هل سيحدث تنمية الذكاء الاصطناعي ثورة في تنمية المخدرات؟ يقول الباحثون إن ذلك يعتمد على كيفية استخدامه

إن استخدام القدرة على استخدام الذكاء الاصطناعي في اكتشاف وتطوير تطوير الأدوية في تطوير الأدوية قد أثار الإثارة والشك بين العلماء والمستثمرين والجمهور.

يقول بعض الشركات والباحثين: “يتولى الذكاء الاصطناعي تطوير المخدرات”. في السنوات الأخيرة ، أدى الاهتمام باستخدام الذكاء الاصطناعي لتصميم الأدوية وتحسين الدراسات السريرية إلى زيادة في البحث والاستثمارات. تُظهر المنصات التي تسيطر عليها AI مثل Alphafold ، التي فازت بجائزة نوبل 2024 لقدرتها على تصميم بنية البروتينات والمناطق الجديدة الجديدة ، إمكانات الذكاء الاصطناعي لتسريع تطور الأدوية.

الذكاء الاصطناعى في اكتشاف المخدرات هو “هراء” ، يحذر بعض قدامى المحاربين في الصناعة. إنهم يطالبون بـ “إمكانية تسريع اكتشاف المخدرات إلى اختبار الواقع” ، حيث لا يمكن للأدوية التي تحتوي على منتجي الذكاء الاصطناعى إظهار القدرة على معالجة معدل فشل 90 ٪ للمنتجات الطبية الجديدة في الدراسات السريرية. على عكس نجاح الذكاء الاصطناعي في تحليل الصور ، لا يزال تأثيره على تطوير الدواء غير واضح.

في عملنا كعالم صيدلاني ، لدينا على حد سواء في العلوم وكذلك في صناعة الأدوية وكمدير سابق للبرنامج في وكالة مشاريع أبحاث الدفاع (DARPA نقول أن الذكاء الاصطناعى ليس بعد لعبة تغيير في تطوير الأدوية ، و كما أنه ليس هراء كامل.

يعمل معظمهم مع الذكاء الاصطناعى في تطوير الأدوية لتقصير الوقت والمال لجلب الدواء إلى السوق -في الوقت الحالي من 10 إلى 15 سنة و 1 مليار دولار إلى ملياري دولار. ولكن هل يمكن لمنظمة العفو الدولية أن تحدث ثورة في تطوير الأدوية وتحسين معدلات النجاح؟

الذكاء الاصطناعي في تطوير المخدرات

استخدم الباحثون الذكاء الاصطناعي والتعلم الآلي في كل مرحلة من مراحل عملية تطوير الأدوية. ويشمل ذلك تحديد الأهداف في الجسم ، وفحص المرشحين المحتملين ، وتصميم الجزيئات الصيدلانية ، والتنبؤ بالسمية واختيار المرضى الذين يمكنهم التفاعل بشكل أفضل مع المنتجات الطبية في الدراسات السريرية.

بين عامي 2010 و 2022 ، اكتشفت 20 شركة ناشئة تركز على الذكاء الاصطناعى 158 مرشحًا صيدلانيًا ، 15 منهم ارتفع في الدراسات السريرية. تمكنت بعض من هؤلاء المرشحين المخدرات من إجراء اختبارات ما قبل السريرية في المختبر ودخول التجارب البشرية في 30 شهرًا فقط ، مقارنة مع 3 إلى 6 سنوات النموذجية. يوضح هذا الأداء إمكانات الذكاء الاصطناعي لتسريع تطوير الأدوية.

من ناحية أخرى ، لا يزال نجاح هؤلاء المرشحين في الدراسات السريرية – حيث تحدث غالبية فشل الدواء – غير مؤكد للغاية ، في حين أن منصات الذكاء الاصطناعى يمكن أن تحدد بسرعة الروابط التي تعمل على الخلايا في طبق بتري أو في النماذج الحيوانية.

على النقيض من الحقول الأخرى التي لديها سجلات بيانات كبيرة عالية الجودة لتدريب نماذج الذكاء الاصطناعى مثل تحليل الصور ومعالجة اللغة ، فإن الذكاء الاصطناعى مقيد في تطوير الأدوية بواسطة مجموعات بيانات صغيرة ذات جودة منخفضة. من الصعب إنشاء مجموعات بيانات متعلقة بالأدوية للخلايا أو الحيوانات أو الأشخاص للمليارات إلى مليارات. في حين أن Alphafold هو اختراق في التنبؤ بهياكل البروتين ، فإن دقة تصميم الدواء لا تزال غير مؤكدة. يمكن أن تؤثر التغييرات الطفيفة في بنية الدواء بقوة على نشاطه في الجسم وبالتالي العلاج في علاج الأمراض.

أولوية البقاء على قيد الحياة

كما هو الحال مع الذكاء الاصطناعي ، فإن الابتكارات السابقة في تطوير الأدوية مثل تصميم الأدوية بمساعدة الكمبيوتر ، ومشروع الجينوم البشري والفحص العالي من خلال تحسين الخطوات الفردية للعملية في السنوات الأربعين الماضية ، ولكن فشل الدفعة في فشل المخدرات لم يتحسن.

