Przez dziesięciolecia rozwój leków był jednym z najwolniejszych, najdroższych i najbardziej podatnych na awarie procesów we współczesnej nauce. Sztuczna inteligencja mogłaby jednak przełamać to wąskie gardło. Eksperymentalny lek, zaprojektowany w dużej mierze przez sztuczną inteligencję, wszedł w rekordowo krótkim czasie w ostatnią fazę badań i jest na dobrej drodze, aby stać się pierwszym lekiem opracowanym przez sztuczną inteligencję, zatwierdzonym do stosowania u ludzi. Niektórzy nazywają to przełomem w medycynie, podczas gdy inni postrzegają to jako niepokojącą drogę na skróty, która zastępuje rzetelną wiedzę medyczną optymalizacją opartą na maszynach.

Sztuczna inteligencja projektuje nowy lek

Lek, który jest bliski zatwierdzenia, został opracowany przez Insilico Medicine, firmę biotechnologiczną specjalizującą się w sztucznej inteligencji, która wykorzystuje modele uczenia maszynowego do identyfikacji celów leczenia chorób i generowania potencjalnych związków do ich leczenia. Celem nowego leku jest idiopatyczne włóknienie płuc (IPF) – śmiertelna choroba płuc, która zabija około 40 000 Amerykanów rocznie i na którą nie ma znanego lekarstwa. Niewiarygodne, że prace rozwojowe nad lekiem przeszły od odkrycia celu do badań klinicznych na ludziach w niecałe dwa lata, pisze G. Calder .

Dla porównania, konwencjonalne badania nad lekami zazwyczaj trwają około 5 lat, zanim przejdą do fazy badań klinicznych na ludziach, po czym następują kolejne 6-8 lat badań klinicznych i oceny regulacyjnej. Od początku do końca większość leków potrzebuje od 10 do 15 lat, a szacowany wskaźnik niepowodzeń po rozpoczęciu badań na ludziach wynosi 90%.

Sztuczna inteligencja może radykalnie skrócić wczesną fazę odkryć – najwolniejszy i najdroższy etap. Proces Insilico zastępuje lata iteracji laboratoryjnych algorytmicznym przesiewaniem milionów struktur molekularnych, przewidywaniem toksyczności, symulacją fałdowania białek i proponowaniem związków kandydackich w ciągu kilku tygodni zamiast lat.

Jak przyspiesza się proces

Tradycyjny rozwój leków opiera się na powolnej, iteracyjnej pracy laboratoryjnej: hipoteza, eksperyment, porażka, korekta. Systemy sztucznej inteligencji omijają ten problem, trenując na rozległych zbiorach danych struktur chemicznych, szlaków biologicznych i historycznych wynikach testów. Pozwala to badaczom od razu odrzucać mało prawdopodobne kandydatury i koncentrować zasoby na związkach o najwyższych przewidywanych wskaźnikach sukcesu.

  Najwięksi sceptycy szczepionek przeciwko COVID-19? Lekarze podstawowej opieki zdrowotnej

Mówiąc wprost, sztuczna inteligencja nie rozumie biologii, ale rozpoznaje wzorce na dużą skalę. Potrafi cyfrowo przetestować miliony teoretycznych cząsteczek, zanim chemik zsyntetyzuje choćby jedną.

Taka efektywność oznacza, że ​​firmy farmaceutyczne mogą obniżyć koszty rozwoju o 30-70%, dlatego w tym sektorze inwestuje się obecnie tak dużo kapitału wysokiego ryzyka. Szacuje się, że w ciągu ostatnich pięciu lat na całym świecie zainwestowano ponad 60 miliardów dolarów w startupy biotechnologiczne zajmujące się sztuczną inteligencją, a duże firmy farmaceutyczne nawiązały partnerstwa lub inwestowały niezależnie, aby dotrzymać kroku.

Źródło zdjęcia: https://depositphotos.com/nl

Optymistyczna wizja

Istnieją autentyczne, humanitarne argumenty przemawiające za medycyną wspomaganą sztuczną inteligencją. Choroby rzadkie, choroby zaniedbane lub choroby z małą populacją pacjentów zawsze były nieatrakcyjne komercyjnie. Dzięki przyspieszeniu i obniżeniu kosztów rozwoju dzięki sztucznej inteligencji, wcześniej nieosiągalne metody leczenia mogą w końcu stać się realne. Istnieje również potencjał medycyny spersonalizowanej, w której terapie są dostosowywane do profili genetycznych w sposób, którego badania na ludziach nie mogą lub nie będą w stanie zbadać.

Istotnym wyjaśnieniem jest to, że leki opracowane przez sztuczną inteligencję są nadal testowane na ludziach. Organy regulacyjne nie zezwalają na odstępstwa od standardów bezpieczeństwa, a badania kliniczne pozostają obowiązkowe. Dlatego też pozytywne nastawienie podkreśla, że ​​sztuczna inteligencja nie zastępuje osądu naukowego , lecz uzupełnia go szybką metodą prób i błędów. Szybsze odkrycia nie oznaczają automatycznie niższych standardów.

