Прискорене відкриття й розробка ліків за допомогою ШІ

Дізнайтеся про переваги та виклики, пов’язані з розгортанням рішень на основі ШІ у фармацевтичному ланцюгу створення цінності.

Ознайомитися з рішеннями в галузі медико-біологічних наук

Підвищення ефективності та впровадження інновацій у фармацевтиці за допомогою ШІ

Дізнайтесь, як ШІ трансформує відкриття й розробку ліків, зокрема допомагаючи зменшити витрати на розробку та швидше доставляти життєво важливі лікарські засоби пацієнтам.

Основні висновки

Фармацевтична галузь зазнає значної трансформації, що стала можливою завдяки ШІ.
Щоб краще підтримувати медичних працівників і їхніх пацієнтів, фармацевтичні компанії мають прискорити процеси відкриття й розробки ліків і контролювати зростаючі витрати.
ШІ може допомогти на ключових етапах процесу відкриття ліків, зокрема в ідентифікації білків, відповідальних за розвиток хвороб, і в аналізі взаємодії сполук із білками.
ШІ також оптимізує процес розробки ліків, аналізуючи величезні обсяги даних, виявляючи закономірності та прогнозуючи результати.
Фармацевтичні компанії, які впроваджують ШІ, стикаються з такими викликами, як підтримка якості даних і пошук працівників із відповідним набором технічних і наукових умінь. Дізнайтесь, як агенти ШІ трансформують бізнес-операції.
У майбутньому у фармацевтичній галузі з’явиться більше партнерств між фармацевтичними й технологічними компаніями та зростуть інвестиції в медичні технології й ШІ-стартапи.

Зростання витрат на нові лікарські засоби

Методи лікування пацієнтів швидко змінюються. Для прийняття медичних рішень усе частіше використовується персоналізована інформація про пацієнтів. Цей підхід, відомий як точна медицина, стає дедалі поширенішим, у той час як дослідники намагаються винайти препарати для лікування складних хвороб, а фармацевтичні компанії прагнуть прискорити розробку життєво важливих лікарських засобів і скоротити витрати.

Підготовка нового лікарського засобу до виходу на ринок – надзвичайно довгий і дорогий процес для фармацевтичних компаній. Згідно з останніми даними Taconic Biosciences розробка одного препарату коштує приблизно 2,6 млрд доларів США та займає понад 10 років. І 88% нових розробок не отримують схвалення Управління з контролю за продуктами та ліками США (FDA).

Гарна новина полягає в тому, що ШІ має неймовірний потенціал для прискорення процесу відкриття й розробки ліків.

Як ШІ оптимізує відкриття ліків

Перший етап фармацевтичної розробки – синтез сполуки, яка може зв’язатися з цільовою молекулою, як правило, білком, відповідальним за розвиток хвороби, і модулювати її. Щоб знайти потрібну сполуку, дослідники розглядають тисячі потенційних препаратів-кандидатів. Потім вони вивчають великі бібліотеки з подібними сполуками, щоб відшукати ту, яка матиме оптимальну взаємодію з білком, що спричинив хворобу.

Сьогодні цей процес може тривати більше десяти років і коштувати сотні мільйонів доларів. Однак медико-технологічні компанії, які використовують ШІ та машинне навчання, можуть оптимізувати цей процес, скоротивши час та витрати на фармацевтичну розробку нових ліків. Нижче описано можливості цих технологій.

Вивчення бібліотек молекул

Дослідникам практично неможливо самостійно переглянути величезні бібліотеки молекул, щоб визначити препарати-кандидати. Натомість ШІ має змогу швидко визначати потенційні цільові сполуки у великих наборах даних, заощаджуючи сотні годин дослідницької праці в лабораторії.

Передбачення властивостей сполук

Традиційне відкриття нових ліків – тривалий процес із використанням методу "спроб і помилок". Медико-технологічні рішення в поєднанні зі штучним інтелектом і машинним навчанням можуть прискорити цей процес шляхом передбачення властивостей потенційних з’єднань та відбору для синтезу сполук із конкретним складом. Так дослідникам не потрібно витрачати час на сполуки, які виявляться малоефективними.

Винайдення нових сполук

Якщо штучному інтелекту не вдасться відшукати препарати-кандидати, він згенерує нові сполуки, які відповідатимуть бажаним параметрам і матимуть більше шансів на успіх.

Як ШІ допомагає дослідникам

Дізнайтесь, як дослідники можуть використовувати рішення на основі ШІ для підтримки ключових етапів процесу відкриття ліків.

Дослідники виконують такі кроки:

Крок 1. Точне визначення цільової молекули, яка піддається впливу лікарського засобу.
Крок 2. Проведення експериментів, щоб підтвердити, що цільова молекула бере участь у прогресуванні захворювання.
Крок 3. Ідентифікація або створення сполуки, яка взаємодіє з цільовою молекулою.
Крок 4. Оптимізація ефективності й безпеки вибраної сполуки.

