Искусственный интеллект (ИИ) за последние десятилетия стал неотъемлемой частью самых разных отраслей, включая медицину и фармацевтику. Создание медицинских препаратов традиционно занимает много времени и требует значительных финансовых затрат. Искусственный интеллект в фармации предлагает решения, которые значительно ускоряют поиск новых соединений, испытания их свойств и клинических исследования. По мнению экспертов, искусственный интеллект в разработке лекарств открывает новую эру в фармацевтике.
Как искусственный интеллект используется в разработке лекарств
ИИ охватывает все этапы создания препаратов, от поиска новых молекул до проведения клинических испытаний. Ниже отметим основные направления применения ИИ для создания лекарств.
Читайте также
Пулы ликвидности USDT: принципы работы, источники дохода и основные риски
- Поиск новых молекул и соединений. Используя машинное обучение, специалисты анализируют миллионы химических соединений, чтобы выявить перспективные вещества для дальнейшего изучения. Это позволяет ученым сосредоточиться только на тех вариантах, которые с наибольшей вероятностью будут эффективны, и значительно ускоряет процесс поиска новых лекарственных средств. Такой подход виртуального скрининга использует, например, компания Atomwise (США).
- Дизайн новых молекул и соединений. Важнейшие применение ИИ для создания лекарств – молекулярное моделирование, в котором нейросети создают структуру и прогнозируют активность веществ, а также могут имитировать процесс их синтеза. ИИ помогает в синтезе многомишенных (воздействуют на несколько структур клетки) и биоспецифических (селективно взаимодействуют с конкретными мишенями) молекул. Примером компании, активно применяющей данную технологию, является BenevolentAI (Лондон, Великобритания), разрабатывающая лекарства для сложных и редких заболеваний.
- Прогнозирование свойств соединений. ИИ в разработке лекарств помогает оценить их токсичность, эффективность и фармакокинетические свойства, что значительно сокращает количество лабораторных исследований. Как пример – ИИ используется для прогнозирование 3D-структуры целевого белка и взаимодействий лекарство-белок.
- Доклинические и клинические исследования.Алгоритмы ИИ помогают в выборе целевой группы пациентов для проведения клинических испытаний на основании анализа большого объема данных, анализируют их реакции на лечение и выявляют побочные эффекты препаратов на ранних стадиях. Такой подход применяет на практике компания Pfizer (США), в партнерстве с платформой ИИ IBM Watson.
- Репозиционирование лекарств. Это процесс поиска новых терапевтических применений для уже известных препаратов. Примером является использование ИИ для анализа существующих препаратов в борьбе с COVID-19. Например, компания BenevolentAI с помощью ИИ подтвердила, что препарат Барицитиниб (Baricitinib), изначально предназначенный для лечения ревматоидного артрита, может быть эффективен в уменьшении воспаления у пациентов с COVID-19.
Искусственный интеллект в фармации находит применение не только в исследованиях, но и в производственных процессах: для контроля качества; предиктивного обслуживания и оптимизации логистики.
Примеры внедрения ИИ в фармацевтическое производство
В таблице ниже приведены примеры использования искусственного интеллекта в фармации в международных фармацевтических компаниях.
| Компания | Применение ИИ |
|---|---|
| Roche (Швейцария) | Контроль качества лекарств: обнаружение дефектов упаковки и ошибок дозировки. |
| Pfizer (США) | Разработка вакцин, идентификация новых молекул, анализ медицинских данных и др. (подробнее – ниже). |
| Novartis (Швейцария) | Персонализация производства: адаптация дозировок под индивидуальные потребности. |
| GlaxoSmithKline (Великобритания) | Анализ генетических и геномных данных, проектирование низкомолекулярных препаратов, оптимизация испытаний и др. |
| Exscientia (Великобритания) | Поиск новых молекул, оптимизация их структуры для разработки лекарств. |
| BenevolentAI (Великобритания) | Анализ биологических данных с целью обнаружения новых терапевтических мишеней и создания лекарств, репозиционирование лекарств (см. пример выше) и др. |
| Atomwise(Сан-Франциско, США) | Поиск новых молекул и разработка препаратов с использованием cервиса AtomNet®, обнаружение новых терапевтических целей и мишеней и др. |
| Insilico Medicine (Гонконг) | Поиск новых молекул и оптимизация существующих соединений, разработка новых препаратов. |
| Recursion Pharmaceuticals (США) | Автоматизация лабораторных исследований: выявление новых молекул и мишеней, создание феномных баз данных (данные о генах, белках, метаболитах и др.) и др. |
| Deep Genomics (Канада) | Анализ генетических данных и создание препаратов, нацеленных на конкретные мутации в геноме. |
| Merck KGaA (Германия) | Ускорение разработки лекарств на 50–60%, создание мультиспецифических антител для лечения рака и иммунологических заболеваний. |
| Nxera Pharma (Япония) | Производство медикаментов на основе антител в партнерстве со стартапом Antiverse (Великобритания) |
Как Pfizer использует искусственный интеллект?
Pfizer (США) – одна из ведущих фармацевтических компаний, активно внедряющих ИИ для производства лекарств. Наиболее известным примером стало использование ИИ при поиске вакцины от COVID-19 совместно с BioNTech. ИИ применялся в анализе генома вируса SARS-CoV-2, с его помощью были выявлены ключевые молекулы, способные стимулировать у человека иммунный ответ на попадание вируса в организм. Наиболее важным стала идентификация спайкового белка (Spike Protein), который отвечает за проникновение вируса в клетку. Спайковый белок стал основным мишеневым антигеном, т.е. объектом атаки.