Więc gdzie jest problem?

Obawy nie dotyczą samej prędkości, ale raczej tego, co ta prędkość wypiera. Systemy sztucznej inteligencji często działają jak czarne skrzynki, dostarczając skuteczne wyniki, ale nie potrafiąc jasno wyjaśnić przyczynowości. W wielu sektorach ta nieprzejrzystość nie stanowi poważnego problemu. W medycynie – jest.

  Dr Mike Yeadon: TO NAPRAWDĘ WAŻNE

Dokładna wiedza o tym, jak i dlaczego lek działa, jest kluczowa dla przewidywania skutków ubocznych, ryzyka długoterminowego i interakcji z innymi terapiami. Jeśli harmonogramy rozwoju ulegną drastycznemu skróceniu, mniej miejsca pozostaje na badania eksploracyjne – powolną, często niejednoznaczną pracę człowieka, która dostarcza raczej wglądu koncepcyjnego niż pewności statystycznej. Co się dzieje, gdy organy regulacyjne zatwierdzają leki, które dobrze wypadły w badaniach klinicznych, ale których mechanizmy działania są nadal tylko częściowo poznane?

Sztuczna inteligencja ma niepokojącą historię poza przemysłem farmaceutycznym

W ostatnich latach systemy sztucznej inteligencji wielokrotnie wykazały tendencję do generowania wiarygodnych, ale niedokładnych wyników – koncepcję tę omawiamy szczegółowo w tym artykule . Duże modele językowe tworzą szczegóły techniczne i cytaty; narzędzia do rozpoznawania obrazów błędnie klasyfikują obiekty w środowiskach krytycznych dla bezpieczeństwa; oprogramowanie do automatycznego podejmowania decyzji nadal wzmacnia uprzedzenia w polityce i nie tylko.

Powyższe błędy nie oznaczają złośliwych zamiarów, ale wskazują na ograniczenia strukturalne.

Modele sztucznej inteligencji są optymalizowane pod kątem prawdopodobieństwa, a nie prawdy. Działają najlepiej w środowiskach, w których wzorce są stabilne i rozpoznawalne, a konsekwencje odwracalne. Biologia nie jest ani jednym, ani drugim. Błędy w opracowywaniu leków – błędne oceny toksyczności, skutków ubocznych lub długoterminowych interakcji – są kosztowne, nieodwracalne, a czasem śmiertelne.

Zamiana prędkości na bezpieczeństwo już wcześniej się nie sprawdziła

Historia medycyny dostarcza jednoznacznych ostrzeżeń. Niektóre z najsłynniejszych katastrof farmaceutycznych XX wieku miały miejsce w systemach całkowicie kontrolowanych przez ludzi, które stosowały własne standardy naukowe. Talidomid, jeden z najsłynniejszych przykładów, został zatwierdzony w kilku krajach pod koniec lat 50. XX wieku i przeszedł wszystkie wymagane testy, zanim spowodował katastrofalne wady wrodzone. Zabezpieczenia, które obecnie spowalniają rozwój leków, zostały wprowadzone w odpowiedzi na takie niepowodzenia.

Obawą nie jest to, że sztuczna inteligencja będzie produkować więcej złych leków, ale to, że może produkować je szybciej i na większą skalę, zanim instytucjonalne zabezpieczenia zdążą się dostosować.

  W pełni zaszczepionej kobiecie amputowano osiem palców, ponieważ stały się czarne z powodu „tajemniczej choroby”

Precedens

Jeśli opracowana przez Insilico metoda leczenia IPF, oparta na sztucznej inteligencji, zostanie zatwierdzona, będzie to stanowić istotny precedens. Nagle idea, że ​​leki można produkować szybciej, niż naukowcy są w stanie je w pełni zrozumieć, stanie się normą, a z czasem może to również zmienić diagnostykę, protokoły leczenia i projektowanie badań klinicznych.

Wyzwaniem dla organów regulacyjnych i społeczeństwa jest obecnie decyzja, ile nieprzejrzystości mogą przeznaczyć na szybkość. Zaufanie do medycyny musi opierać się nie tylko na wynikach – kluczowe jest również zaufanie do samego procesu.

Ostatnia myśl

Pacjenci, którym tradycyjne modele badawcze od dawna nie wystarczają – ponieważ ich choroby nie są ekonomicznie opłacalne – mogą znaleźć nadzieję, jeśli leki zaprojektowane przez sztuczną inteligencję okażą się skuteczne. Obietnica szybkości nie powinna jednak przesłaniać ryzyka związanego z zastępowaniem zrozumienia optymalizacją. Konsekwencje błędów w medycynie są poważne, a powolny rozwój w pewnym sensie stanowi zabezpieczenie przed takimi zagrożeniami. Skoro sztuczna inteligencja przyspiesza odkrycia, jak możemy zagwarantować, że postęp nie przyćmi mechanizmów zabezpieczających, które chronią nas wszystkich?