Skok w przyszłość

Proces tworzenia nowego leku i wprowadzania go na rynek to droga żmudna, długa i kosztowna. Średnio zajmuje około dwunastu lat. Łączne koszty, jakie udźwignąć musi firma, która lek chce wyprodukować, idą w miliardy złotych. Oczywistością jest, że podejmowanie wysiłków w poszukiwaniu innowacyjnych terapii jest niezbędne do dalszego rozwoju segmentu biomedycznego. Nawet jeśli tylko jedna na kilka tysięcy badanych cząsteczek okazuje się dawać szansę na stworzenie nowego leku. Dlatego na rozwój zupełnie nowych terapii stać tylko największych graczy. Pewną rewolucję przyniosły (bazujące na lekach innowacyjnych) generyki. Jednak szczególnym krokiem, a nawet skokiem w kierunku minimalizacji kosztów i maksymalizacji efektywności są algorytmy sztucznej inteligencji (AI). Dziś mówi się, że to one są przyszłością medycyny (o ile nie przyszłością wszelkich nauk) i trudno z tym stwierdzeniem dyskutować. Eksperci przewidują, że wartość gałęzi rynku związanej z produkcją leków z wykorzystaniem AI będzie do 2027 r. wynosić prawie 4 mld USD. I nie wydaje się, by obecna sytuacja koronawirusowa miała ten rozwój szczególnie spowolnić.

Nowy rozdział w historii

O jakiej skali działań mowa? Na świecie funkcjonują setki start-upów wykorzystujących sztuczną inteligencję w procesach związanych z tworzeniem nowych leków. Na stronie BenchSci zebrano ich przynajmniej dwieście. Jednak, kiedy spojrzymy na wielkość i wartość całego segmentu LifeScience, okazuje się, że to i tak jedynie kropla w morzu możliwości. I jak nie trudno się domyślić – także w morzu rosnących potrzeb, o których pandemia SARS-CoV-2 boleśnie nam przypomniała. Wykorzystanie sztucznej inteligencji w segmencie lekowym to także kierunek, który obiera coraz większa liczba dużych graczy. Firmy biofarmaceutyczne dostrzegają jej rosnącą wartość i podejmują pierwsze głośne próby jej wykorzystania. Doskonałym przykładem jest tu DSP-1181 – okrzyknięty przez media pierwszym lekiem stworzonym z wykorzystaniem sztucznej inteligencji (a dokładnie uczenia maszynowego), który trafił do I fazy badań klinicznych. Laur pierwszeństwa i prawdopodobnie stosowne miejsce w historii (jeśli operacja okaże się skuteczna) powędruje do japońskiej firmy Sumitomo Dainippon Pharma i brytyjskiej Excientia. DSP-1181 ma leczyć zaburzenia obsesyjno-kompulsywne. Kluczowa cząsteczka została wyselekcjonowana przez algorytm sztucznej inteligencji, który znacznie szybciej i celniej niż człowiek przeanalizował olbrzymią bazę związków chemicznych i wybrał ten najlepiej spełniający określone kryteria.

Siła jest w danych

Co ze sztuczną inteligencją robią całe zastępy wyrastających jak grzyby po deszczu start-upów? Słowo klucz to dane, które łączone w gigantyczne zbiory są w stanie szybko odpowiedzieć na wiele zadawanych przez naukowców pytań. Część tych podmiotów, jak Data4Cure, Evid Science, Genialis, Innoplexus, Kyndi, Intellegens, gromadzi dane, które na różne sposoby ułatwiają badaczom dostęp do informacji i ich analizę, nawiązywanie współpracy z innymi badaczami, porównywanie wyników badań, osadzanie ich w kontekście całych grup społecznych. Część tych rozwiązań to nieocenione narzędzia, które generują oszczędność czasu i zmniejszają ryzyko popełnienia błędu. Inni (również na bazie zgromadzonych danych) próbują sztuczną inteligencję wykorzystać w zgłębianiu mechanizmów powstawania chorób. Postępy na tym polu możemy śledzić m.in. dzięki pracom: Aiforia, Cambridge Cancer Genomics, CytoReason, Emipric Logic, Euretos, Shivom, Sensyne Health, Revive Med. Mądre gromadzenie i wykorzystywanie ciągle powiększającej się liczby rekordów może znacząco przyspieszać procesy terapeutyczne, wytyczać nowe kierunki w badaniach, jasno wskazywać zarysowujące się trendy.

Taki cel przyświeca m.in. wspomnianemu wyżej Cambridge Cancer Genomics. CCG tworzy oprogramowanie, które umożliwia rozwój precyzyjnej onkologii. Wykorzystane w tym celu uczenie maszynowe pozwala na wcześniejsze wykrywanie nawrotów nowotworów, dokładniejsze przewidywanie reakcji na terapię, redukowanie nieskutecznych schematów leczenia. Przedmiotem prac z wykorzystaniem AI jest także poszukiwanie nowych zastosowań dla istniejących już leków. Tu warto zwrócić uwagę m.in. na Healx, Delta4, BioXcel Therapeutics, Acurastem, Lantern Pharma, które dzięki budowanym bazom danych i uczeniu maszynowemu przypisują nowe możliwości terapeutyczne znanym lekom. Stosunkowo szeroka grupa start-upów zajmuje się opracowywaniem nowych kandydatów na leki i ich optymalizacją. Aż w końcu – są i tacy – którzy po prostu tworzą nowe terapie i leki. Dla przykładu, należący do grupy kapitałowej Selvita, małopolski Ardigen, który realizuje działania na polu medycyny precyzyjnej i bioinformatyki. Kilka tygodni temu Ardigen otrzymał 12 mln zł dofinansowania z Narodowego Centrum Badań i Rozwoju na stworzenie technologii, która ma wykorzystać sztuczną inteligencję w projektowaniu receptorów TCR, jako kluczowego składnika nowoczesnych przeciwnowotworowych immunoterapii komórkowych TCR-T. Nie wychodząc poza granice polskiego rynku, warto zauważyć też działania Molecule.one, wykorzystujące AI do sprawdzenia, czy wybrana reakcja chemiczna będzie działać. Do tej samej bramki grają m.in. start-upy MabSilico, Molomics, Pepticom, Remedium i TeselaGen.

Technologiczny wyścig nabiera tempa, a pierwsze wymierne sukcesy zdeterminują rozwój branży LifeScience na kolejne lata. Pandemia SARS-CoV-2 pokazała nam, jak bardzo – w kontekście poszukiwania nowych terapii – potrzebujemy szybkich i skutecznych działań. Sztuczna inteligencja, przy odpowiednich narzędziach i wystarczająco pojemnych bazach danych, może nam je zapewnić. Science fiction zamienia się w rzeczywistość, która w zakresie produkcji leków może przenieść branżę na nowy, wyższy poziom. Kiedy? To pokażą zapewne wyniki testów I fazy DSP-1181.