Sztuczna inteligencja pomaga odkrywać nowe leki. Skraca czas i obniża koszty badań klinicznych

Statystycznie tylko jedna na 10 tys. cząsteczek testowanych w laboratoriach firm farmaceutycznych pomyślnie przechodzi wszystkie fazy badań. Jednak zanim stanie się lekiem rynkowym, upływa średnio 12–13 lat. Cały ten proces jest nie tylko czasochłonny, ale i bardzo kosztowny – według EFPIA przeciętne koszty opracowania nowego leku sięgają obecnie prawie 2 mld euro. Wykorzystanie sztucznej inteligencji pozwala jednak obniżyć te koszty i skrócić cały proces. – Dzięki AI preselekcja samych cząsteczek, które wchodzą do badań klinicznych, jest o wiele szybsza, co zaoszczędza nam czas. W efekcie pacjenci krócej czekają na nowe leki i rozwiązania terapeutyczne – mówi Łukasz Hak z firmy Johnson & Johnson Innovative Medicine, która wykorzystuje AI w celu usprawnienia badań klinicznych i opracowywania nowych, przełomowych terapii m.in. w chorobach rzadkich.

– Sztuczna inteligencja bardzo nam pomoże przyspieszyć rozwijanie nowych i innowacyjnych leków. To pierwsza istotna sprawa. Dlaczego jest tak ważna? Po pierwsze, może nam pomóc szybciej realizować prace badawczo-rozwojowe, pozwala nam na jeszcze bardziej precyzyjne działania, bardziej indywidualnie nakierowane na potrzeby pacjenta. Możemy też odchodzić dalej od podejścia, że jedna tabletka jest dla wszystkich, bo w rzeczywistości tak nie jest – mówi agencji Newseria Biznes Geraldine Schenk, dyrektor zarządzająca Johnson & Johnson Innovative Medicine Poland.

– Zaawansowana AI, dysponująca bardzo dużą ilością danych, pozwala nam m.in. na preselekcję pacjentów, dobranie odpowiedniego leczenia i przewidzenie tego, w jaki sposób może ono wpłynąć na pacjenta. Firmy farmaceutyczne już robią pierwsze kroki w tym kierunku – mówi Łukasz Hak, dyrektor medyczny Johnson & Johnson Innovative Medicine.

Jak wynika z ubiegłorocznego raportu PARP („Zastosowania sztucznej inteligencji w gospodarce”), ta technologia jest kluczowa dla rozwoju współczesnej medycyny. Jednym z głównych zastosowań AI w tym obszarze jest diagnostyka: algorytmy mogą przeanalizować wyniki badań pacjenta, pomóc lekarzowi w postawieniu właściwej diagnozy i zasugerować dobór najbardziej efektywnej metody leczenia. AI jest też coraz powszechniej wykorzystywana m.in. w celu personalizacji leczenia i monitorowania stanu zdrowia pacjentów czy usprawnianiu procesów w szpitalach i placówkach medycznych. Ma też potencjał, żeby skrócić kolejki do lekarzy i badań diagnostycznych, na które pacjenci czekają miesiącami. Do tego dochodzi jeszcze czas oczekiwania na opis badania: według NIK 65 proc. opisów tomografii komputerowej, rezonansu magnetycznego czy mammografii jest sporządzanych w czasie do trzech dni, a 16 proc. – powyżej dwóch tygodni. Diagności są przeładowani biurokracją, a sztuczna inteligencja może ich w tym odciążyć, analizując i tworząc opisy badań dużo szybciej.

– Sztuczną inteligencję wykorzystujemy również w celu przyspieszenia badań klinicznych – mówi Łukasz Hak. – Dzięki AI preselekcja samych cząsteczek, które wchodzą do badań klinicznych, jest o wiele szybsza, co zaoszczędza nam czas. W efekcie pacjenci krócej czekają na nowe rozwiązania terapeutyczne.

– Wykorzystanie sztucznej inteligencji pozwala nam też obniżyć koszty rozwijania nowych leków, z jej pomocą rezultaty naszych badań mogą być jeszcze lepsze – dodaje Geraldine Schenk. – Cały czas szukamy też nowych sposobów podawania innowacyjnych leków, aby przykładowo zamiast dawkowania dożylnego pacjenci mogli przyjmować je w postaci tabletek lub samodzielnie aplikowanych zastrzyków.