Завдяки ШІ вони можуть:

Крок 1. Пошук додаткових цільових молекул.
Крок 2. Підвищення успішності експериментів.
Крок 3. Виключення сполук із низькою вірогідністю взаємодії.
Крок 4. Прискорення процесу за допомогою розумного аналізу.

Як ШІ використовується в клінічних дослідженнях

Згідно з даними Taconic Biosciences лише 12% препаратів-кандидатів переходять на етап клінічних досліджень і отримують схвалення регулятивних органів. Клінічні дослідження – найдовший і найдорожчий етап розробки ліків, оскільки вони складаються з багатьох фаз тестування препаратів на сотнях тисяч учасників.

Традиційний лінійний процес рандомізованого контрольованого дослідження (RCT) не змінювався десятиліттями. Йому бракує гнучкості, швидкості й аналітичних можливостей, необхідних для успішного функціонування моделі точної медицини. Компаніям складно знаходити учасників для досліджень, не кажучи вже про те, щоб ефективно залучати й утримувати їх, а також управляти ними. Через низьку ефективність цього процесу зростають витрати на відкриття й розробку ліків і збільшується відсоток незатверджених препаратів. Це також гальмує впровадження інновацій.

Фармацевтичні компанії використовують прогностичні моделі ШІ на етапі клінічних досліджень процесу розробки ліків (від конструювання ліків до аналізу даних), щоб:

визначати підхожих пацієнтів шляхом аналізу загальнодоступного вмісту;
оцінювати ефективність досліджень у реальному часі;
автоматизовувати обмін даними між різними платформами;
надавати дані для підсумкових звітів.

Алгоритми в поєднанні з високотехнологічною інфраструктурою дають змогу ефективно впорядковувати, збирати та зберігати клінічні дані, які надходять постійним потоком, а також керувати ними. Так дослідники можуть отримати повне уявлення про безпеку й ефективність лікарського засобу, не витрачаючи час на збирання й аналіз великих наборів даних вручну.

Перешкоди на шляху до впровадження ШІ у фармацевтиці

Хоча ШІ дедалі частіше використовується в процесах відкриття та розробки ліків, досі існує чимало перешкод на шляху до його впровадження. Ось деякі виклики, з якими компанії зазвичай стикаються.

Якість даних

Як показує практика, неякісні дані можуть зменшити ефективність ШІ та МН у багатьох галузях. Через неякісні дані медичні технології перестають бути надійними та зрештою ніяк не перевершують традиційні методи дослідження лікарських засобів.

Побоювання

Серед фахівців багатьох різних галузей поширюється думка, що технології з часом повністю замінять людей. Фахівці фармацевтичної галузі – не виняток. Незважаючи на те, що технології ШІ дійсно можуть аналізувати великі набори даних швидше, ніж люди, вони ніколи не замінять кваліфікованих дослідників і лікарів.

Дефіцит кваліфікованих працівників

Щоб упровадити медичні технології в процес відкриття ліків, потрібно володіти багатьма спеціальними вміннями. Щоб упорядковувати дані та забезпечувати ефективність ШІ, компанії потребують працівників, які не тільки володіють технічними вміннями, а й розуміються на наукових аспектах цього процесу, зокрема на конструюванні ліків, біології та хімії. Це складне завдання, яке постає перед багатьма компаніями.

Майбутнє ШІ у фармацевтиці

Дослідникам ШІ допомагає впроваджувати інновації, лікарям – відповідати вимогам точної медицини, а фармацевтичним компаніям – швидше виводити на ринок лікарські засоби, що змінюють життя.

Поточні тенденції вказують на те, що трансформація на основі ШІ у фармацевтичній галузі триватиме в майбутньому. Наприклад, щороку зростає кількість партнерств між фармацевтичними й технологічними компаніями, а також інвестиції в медичні технології та ШІ-стартапи.

Великі фармацевтичні компанії також все частіше діляться даними. Machine Learning Ledger Orchestration for Drug Discovery (MELLODDY) – консорціум, десятки учасників якого можуть легко обмінюватися даними. MELLODDY використовує блокчейн-систему, яка дає компаніям змогу ділитися власними даними, зберігаючи при цьому конфіденційність. Дослідники можуть використовувати наявні дані, щоб оптимізувати та прискорити процес відкриття й розробки ліків.

Ресурси

Ознайомтеся з галузевими рішеннями Microsoft

Модернізуйте свої науково-дослідні та дослідно-конструкторські роботи (R&D) і швидше впроваджуйте нові продукти за допомогою рішень на основі ШІ, які працюють на платформі Microsoft Cloud.

Дізнайтеся більше