Как фармацевтика сотрудничает с искусственным интеллектом

Фармацевтические гиганты, включая швейцарские компании Roche и Novartis, делают ставку на искусственный интеллект, видя в нем большое будущее. Keystone

Фармацевтические гиганты, включая швейцарские компании Roche и Novartis, делают ставку на искусственный интеллект, видя в нём большое будущее. Пандемия уже показала, насколько ИИ способен ускорить все производственные процессы. Но что дальше? «Для того, чтобы создать действительно эффективное и успешное на рынке лекарство, нужно нечто большее, чем просто ИИ».

Открытый Маттиасом Штегером (Matthias Steger) лекарственный препарат EA-2353, необходимый для эффективного лечения пигментного ретинитаВнешняя ссылка, в своей родословной имеет весьма «примитивных предков»: обычный блокнот и карандаш. На поиск каких-то таких структурно-химических закономерностей, которые позволили бы получить эффективное средство против этого редкого дегенеративного заболевания глаз, Маттиас Штегер потратил почти 10 лет. Кроме огромного количества времени на эти цели потребовалось выделить ещё и большие деньги, они пошли на проведение бесконечных лабораторных испытаний.

Но даже и при этих всех условиях многое происходило просто по воле случая. Случайным в итоге оказалось по большому счету и открытие химической молекулы, на основе которой потом возник препарат EA-2353. «Открыть новую молекулу — это все равно что найти иголку в стоге сена. Даже опытному химику приходится постоянно гадать», — рассказал Маттиас Штегер в интервью порталу SWI swissinfo.ch. Чтобы разработать и вывести на рынок новое лекарство требуется в среднем 10 лет и около 2,5 млрд долларов инвестиций. В надежде ускорить этот процесс в какой-то момент Маттиас Штегер просто отправил все имеющиеся у него материалы Гисберту Шнайдеру (Gisbert Schneider), бывшему коллеге по швейцарскому фармацевтическому концерну Roche, преподававшему на тот момент компьютерный дизайн в Высшей технической школе Цюриха (ETHZ).

Традиционный подход к разработке лекарственных препаратов. SWI

Применив свои модели искусственного интеллекта, тот почти мгновенно создал двух кандидатов с заданными свойствами. Один из них — препарат EA-2353 — сейчас и проходит клинические испытания. «Я не уверен, что мы добились бы такого результата без искусственного интеллекта. Алгоритмы способны видеть закономерности, которые просто недоступны человеческому глазу», — говорит М. Штегер, который вместе с Г. Шнайдером основал в 2016 году стартап EndogenaВнешняя ссылка с офисами в Цюрихе и Сан-Франциско. Цель: совершенствование ещё двух претендентов на звание требуемого лекарственного препарата.

Шквал инвестиций

Потенциал ИИ применительно к фармацевтике вызвал в последние годы настоящий шквал инвестиций в соответствующие технологии и компании. Согласно данным Boston Consulting Group, только за последние 10 лет инвесторы в примерно две сотни биотехнологических компаний и стартапов, работающих по принципу AI-first (это когда технологии ИИ занимают в процессе поиска и разработки лекарств центральное место) вложили более 18 млрд долларов. Эти стартапы и технологические компании находятся на переднем крае развития этой пока еще относительно новой технологии. Но по мере того, как открытые при помощи ИИ лекарства начинают успешно выдерживать клинические испытания, в том числе на людях, все большее количество фармацевтических компаний, включая швейцарских гигантов Roche и Novartis, начинают обращать свое внимание на эту сферу технического прогресса.

Так, в прошлом 2023 году швейцарский концерн Roche объявил о начале многолетнего исследовательского сотрудничества с американским производителем компьютерных чипов Nvidia — а это только одна из как минимум восьми таких сделок, которые швейцарская фармацевтическая компания заключила в период с 2019 года по сей день (май 2024 года). В январе 2024 года швейцарская компания Novartis сделала подразделению концерна Google, компании DeepMind / Isomorphic Labs, предложение, от которого было невозможно отказаться: швейцарские химики предложили ей 37,5 млн долларов аванса и еще 1,2 млрд долларов в случае достижения ею определенных заданных результатов в области разработки сразу трёх новых лекарственных препаратов.

Но что же тут по-настоящему нового? Крупные фармацевтические компании уже десятки лет как используют компьютерные системы в разработке новых лекарств. И до недавнего времени они весьма сдержанно оценивали потенциал ИИ. «После неудачных экспериментов с искусственными нейронными сетями в 2000-х годах в фармацевтической сфере возникло ощущение, что ИИ не оправдал возложенных на него надежд. Но этим сетям просто не хватало внутренней сложности, а ещё у них не было необходимых массивов данных, не хватало им и вычислительной мощности актуальных на тот момент компьютеров. Сейчас все изменилось, и ни одна крупная фармацевтическая компания не может себе уже позволить отстать в этой области», — говорит Гисберт Шнайдер.

«Разрозненные группы «рандомных» данных»

И в самом деле, последние поколения моделей на основе ИИ способны анализировать огромные массивы информации и находить закономерности даже там, где их человек просто никогда бы не увидел, включая разрозненные группы совершенно «рандомных» данных. Такие технологии очень полезны в качестве подспорья для ученых, имеющих дело с триллионами клеток и с почти 20 000 генами, которыми располагает каждый человек. Мощным толчком стала пандемия. Ученые уже и прошлом понимали, сколь важны так называемые Big Data и что такое «таргетированные медицинские препараты».

Однако только нейрональные сети смогли свести все эти достижения воедино. И вот в 2020 году исследовательское подразделение Google, компания DeepMind, запустило сеть AlphaFold, сыгравшую важнейшую роль в исследовании белковых структур вируса SARS-CoV-2. Это и помогло ученым в рекордные сроки разработать вакцины против Covid. В настоящее время существует уже множество самых разных аналогичных инструментов, предполагается, что ИИ поможет сократить длительность разработки и стоимость создания новых лекарств на 25–50%.

