: 123rf.com

„Szintetikus” kísérleti alanyok

Már kezdetüket vették az első olyan klinikai vizsgálatok, melyekben a pácienseknél adatokkal létrehozott egyezéseket alkalmaztak – ahelyett, hogy a kontroll betegek a kor, nem vagy egyéb tulajdonságok alapján egyeztek volna. Példaképpen, az Imunon Inc. biotechnológiai cég – amely következő generációs kemoterápiát és immunterápiát fejleszt -, szintetikus kontroll kart használt a petefészekrák műtét előtti kemoterápiájához adott szer 1B fázisú kísérletében. Ez a korai tanulmány a kutatóknak azt mutatta: érdemes lenne folytatni az új szer értékelését egy 2. fázisú kísérlet során.

“A szintetikus kontroll kar alkalmazása rendkívül menő” – fogalmazott Sastry Chilukuri, a Medidata társ-vezérigazgatója – amely az 1B fázisú kísérlethez szállít adatokat -, valamint az Acorn AI alapítója és elnöke.

Mint mondta, az amerikai Élelmiszer- és Gyógyszerellenőrző Hatóság (FDA) és az Európai Gyógyszer Ügynökség (EMA) jóváhagyását is megkapták egy szintetikus kontrollkarra vonatkozóan, ahol a teljes kontrollkart szintetikus kontroll betegek használatával helyettesítik, ezeket a pácienseket pedig kivonják a korábbi klinikai vizsgálatok adataiból.

Mesterséges intelligencia ösztönözheti a kutatási hullámot

Nem tűnik kétségesnek, hogy a kutatásban növekedni fog a mesterséges intelligencia szerepe. A legtöbb MI-vezérelt gyógyszerkutatás máig a neurológiára és az onkológiára összpontosított. Az, hogy ezekkel a szakterületekkel kezdtek, „valószínűleg a területen keletkezett szakemberhiánynak és számos jól jellemezhető célnak köszönhető” – jegyezte meg a Nature folyóirat 2022 márciusában.

Az összeállítás arra is kitért, hogy a mesterséges intelligencia használata minden bizonnyal csak az „eljövendő hullám” kezdete. Egyre nagyobb az érdeklődés a szintetikus kontroll módszerek alkalmazása iránt – vagyis, hogy a kontrollok létrehozásához külső adatokat használjanak fel. A Nature szerint az FDA már 2017-ben jóváhagyott egy gyógyszert egy ritka gyermekneurológiai rendellenesség, a Batten-kór egy formájára – egy korábbi, kontroll „résztvevőkkel” végzett vizsgálat alapján.

Fotó: 123rf.com

“Az egyik példa az onkológia terén, ahol a szintetikus kontrollkar változást hozhat, a glioblasztóma kutatás. Egy agyrákról van szó, melynek kezelése rendkívül nehéz és a betegek általában azért kerülnek ki a vizsgálatokból, mert kísérleti kezelést szeretnének, nem akarnak a standard ellátás kontrollcsoportjában maradni. Ezenkívül a várható élettartam miatt is nagyon nehéz befejezni egy próbát” – hívta fel a figyelmet Chilukuri.

A szintetikus kontrollkar használata felgyorsíthatja a kutatást és javíthatja a glioblasztóma vizsgálat befejezésének esélyeit. A páciensek pedig valóban megkapják a kísérleti kezelést – tette hozzá a szakember.

Még mindig gyermekcipőben az MI?

A mesterséges intelligencia még egy előnnyel bír. Segíthet limitálni a kutatásokban a reakciót nem adók számát.

“A klinikai vizsgálatok nehezek, időigényesek és rendkívül drágák” – jegyezte meg Naheed Kurji, az Alliance for Artificial Intelligence in Healthcare igazgatótanácsának elnöke, egyben a torontói Cyclica Inc. adatvezérelt gyógyszerfelfedező cég elnök-vezérigazgatója. – „A vállalatok igen keményen dolgoznak, hogy hatékonyabb módszereket találjanak a mesterséges intelligencia klinikai vizsgálatokba történő bevonására, hogy gyorsabban, alacsonyabb költségek mellett, de magasabb minőségben is eredményt érjenek el. Számos klinikai vizsgálat sikertelen, s ennek nem az az oka, hogy nem hatékony a molekula. Hanem mert a vizsgálatba bevont betegek között sok a nem reagáló. A következő évtizedben minden bizonnyal nagyobb horderejű felfedezéseket érnek majd el, mint a múlt században. Ez pedig annak köszönhető, hogy rendelkezésre állnak nagy felbontású adatok, melyek lehetővé teszik, hogy a szakemberek megértsék, mi történik az egyén szintjén” – mondta Naheed Kurji.

A precíziós gyógyszerkészítés és gyógyászat terén ez valóságos robbanást idéz majd elő.

Bizonyos szempontból a klinikai kutatás terén még mindig gyermekcipőben jár a mesterséges intelligencia. „Sok munka van még hátra, de úgy gondolom, sok példát és vállalatot tudunk felmutatni, amelyek igazán nagyot léptek előre” – jegyezte meg Kurji.