يمكن لمعظم باحثو الذكاء الاصطناعي معالجة مهام معينة في عملية تطوير الأدوية إذا تلقوا بيانات عالية الجودة وبعض الأسئلة للإجابة عليها. ومع ذلك ، فغالبًا ما لا يكونون على دراية بالمدى الكامل لتطوير الدواء ويقللون من التحديات في مشاكل التعرف على الأنماط وتحسين الخطوات الفردية للعملية. في غضون ذلك ، يفتقر العديد من العلماء الذين لديهم معرفة متخصصة في تطوير الأدوية إلى التدريب في الذكاء الاصطناعي والتعلم الآلي. يمكن أن تمنع حواجز الاتصال هذه العلماء من تجاوز ميكانيكا عمليات التطوير الحالية وتحديد الأسباب الأساسية لفشل المخدرات.

كان من الممكن أن تقع الأساليب الحالية لتطوير الأدوية ، بما في ذلك أولئك الذين يستخدمون الذكاء الاصطناعي ، في مشروع البقاء على قيد الحياة يركز بشكل مفرط على الجوانب الأقل أهمية في العملية وفي الوقت نفسه تجاهل المشكلات المهمة التي تساهم في الفشل. هذا مماثل لإصلاح الأضرار التي لحقت أجنحة الطائرات التي تعود من ساحات القتال في الحرب العالمية الثانية وتهمل نقاط الضعف المميتة في محركات أو قمرة القيادة في الطائرة التي لم تعيدها أبدًا. غالبًا ما يركز الباحثون بشكل مفرط على كيفية تحسين الخصائص الفردية للدواء وليس الأسباب الأساسية للفشل.

تعمل عملية تطوير الأدوية الحالية مثل خط التجميع وتستند إلى نهج مربع التحكم مع اختبارات واسعة مع كل خطوة من العملية. على الرغم من أن الذكاء الاصطناعي قادر على تقصير وقت وتكاليف المراحل المختبرية قبل السريرية لخط التجميع هذا ، فمن غير المرجح أن تكون معدلات النجاح في المراحل السريرية الأكثر تكلفة التي يتم فيها اختبار الاختبارات في البشر. معدل فشل 90 ٪ المستمر للأدوية في الدراسات السريرية يؤكد هذا التقييد.

أضف الأسباب الجذرية

فشل الأدوية في الدراسات السريرية لا يرجع فقط إلى كيفية تصميم هذه الدراسات. يعد اختيار مرشحو المخدرات الخاطئة لفحصه في الدراسات السريرية عاملاً أساسياً. يمكن أن تساعد استراتيجيات AI الجديدة الموجهة في التعامل مع هذين التحديين.

في الوقت الحالي ، تقوم ثلاثة عوامل تابعة بمعظم أخطاء المخدرات: الجرعة والأمن والفعالية. تفشل بعض الأدوية لأنها سامة جدًا أو غير آمنة. تفشل الأدوية الأخرى لأنها تصنف على أنها غير فعالة ، في كثير من الأحيان لأنه لا يمكن زيادة الجرعة دون التسبب في تلف.

نقترح نحن وزملاؤنا نظام تعليمي ميكانيكي لاختيار مرشحين للمخدرات من خلال التنبؤ بالجرعة والأمن والفعالية على أساس خمس ميزات تم تجاهلها مسبقًا للمستحضرات الصيدلانية. على وجه الخصوص ، يمكن للباحثين استخدام نماذج الذكاء الاصطناعى لتحديد مدى محددة وقوية الدواء للأهداف المعروفة وغير المعروفة ، ودرجة هذه الأهداف في الجسم ، وكيف تركز الطب في الأنسجة الصحية والمرضية والخصائص الهيكلية للطب.

يمكن اختبار خصائص الأدوية التي تم إنشاؤها من الذكاء الاصطناعى في دراسات المرحلة السفقة المزعومة ، مع استخدام جرعات منخفضة للغاية في المرضى الذين يعانون من مرض خطير وأخف وزنا. يمكن أن يساعد هذا الباحثين على تحديد الأدوية الأمثل وفي الوقت نفسه تقليل تكاليف نهج “الاختبار والأوعية” الحالي للدراسات السريرية.

على الرغم من أن الذكاء الاصطناعي وحده قد يحدث ثورة في تطوير الأدوية ، إلا أنه يمكن أن يساعد في حل الأسباب الأساسية لسبب فشل الدواء وتحسين العملية الطويلة للقبول.

هذا Dux ، عميد مشارك للبحوث ، تشارلز والجرين جونيور أستاذ العلوم الصيدلانية والصيدلانية ، جامعة ميشيغان ومقدونيا كريستيان ، أستاذ غير عادي لعلوم الأدوية ، جامعة ميشيغان

سيتم إصدار هذه المقالة من المحادثة بموجب ترخيص Creative Commons. اقرأ المقال الأصلي.