Wszystkie nowe leki, które trafiają na rynek, są wynikiem długotrwałych kosztownych prac badawczo-rozwojowych i badań klinicznych, które służą przetestowaniu ich skuteczności i bezpieczeństwa. Z raportu EFPIA „The Pharmaceutical Industry in Figures 2022” wynika, że statystycznie tylko jedna na 10 tys. cząsteczek testowanych w laboratoriach firm farmaceutycznych pomyślnie przechodzi wszystkie fazy badań, dając chorym nadzieję na wyleczenie lub wydłużenie życia. Jednak zanim stanie się lekiem rynkowym, upływa średnio 12–13 lat.

Cały ten proces jest nie tylko żmudny i czasochłonny, ale i bardzo kosztowny: według EFPIA przeciętne koszty opracowania nowego leku sięgają obecnie prawie 2 mld euro. Wykorzystanie algorytmów sztucznej inteligencji pozwala obniżyć te koszty i skrócić cały proces. Pomaga badaczom szybciej projektować potencjalne leki m.in. w onkologii, immunologii, neurologii i chorobach rzadkich. Może również przyspieszyć projektowanie cząsteczek de novo i zrozumienie ich cech, które są trudne do przetestowania w badaniach klinicznych, takich jak toksyczność i immunogenność.

– Możemy używać algorytmów uczenia maszynowego (machine learning, ML) do analizowania rzeczywistych danych zdrowotnych z zasobów takich jak zdezidentyfikowana elektroniczna dokumentacja medyczna, laboratoria, roszczenie i obrazowanie, by identyfikować i ustalać priorytety geograficzne i organizację opieki zdrowotnej. Placówki ocenione wysoko przez modele sztucznej inteligencji i uczenia maszynowego zarejestrowały 1,2–2,6 raza więcej pacjentów i wykazały większą różnorodność – podkreślają przedstawiciele Johnson & Johnson Innovative Medicine Poland. – Wykorzystując generatywne rozwiązania SI, można gromadzić spostrzeżenia i informacje z wielu krajów na temat stale zmieniającego się środowiska regulacyjnego.

Opracowywanie przełomowych, coraz bardziej spersonalizowanych leków i nowych ścieżek terapeutycznych przy wykorzystywaniu technologii – w tym również SI i ML – to główny cel Johnson & Johnson Innovative Medicine (dawniej Janssen Pharmaceutical Companies of Johnson & Johnson). Pod jednym brandem koncern Johnson & Johnson połączył swoje segmenty technologii medycznych i farmaceutyczny. Obszar działalności spółki się jednak nie zmienił.

– Obszarem priorytetowym jest dla nas wczesne wykrywanie chorób, diagnostyka i medycyna precyzyjna, dostosowana do indywidualnych potrzeb pacjentów – mówi Geraldine Schenk.

Jak wskazuje, firma skupia się na szukaniu rozwiązań dla najbardziej skomplikowanych problemów terapeutycznych w obszarach takich jak onkologia, immunologia, neurologia, zwyrodnienie siatkówki i kardiologia.

– Dziedziną, w której dostrzegamy największą niezaspokojoną potrzebę medyczną, są choroby rzadkie. Statystycznie tylko 7–8 proc. chorób rzadkich jest rozpoznawanych i leczonych, mowa więc tylko o garstce pacjentów. W obszarze naszych zainteresowań są chociażby choroby siatkówki, w których pacjenci tracą zdolność widzenia – wymienia dyrektor zarządzająca Johnson & Johnson Innovative Medicine Poland.

– Tym, nad czym obecnie pracujemy, są głównie terapie komórkowe, w których – jeśli pacjent ma np. chorobę onkologiczną – pobieramy od niego krew, wybieramy z tej krwi komórki immunologiczne i uczymy je, w jaki sposób one mają walczyć z chorobą, czyli w tym przypadku z nowotworem, a następnie podajemy je z powrotem pacjentowi. Jesteśmy bardzo blisko wprowadzenia tego na rynek w różnego rodzaju nowotworach, a naszym kolejnym krokiem związanym z terapiami komórkowymi są także schorzenia autoimmunizacyjne, gdzie możemy szkolić układ immunologiczny, żeby odpowiednio adaptował się i usuwał tego rodzaju schorzenia u pacjentów. To są bardzo obiecujące terapie, ponieważ one potrafią wyleczyć pacjenta, a nie tylko przedłużyć czas bez choroby – dodaje Łukasz Hak.

Przeczytaj także: Bioinformatyczne narzędzia ułatwiają diagnostykę opartą na danych genetycznych. W Polsce dostęp do niej wciąż jest niewystarczający

Źródło: biznes.newseria.pl

Last Updated on 17 kwietnia, 2024 by Krzysztof Kotlarski