Фармацевтическая отрасль вступает в период глубокой трансформации: искусственный интеллект постепенно переносит ключевые этапы создания лекарств из лабораторий в цифровую среду, меняя сам подход к поиску и разработке новых препаратов, передает inbusiness.kz со ссылкой на telegra.ph.
Биотехнологическая компания Insilico Medicine из Бостона, похоже, первой применила новое поколение ИИ — так называемые трансформерные модели — для поиска лекарств. Еще в 2019 году ее исследователи задались вопросом: можно ли с их помощью создавать новые препараты на основе биологических и химических данных? Первой целью стал идиопатический фиброз легких — заболевание дыхательных путей.
Сначала исследователи обучили алгоритмы искусственного интеллекта на массивах данных, связанных с конкретным заболеванием, что позволило выявить перспективную белковую мишень. Затем другая ИИ-модель подобрала молекулы, способные взаимодействовать с этим белком и корректировать его функцию, при этом обладая приемлемой стабильностью и низкой токсичностью. После цифрового отбора к работе подключились химики: они синтезировали выбранные соединения и провели их лаборационные испытания. Итогом стал препарат под названием "Рентосертиб", который недавно успешно прошел клинические исследования средней фазы. Как отмечают в компании, на создание кандидата ушло всего 18 месяцев — тогда как традиционный путь занимает в среднем около 4,5 года.
Сегодня в портфеле Insilico насчитывается более 40 лекарственных кандидатов, разработанных с применением ИИ, предназначенных для терапии онкологических, кишечных и почечных заболеваний. Подобный подход стремительно набирает популярность. По оценкам аналитиков, ежегодные вложения в ИИ-фармацевтику вырастут с 3,8 млрд до 15,2 млрд долларов в период с 2025 по 2030 год.
Сотрудничество между фармацевтическими компаниями и разработчиками ИИ становится стандартной практикой. Только в 2024 году было объявлено около десяти крупных сделок на общую сумму порядка 10 млрд долларов, следует из данных аналитической компании IQVIA. Осенью прошлого года фармконцерн Eli Lilly также сообщил о партнерстве с Nvidia — производителем чипов для генеративных нейросетей и трансформерных моделей. Совместный проект направлен на создание одного из самых мощных отраслевых суперкомпьютеров для ускорения поиска и разработки новых лекарств.
С учетом специфики фармацевтической экономики, когда до 90% препаратов не проходят клинические испытания, а разработка одного успешного лекарства обходится примерно в 2,8 млрд долларов, даже небольшое повышение эффективности дает колоссальный эффект. Данные из разных сегментов отрасли подтверждают, что ИИ уже начал приносить ощутимые результаты: доклинический этап сократился с 3-5 лет до 12-18 месяцев, а доля успешных экспериментов заметно выросла. Исследование 2024 года показало, что молекулы, найденные с помощью ИИ, на ранних стадиях клинических испытаний демонстрируют успешность в 80-90% случаев, тогда как ранее этот показатель составлял 40-65%.
Как правило, разработка нового лекарства начинается с поиска малых органических молекул с потенциальной биологической активностью. Искусственный интеллект способен виртуально анализировать библиотеки, включающие десятки миллиардов соединений, оценивая их эффективность, растворимость и токсичность с помощью компьютерного моделирования, без проведения экспериментов в пробирках. По словам Джима Уэзеролла, одного из руководителей этого направления в компании AstraZeneca, такой подход позволяет вдвое быстрее отсеивать неперспективные варианты. В настоящее время более 90% проектов компании по поиску малых молекул уже опираются на технологии искусственного интеллекта.
Испытания без ошибок
ИИ также помогает совершенствовать процесс клинических испытаний. Один из подходов использует ИИ‑агентов, которые действуют так, будто способны мыслить и рассуждать. В GSK Ким Брэнсон, руководитель направления ИИ, продемонстрировал корреспонденту систему на основе агентов под названием Cogito Forge. Получив вопрос о биологии, Cogito Forge способен написать собственный код для ответа, собрать соответствующие наборы данных, объединить их и создать презентацию с графиками, иллюстрирующими выводы.
Далее система может выдвинуть гипотезу о заболевании, включая проверяемые предсказания, и попытаться подтвердить или опровергнуть ее с помощью поиска по литературе. В этом поиске участвуют три агента:
- один ищет аргументы в пользу гипотезы;
- второй — аргументы против;
- третий оценивает, кто из них прав.
Еще одна область, где ИИ демонстрирует потенциал, — отбор пациентов для испытаний. Он может анализировать медицинские записи, биопсии и снимки, чтобы определить, кому новый препарат принесет наибольшую пользу. Более точный отбор участников позволяет проводить меньшие по масштабу (а значит, более быстрые и дешевые) испытания.
Однако самое интригующее применение ИИ в испытаниях — создание синтетических пациентов (иногда их называют цифровыми двойниками), которые выступают в качестве контрольных групп для реальных участников. Для этого ИИ анализирует данные прошлых испытаний и учится предсказывать, что могло бы произойти с участником, если бы он следовал естественному течению болезни, а не получал лечение. Затем, когда доброволец включается в испытание и получает препарат, ИИ создает "пациента" с теми же характеристиками (возраст, вес, сопутствующие заболевания, стадия болезни). Эффективность препарата у реального пациента затем сравнивают с прогрессом виртуального аналога.
Если такой подход будет принят, использование синтетических пациентов сократит размер контрольных групп в испытаниях, а в некоторых случаях может полностью их исключить. Это также может привлечь участников, поскольку их шансы получить тестируемый препарат (а не попасть в контрольную группу) возрастут.
Отход от привычных методов фармацевтических исследований заставляет задуматься: не утратят ли традиционные фармкомпании свое лидерство? В частности, OpenAI прямо заявляет о намерении довести свои модели до высокого уровня компетентности в биологии и уже обучает системы, способные рассуждать и совершать научные открытия в сфере наук о жизни. Пока у фармацевтической отрасли сохраняется серьезное преимущество — это огромные массивы биологических данных и глубокое понимание контекста их применения. Поэтому сегодня преобладает формат партнерств: так, OpenAI сотрудничает с компанией Moderna, одним из лидеров в разработке РНК-вакцин, чтобы ускорить создание персонализированных вакцин против рака. Однако со временем расстановка сил может измениться.
Независимо от того, кто окажется в выигрыше, если ИИ сможет продемонстрировать сопоставимую эффективность и на стадии клинических испытаний, вероятность того, что молекула успешно пройдет весь путь разработки, может увеличиться с нынешних 5-10% до 9-18%. На первый взгляд рост кажется скромным, но для отрасли это означает резкое снижение рисков и существенное сокращение затрат. В среднесрочной перспективе такой эффект способен привлечь дополнительные инвестиции и увеличить количество новых лекарств, выходящих на рынок. А в долгосрочном горизонте, если ИИ удастся глубоко разобраться в биологии, технологические возможности для улучшения здоровья человека могут стать практически безграничными.
Читайте по теме:
Искусственный интеллект поможет врачам принимать решения и ставить диагнозы