В результате была получена вакцина под названием Comirnaty, которая стала одной из наиболее распространенных в мире. Она работает по технологии мРНК, которая позволяет клеткам организма синтезировать белок, схожий с белком шипа коронавируса, чтобы стимулировать иммунный ответ без заражения самим вирусом. ИИ применялся для моделирования взаимодействия вакцины с иммунной системой человека, а также проведения клинических испытаний – проверки качества и анализа больших объемов данных, оперативной обработки информации, удаленного мониторинга.
Pfizer сотрудничает с израильским стартапом CytoReason, специализирующимся на создании моделей заболеваний с помощью ИИ. Компания применяет платформу CytoReason для ускорения разработки лекарств: моделирует заболевания и прогнозирования эффективности терапии.
Pfizer использовала ИИ для ускоренной разработки орального лечения от COVID-19 – препарата Paxlovid. Применение виртуального скрининга и моделирования позволило отсортировать миллионы соединений и выбрать наиболее эффективные. Это сократило время на исследования на 80-90%, а сам процесс разработки препарата занял всего четыре месяца.
В рамках партнерства с Pfizer компания XtalPi разработала платформу для молекулярного моделирования, которая помогает не только в разработке новых препаратов, но и в выборе их оптимальных форм.
Pfizer сотрудничает с Центром молекулярной медицины (CeMM) в создании новых моделей ИИ для обнаружения низкомолекулярных соединений, связывающихся с человеческими белками. Эти технологии помогают ускорить процесс разработки новых препаратов, с фокусом на недостаточно исследованных белках и молекулах.
Эти инициативы являются частью широкой стратегии Pfizer по использованию ИИ в разработке лекарств для ускорения процесса и улучшения «прицельности» действия препаратов.
Лекарства, разработанные с помощью искусственного интеллекта
Перечислим ниже лекарства, разработанные ИИ.
- Baricitinib (от Eli Lilly) – препарат для лечения аутоиммунных заболеваний, таких как остеоартрит и болезнь Крона. Для его разработки был применен ИИ, который помог выявить молекулы, блокирующие JAK-киназы — ферменты, играющие ключевую роль в воспалении. Позже, также благодаря ИИ, была доказана эффективность препарата против COVID-19.
- DSP-1181 (от Exscientia и Sumitomo Dainippon Pharma) – это антипсихотическое средство, которое нацелено на лечение обсессивно-компульсивного расстройства (ОКР). Компания Sumitomo Dainippon Pharma использовала генеративные модели ИИ для создания молекул, подходящих для таргетной терапии. ИИ анализировал структурные и биологические данные, чтобы создать молекулы, минимизирующие побочные эффекты и максимизирующие терапевтическую эффективность. Процесс занял 12 месяцев, что значительно меньше стандартного периода разработки (4–5 лет).
- Paxlovid (от Pfizer). Оральный антивирусный препарат для лечения COVID-19. ИИ помог в фильтрации миллионов возможных соединений, что позволило быстро найти эффективные молекулы для протеазной ингаляционной терапии.
- INS018_055 (от Insilico Medicine). Этот препарат – потенциально первый в своем классе ингибитор для лечения идиопатического легочного фиброза (IPF), хронического заболевания легких, которое приводит к прогрессирующему ухудшению функции легких. Препарат был разработан с помощью ИИ-платформ PandaOmics (для поиска новых мишеней) и Chemistry42 (для проектирования молекул). Проходит клинические испытания.
- Halicin (от Massachusetts Institute of Technology, MIT). Aнтибиотик, обладающий активностью против множества бактерий, включая устойчивые штаммы. Он был открыт с использованием глубоких алгоритмов машинного обучения, что позволило исследовать более 100 млн химических соединений.
- Molnupiravir (от Merck и Ridgeback Biotherapeutics). Антивирусный препарат, использующий молекулы с искусственно созданными мутациями, был создан для лечения COVID-19 с применением методов ИИ. Препарат был оптимизирован с учетом структурных особенностей вируса.
- Вакцина против COVID-19 Comirnaty (от Pfizer) — см. выше.
Помогает ли ИИ ускорить разработку лекарств?
ИИ значительно сокращает время разработки новых лекарств, что особенно важно в условиях глобальных кризисов, таких как пандемии. Благодаря предсказательным моделям, поиск и анализ соединений занимает месяцы, а не годы. Алгоритмы ИИ помогают быстрее находить подходящих пациентов, анализировать результаты лечения и выявлять потенциальные риски. Однако, несмотря на впечатляющие успехи, есть и ограничения в использовании ИИ. Например, для обучения моделей требуется большое количество качественных данных, что не всегда возможно. Также существуют риски, связанные с интерпретацией результатов, полученных ИИ.
Преимущества и недостатки использования искусственного интеллекта в фармации
В качестве преимуществ ИИ в разработке лекарств можно отметить:
- ускорение процесса;
- снижение затрат на разработку препаратов (не на внедрение);
- высокую точность и минимизацию ошибок;
- персонализированный подход;
- быструю реакцию на новые вызовы (пандемии).
Недостатками ИИ для разработки лекарств могут быть:
- высокая стоимость внедрения;
- необходимость в больших объемах качественных данных;
- высокие риски распространения конфиденциальной информации;
- сложность учета редких или нестандартных случаев;
- опасения по поводу соблюдения этических норм.
Искусственный интеллект значительно трансформирует фармацевтическую индустрию, ускоряя разработку новых лекарств, оптимизируя процессы и повышая их точность. Несмотря на значительные преимущества, внедрение ИИ связано с высокими затратами, необходимостью качественных данных и этическими вопросами. Будущее искусственного интеллекта в фармации зависит от того, насколько эффективно эти препятствия будут преодолены.
Меню 
Знания 
События 
Новости 
Курсы валют