«Системы на основе ИИ, включая машинное обучение и так называемые «большие языковые модели», вовсе не являются какими-то абсолютно новыми технологиями. Но за последние буквально два года масштабы и темпы их внедрения (в процессы по поиску новых химических формул) значительно увеличились и ускорились», — говорит Элиф Озкиримли (Elif Ozkirimli), руководитель Отдела вычислительной техники Научно-исследовательского отдела компании Roche в Базеле. Согласно недавней презентации для инвесторов, концерн Roche инвестирует сейчас в год около 3 млрд долларов, с тем чтобы перестроить всю цифровую инфраструктуру компании и сделать ИИ интегральным элементом всего процесса НИОКРВнешняя ссылка.

Мы спросили ИИ, что такое ИИ

Вот его ответ:

Искусственный интеллект (ИИ) – это область, которая охватывает широкий спектр технологий, позволяющих машинам выполнять задачи, которые обычно требуют человеческого интеллекта.

Вот некоторые ключевые характеристики ИИ:

Обучение и адаптация: Системы ИИ могут обучаться на данных и опыте, совершенствуя свои способности с течением времени.

Понимание и рассуждение: Системы ИИ могут обрабатывать информацию и делать выводы, используя логику и здравый смысл.

Восприятие и взаимодействие: Системы ИИ могут воспринимать окружающий мир через датчики и взаимодействовать с ним с помощью концевых эффекторов.

Решение проблем и принятие решений: Системы на основе ИИ способны анализировать сложные ситуации, генерировать решения и принимать обоснованные решения.

Примеры применения ИИ:

Распознавание изображений и речи: Системы ИИ могут распознавать объекты и людей на изображениях, а также понимать и генерировать человеческую речь.

Машинное обучение: Алгоритмы машинного обучения используются для прогнозирования спроса, выявления мошенничества и персонализации рекомендаций.

Робототехника: Роботы, управляемые ИИ, используются в различных отраслях, таких как производство, здравоохранение и логистика.

Автономные системы: Автомобили, беспилотные летательные аппараты и другие автономные системы полагаются на ИИ для навигации и принятия решений.

ИИ – это быстро развивающаяся область с огромным потенциалом для изменения нашего мира.

Ответ получен от программы Gemini. Как вы оцените его качество?

Кроме того, уже несколько лет назад Roche наняла самых лучших специалистов по вычислительной технике применительно к области биотехнологий, переманив к себе экспертов и разработчиков из Массачусетского технологического института и Кембриджского университета. На их основе она сформировала команду из примерно четырех сотен человек и разместила ее на базе своей дочерней компании GenentechВнешняя ссылка в Сан-Франциско. А в 2021 году она купила нью-йоркский стартап Prescient DesignВнешняя ссылка, состоящий из трех человек и специализирующийся на создании обучаемых алгоритмов.

«Вместо того чтобы искать лекарства, просто перебирая молекулы одну за другой, генеративный ИИ позволяет нам самим разрабатывать молекулы с определенными заранее заданными свойствами», — говорит Гисберт Шнайдер в интервью SWI swissinfo.ch. Разработки Prescient Design как раз и позволяют делать это. «Мы всё ещё многого не знаем как о биологии человека, так и об эволюции болезней и о том, почему одни пациенты реагируют на лекарства так, а другие совершенно иначе. Преимущество же инструментов на основе ИИ состоит в том, что они учитывают элемент хаоса, играющий огромную роль в формировании характера взаимодействия лекарства с биологией человека».

«Нужно больше, чем просто ИИ»

Согласно исследованию, опубликованному в апреле 2024 года, среди препаратов, созданных ИИ, первую фазу клинических испытаний проходят 80–90% кандидатов, тогда как средний показатель по отрасли составляет 50–60%. Некоторые эксперты критикуют такого рода методологию, утверждая, что решающую роль играет всегда вторая фаза, то есть, когда лекарства тестируются уже на гораздо большей выборке (когорте) пациентов. И в самом деле, некоторые кандидаты в лекарственные препараты уже столкнулись с первыми неудачами. В октябре 2023 года компания Exscientia объявила, например, о том, что она сворачивает разработку онкологического препарата EXS-21546, созданного с помощью и на основе технологий с применением ИИ.

«Большинство неудач случается не потому, что что-то не так с молекулой. Во многих случаях молекула делает именно то, что она и должна делать. А вот связь между сферой молекулярной биологии и патологией пациента оказывается порой совсем не такой, как было предсказано в рабочей гипотезе», — говорит Гисберт Шнайдер. Кроме того, в науке даже отрицательный результат — это не менее ценный результат. Вся накопленная информация не пропадает и снова используется, с тем чтобы в следующий раз создать более совершенный препарат.

Ярослав Николаев, главный технический директор швейцарской компании InterAxВнешняя ссылка, использующий математические модели и самые передовые методы на основе ИИ для разработки новых лекарств, говорит, что, учитывая характеристики нынешнего поколения инструментов НИОКР на основе машинного обучения, вряд ли показатель в 90% неудач в ближайшем будущем значительно улучшится. «Возможно, он и снизится, но максимум до 70%. Революция в разработке лекарств уже произошла, но нам пока не хватает массивов качественных данных». Маттиас Штегер в этом уверен. Предварительные результаты тестирования препарата EA-2353 выглядят многообещающе. «В том масштабе, в котором мы его использовали, ИИ вполне справился со своей задачей, но для того, чтобы создать действительно эффективное и успешное на рынке лекарство, нужно ведь нечто большее, чем просто ИИ».