Применение ИИ в разработке лекарств. Какие компании используют искусственный интеллект при создании лекарств

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

Читайте также

Так ли умны «умные контракты»? Тенденции, риски, пути к устойчивости

Леонид Горяинов

База знаний

• 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.

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.