Jak sztuczna inteligencja zmienia proces odkrywania leków?
Sztuczna inteligencja (AI) zyskuje na znaczeniu w różnych dziedzinach, a jednym z najbardziej obiecujących obszarów jest medycyna, w szczególności odkrywanie nowych leków oraz identyfikacja nowych zastosowań dla już istniejących. Temat ten cieszy się ogromnym zainteresowaniem wśród przedstawicieli branży farmaceutycznej i medycznej.
Wprowadzenie leku na rynek to złożony, eksperymentalny proces, który zazwyczaj trwa od 10 do 15 lat i często angażuje miliardy dolarów. Tradycyjne metody są zatem czasochłonne i kosztowne, a AI oferuje możliwość znacznego przyspieszenia tego procesu, jednocześnie zwiększając jego skuteczność, która wynosi obecnie zaledwie 10%.
Doskonale obrazuje to przykład przełomowego odkrycia dokonanego przez naukowców z Massachusetts Institute of Technology, którzy korzystając z algorytmu uczenia maszynowego (Machine Learning), zidentyfikowali nowy superantybiotyk o nazwie halicyna. Badacze zaprogramowali model komputerowy tak, aby wyszukiwał cząsteczki chemiczne, które są najbardziej skuteczne w zwalczaniu bakterii E. Coli. Program zbadał około 2500 cząsteczek, w tym 1700 leków i 800 substancji naturalnych. Następnie przeanalizował 6000 innych leków i wybrał jeden z nich, o najsilniejszym działaniu antybakteryjnym, który jednocześnie posiada inną strukturę niż istniejące antybiotyki. Halicyna okazała się być pogromczynią niebezpiecznych bakterii odpornych na działania dotychczasowych leków – Clostridium difficile, Acinetobacter bumannii i Mycobacterium tuberculosis. Ma też niską toksyczność dla organizmu człowieka.
Odkrycie halicyny pokazuje, jak zaawansowane algorytmy sztucznej inteligencji mogą przyczynić się do rozwiązania najtrudniejszych problemów zdrowotnych we współczesnym świecie i wspomóc sektor farmaceutyczny w odkrywaniu leków.
W niniejszym artykule, Dr Michał Nedoszytko, kardiolog interwencyjny, Ordynator Oddziału Kardiologii Szpitala – HELORA w Mons, Belgii, programista i pasjonat nowych technologii, opowiedział nam o wpływie AI na nowoczesną farmakologię i leczenie kliniczne.
W jaki sposób sztuczna inteligencja wspiera proces powstawania nowych leków?
Michał Nedoszytko: Sztuczna inteligencja ma ogromny potencjał w tym zakresie. Przede wszystkim AI potrafi przetwarzać i analizować ogromne ilości danych w znacznie krótszym czasie. Znacząco przyspiesza ona proces odkrywania nowych leków oraz optymalizacji istniejących terapii. Tradycyjne metody są czasochłonne i wymagają skomplikowanych badań klinicznych przeprowadzanych na szeroką skalę. Dzięki algorytmom uczenia maszynowego możemy szybciej identyfikować potencjalnych kandydatów na leki czy odkrywać nowe zastosowania obecnych leków. Przykładem może być sytuacja z pandemii COVID-19, kiedy AI zidentyfikowała lek stosowany w reumatoidalnym zapaleniu stawów jako potencjalnie skuteczny w leczeniu COVID-19.
Czy AI pomaga w odkrywaniu nowych zastosowań dla już istniejących leków?
