Портал PharmaTimes обсудил будущее технологий искусственного интеллекта применительно к НИР с экспертом в сфере AI Джеки Хантер.
Г-жа Хантер, генеральный директор компании BenevolentAI, считает, что, благодаря применению технологий искусственного интеллекта (AI), список TOP20 фармкомпаний претерпит существенные изменения в течение ближайших пяти лет.
Выступая на недавнем брифинге, г-жа Хантер отметила, что текущий список TOP20 игроков мирового фармрынка существенно отличается от того, который можно было видеть 10 лет назад. А если взять подобный список двадцатилетней давности, в нем вообще не было таких игроков, как Teva и Gilead. Драйверами изменений стали биотехнологическая революция и новое понимание заболеваний. Поэтому, по словам г-жи Хантер, ничто не может помешать искусственном интеллекту стать драйвером подобных изменений. Можно даже ожидать появления в будущем списке TOP20 такой компании, как Google, которая уже сделала существенные инвестиции в сфере развития биотехнологий и средств диагностики и имеет очень хорошие позиции для попадания в «верхние эшелоны» игроков фармрынка.
AI представляет собой быстро развивающийся тренд в фарме. Несколько представителей Большой Фармы, включая Merck & Co (за пределами США и Канады – MSD), Johnson & Johnson, Pfizer и Sanofi, уже ведут исследования в этой сфере. Например, компания GSK недавно заключила соглашение стоимостью 33 млн фунтов стерлингов с компанией Exscientia из шотландского города Данди, специализирующейся в сфере AI. Цель соглашения – партнерство в сфере открытия новых лекарственных средств.
Однако, несмотря на это, г-же Хантер неизвестны фармкомпании, имеющие комплексную AI-стратегию, хотя, по ее мнению, это помогло бы отладить «неустойчивую» модель поиска и открытия новых молекул. В настоящее время доля провалившихся клинических исследований II и III фазы составляет 50%.
Платформа компании BenevolentAI работает, опираясь в основном на анализ данных и поиск связей между ними. Например, в области болезни двигательного нейрона / бокового амиотрофического склероза (БАС) разработанное компанией AI-решение смогло проанализировать миллиарды предложений и абзацев научных статей и рефератов для установления связей между данными, которые с помощью данного решения были отнесены к категории «известных фактов». Эти факты были отсмотрены специалистами, что позволило создать новые связи для генерирования большого числа возможных гипотез на основе заданных учеными критериев. В случае БАС таковых гипотез было около 200.
Затем исследователи могли оценить обоснованность гипотез и составить приоритетный список тех, которые имело смысл разрабатывать далее. В конечном итоге, были выбраны пять гипотез для проверки в лабораторных условиях. В целом, результаты проверки были положительными: из выбранных кандидатных молекул одна продемонстрировала эффект на моделях БАС in vivo; две показали превосходную эффективность при проведении количественного анализа; две продемонстрировали меньший, однако значительный эффект; и одна оказалась неэффективной.
Именно поэтому г-жа Хантер не считает, что внедрение AI приведет к массовому сокращению штатов в сфере клинических исследований, и утверждает, что реалии данной технологии на самом деле ближе к «дополненному», чем к искусственному интеллекту.
Она отмечает, что исследователям в любом случае придется использовать собственный интеллект и опыт для проверки сгенерированных гипотез, но они получат намного более обширную доказательную базу при меньшем количестве отклонений.
Это также является важной составной частью при поддержании патентоспособности препарата. Для обеспечения патентоспособности ученый интерпретирует данные, используя ситуационно обусловленные методы, поскольку при полной автоматизации всех процессов поиска молекул будет непонятно, в чем, собственно, заключается изобретение.
Для поиска связей между данными компании BenevolentAI пришлось создать базу данных, включающую десятки миллионов публикаций, которые можно прочитать с помощью программ AI. Компания использует огромное количество источников данных – как структурированных, так и неструктурированных. Проблема может заключаться в неупорядоченности данных, и компании потребуется 2 года на создание тематических словарей, которые позволят преодолеть эту проблему. Например, аббревиатура AD может относиться к атопическому дерматиту или болезни Альцгеймера (Alzheimer’s disease), поэтому AI должен понимать контекст, в котором встречается данная аббревиатура.
Г-жа Хантер говорит также о том, что AI может помочь в преодолении проблемы разрозненных данных. Например, массив данных по онкологии может содержать информацию о резистентности к противомикробным средствам, или информация о болезни Альцгеймера может также включать информацию об атопическом дерматите, однако в условиях, когда AI не используется для получения более широкой картины, данные обычно организованы в виде разрозненных массивов.
На начальном этапе компании могут столкнуться со следующей проблемой: техническим специалистам в сфере AI, которые никогда не работали с фармой, придется взаимодействовать с клиническими исследователями, которые никогда не имели дела с AI. Эта проблема существовала и для BenevolentAI, но компания нашла следующее решение: людей стимулировали к совместной работе, ставя для них общие цели; при этом исходили из понимания, что следует изменить культуру организации для обеспечения более эффективных коммуникаций.
Новые методы поиска новых молекул с использованием AI могут также заставить регуляторов изменить способы оценки лекарственных препаратов, хотя г-жа Хантер считает, что регуляторы сильно отстают в понимании подобных технологий. Она также уверена, что компаниям Большой Фармы следует быстрее адаптироваться к этим технологиям, чтобы их не «обскакали» стартапы, более восприимчивые к инновациям. Она говорит, что крупные компании могут покупать стартапы, использующие AI; однако, если у них самих отсутствуют внутренние системы, позволяющие максимизировать наработки стартапов, они просто «убьют курицу, несущую золотые яйца». Необходима среда, в которой AI-стартапы смогут развиваться, а не преодолевать сопротивление внутренних структур.
В целом, г-жа Хантер считает, что пройдет не более 10 лет, прежде чем использование AI в сфере НИР станет нормой, а не исключением.
Источник: pharmvestnik.ru