M.N.: AI jest bardzo efektywna w repurposingu, czyli wykorzystaniu istniejących preparatów do leczenia innych schorzeń. Algorytmy sztucznej inteligencji mogą analizować dane z badań klinicznych oraz farmakologicznych, aby znaleźć nowe wskazania terapeutyczne dla znanych substancji. Jako przykład mogę wymienić lek Remdesivir, który początkowo opracowano jako lek przeciwko wirusowi Ebola, a później okazał się skuteczny w leczeniu COVID-19. Innym przykładem jest lek Metformina, stosowany pierwotnie w leczeniu cukrzycy typu 2, który wykazuje potencjał w terapii nowotworów i chorób sercowo-naczyniowych. AI podpowiedziała również, że leki, takie jak Pirfenidon czy Nintedanib, które są używane w leczeniu idiopatycznego włóknienia płuc, mogą być skuteczne w leczeniu niewydolności serca, gdzie mięsień sercowy także ulega zwłóknieniu. Dzięki sztucznej inteligencji pewne grupy leków znacznie szybciej wchodzą na ścieżkę badań klinicznych.
Jakie korzyści w obszarze rekomendacji klinicznych i nowych terapii przynosi zastosowanie AI?
M.N.: Proces aktualizacji klinicznych rekomendacji uległ znacznemu przyspieszeniu dzięki sztucznej inteligencji. Rekomendacje wcześniej były aktualizowane raz na 4-6 lat, teraz rewizje tych rekomendacji mają miejsce niekiedy co roku. AI pomaga nie tylko w identyfikacji nowych leków, ale również optymalizuje dawkowanie i kombinacje istniejących terapii.
AI jest coraz bardziej zintegrowana z aplikacjami i systemami medycznymi. Jaką przyszłość przewiduje Pan dla takich integracji?
M. N.: Firma farmaceutyczna może oferować kombinacje leków wraz z aplikacjami informatycznymi oraz modelami leczenia opartymi na AI, które optymalizują użycie tych leków. Takie rozwiązania mogą znacząco poprawić wyniki leczenia, obniżyć śmiertelność oraz zmniejszyć liczbę działań niepożądanych. W przyszłości zobaczymy jeszcze większą integrację AI z systemami medycznymi i farmaceutycznymi. Modele oparte na AI będą coraz bardziej zaawansowane i złożone, umożliwiając precyzyjniejsze diagnozy i lepsze dostosowanie terapii.
Które z technologii AI są obecnie najbardziej obiecujące w kontekście odkrywania leków?
M. N.: Zdecydowanie warty uwagi jest na przykład Google AlphaFold, którego najnowsza wersja, AlphaFold 3, umożliwia modelowanie białek w interakcji z innymi cząsteczkami, takimi jak cukry i kwasy nukleinowe. To ogromny krok naprzód w biologii strukturalnej, który może znacząco przyspieszyć proces odkrywania nowych leków. Jednym z najbardziej obiecujących kierunków jest wykorzystanie modeli multimodalnych, które pozwalają na analizę bardzo złożonych zestawów danych z niezwykłą precyzją. Również przetwarzanie języka naturalnego (NLP) może pomagać w analizie ogromnych ilości tekstu z literatury naukowej i dokumentacji medycznej, a następnie antomizację tych danych, co z kolei przyspiesza identyfikację nowych celów terapeutycznych i możliwości zastosowania istniejących leków.
Czy widzi Pan ryzyka wynikające z zastosowania AI w medycynie?
M.N.: Ryzyka, jak również kwestie etyczne, to bardzo ważny aspekt rozwoju AI. W Europie wprowadzono tzw. AI Act, pierwszą legislację dotyczącą sztucznej inteligencji, która stawia bardzo wysokie wymagania dla systemów AI, zwłaszcza w służbie zdrowia. Systemy te są klasyfikowane w kategoriach ryzyka i muszą spełniać szereg kryteriów, takich jak wytłumaczalność czy transparentność. Regulacje te z jednej strony mogą ograniczyć rozwój AI w Europie, z drugiej mają na względzie, aby technologie te były używane w sposób odpowiedzialny. Inaczej jest w Stanach Zjednoczonych, gdzie klimat legislacyjny jest bardziej sprzyjający, co prawdopodobnie sprawi, że większość innowacji będzie pochodzić z tamtego regionu świata. Wielkie firmy, takie jak Apple czy Microsoft, będą odgrywać kluczową rolę w negocjacjach z organami regulacyjnymi, a to wpłynie na przyszłość AI w Europie. Osobiście jestem optymistą i wierzę, że technologie AI będą dalej się rozwijać, mimo przeszkód legislacyjnych. Już dziś tempo rozwoju sztucznej inteligencji jest niespotykane.
Jakie są główne wyzwania stojące przed wykorzystaniem AI?
M. N.: Mimo ogromnego potencjału przed AI stoją także wyzwania. Przede wszystkim jakość danych jest kluczowa. AI jest tak dobra, jak dane, które do niej trafiają, więc błędy w danych mogą prowadzić do błędnych wniosków. Również kwestie etyczne i regulacyjne są bardzo ważne. Musimy upewnić się, że algorytmy są przejrzyste i zrozumiałe, aby były zgodne z obowiązującymi przepisami. Ponadto specjaliści medyczni powinni zostać odpowiednio przeszkoleni w zakresie nowych technologii, aby efektywnie współpracować z systemami AI.
Jakie korzyści mogą odnieść firmy farmaceutyczne z adopcji AI?
M. N.: Zastosowanie AI w procesach badawczo-rozwojowych może przynieść firmom farmaceutycznym szereg korzyści. Po pierwsze skrócenie czasu potrzebnego na badania i rozwój oznacza niższe koszty i większą wydajność procesu. Po drugie AI może pomóc w identyfikacji potencjalnego ryzyka i skutków ubocznych na wcześniejszym etapie, co z kolei zapobiega porażkom w późniejszych fazach badań klinicznych. Ponadto AI wspomaga personalizację leczenia, dostosowując terapie do indywidualnych potrzeb pacjentów. Stanowi to coraz bardziej istotny element nowoczesnej medycyny, zwłaszcza w onkologii.
Czego możemy się spodziewać w najbliższych latach w kontekście rozwoju AI w medycynie?
M. N.: Przyszłość AI w medycynie i farmacji wydaje się być bardzo obiecująca. Już teraz widzimy znaczące postępy, ale to dopiero początek. W miarę jak technologia będzie się rozwijać, AI będzie oferować coraz bardziej zaawansowane rozwiązania, które zmienią sposób, w jaki odkrywamy, testujemy i wdrażamy nowe leki. Myślę, że w najbliższych latach zobaczymy jeszcze większą integrację AI w codziennej praktyce klinicznej oraz w procesach badawczo-rozwojowych. Będziemy świadkami rosnącej liczby przełomowych odkryć w dziedzinie leków i terapii, które będą możliwe dzięki zaawansowanej analizie danych. Spodziewamy się również wzrostu zainteresowania medycyną precyzyjną, gdzie AI pomoże dostosowywać terapie do specyficznych potrzeb pacjentów, jak również pozwoli lepiej zarządzać chorobami przewlekłymi poprzez ciągłe monitorowanie i analizę danych w czasie rzeczywistym.
Podsumowanie
Sztuczna inteligencja przynosi rewolucyjne zmiany w odkrywaniu nowych leków oraz w repurposing istniejących substancji farmakologicznych, a dalszy jej rozwój może znacząco poprawić jakość życia pacjentów na całym świecie. Wzrośnie zdolność do analizy danych genetycznych i biomarkerów, co otworzy nowe możliwości w obszarze personalizacji terapii.
Integracja AI w praktyce klinicznej będzie wymagała od instytucji medycznych współpracy z firmami technologicznymi i badawczymi. Otwarte bazy danych i wspólne projekty badawcze będą nieodzowne dla dalszego postępu w tej dziedzinie. Dzięki wykorzystaniu AI możliwe stanie się skuteczniejsze zapobieganie i leczenie wielu chorób, a to oznacza niezaprzeczalne korzyści dla zdrowia globalnej populacji.
