Cos’è la scoperta? In matematica, c’è questa secolare domanda se la nuova matematica venga scoperta o inventata . Ha senso porre lo stesso tipo di domanda sulla moderna scoperta di farmaci. Quando si utilizza l’intelligenza artificiale per identificare i farmaci candidati, questi nuovi farmaci candidati vengono sviluppati o semplicemente esposti attraverso un processo di riduzione delle possibilità utilizzando la matematica e la scienza? Questi nuovi farmaci candidati sono stati scoperti o progettati? O forse è una distinzione senza differenze.
Una raffica di progressi nella corsa per identificare un vaccino COVID-19 ha prodotto nuove tecniche automatizzate per la scoperta di farmaci utilizzando l’intelligenza artificiale . Ad esempio, l’intelligenza artificiale viene applicata a compagnie farmaceutiche come Benevolent AI , per trovare farmaci candidati tra i farmaci esistenti. In termini di terapia, Benevolent AI ha scoperto 6 molecole che sono entrate nel processo di convalida clinica. Oltre a scoprire nuovi farmaci, aziende come Innoplexus , Deargen , Gero , Cyclica , Healx , VantAI e altre stanno utilizzando l’intelligenza artificiale per riutilizzare i farmaci esistenti per nuovi usi. Aziende comeInsilico Medicine , Exscientia , SRI International , Iktos e altri stanno inventando nuovi farmaci utilizzando l’AI. Le aziende biofarmaceutiche di tutto il mondo stanno già adottando strategie di intelligenza artificiale per integrare il loro processo di scoperta. Ad esempio, Atomwise sta accelerando il processo di scoperta di molecole per i tumori pediatrici implementando algoritmi di apprendimento profondo e piattaforme di supercomputer elastiche per prevedere potenziali farmaci. Il loro obiettivo principale è ridurre il tempo necessario per identificare e sviluppare terapie praticabili. Un altro esempio è il progetto MELLODY, che è una soluzione basata su blockchain che mira a sviluppare una piattaforma di apprendimento automatico in grado di apprendere da migliaia di set di dati proprietari generati durante il processo di scoperta di farmaci. Il progetto, una volta sviluppato completamente, potrebbe rendere più facile identificare quali piccole molecole mostrano più promettenti per la ricerca futura. Queste aziende fanno parte di un ampio cambiamento di sempre più aziende che applicano l’apprendimento automatico per trovare nuovi usi per i farmaci e nuovi farmaci da provare. Quando gli algoritmi possono fare la scoperta di farmaci, sembra ragionevole chiedersi: “Che cosa significa veramente scoperta di farmaci?”
Insight nascosti in bella vista?
Per rispondere a questa domanda, è utile esaminare un po ‘più da vicino le applicazioni dell’intelligenza artificiale nella scoperta di farmaci e nei campi correlati, per avere un’idea delle implicazioni pratiche e commerciali di questa nuova tecnologia. L’intelligenza artificiale ha una vasta gamma di applicazioni nella scoperta di farmaci e i laboratori di ricerca hanno tradotto i loro progressi nella fase commerciale sulla base del lavoro iniziale con queste tecniche, esplorando l’intersezione tra sviluppo di farmaci e algoritmi in grado di apprendere. Anche NVIDIA è entrata in azione. Un approccio è computazionale, in cui molte combinazioni di molecole vengono “testate” nel computer. Un altro approccio è scoprire intuizioni da informazioni latenti ed è popolare ben oltre l’arena della scoperta di farmaci. L’analisi dei big data ha sviluppato una nuova ed entusiasmante serie di tecniche per distillare nuove informazioni dai dati esistenti. Ad esempio, un approccio entusiasmante è stato recentemente pubblicato su Natureche ha valutato come le diverse proprietà chimiche dei materiali sono correlate all’interno del testo di un grande set di dati di articoli di ricerca. In quel lavoro dei ricercatori dell’UC Berkeley e del Lawrence Berkeley National Laboratory, piuttosto che guardare i dati molecolari su questi materiali, hanno scoperto che l’uso dell’apprendimento non supervisionato per esporre le conoscenze della scienza dei materiali presenti nella letteratura scientifica potrebbe essere usato per raccomandare materiali per applicazioni funzionali diversi anni prima della loro scoperta. Questa idea che la nuova conoscenza sia nascosta in bella vista è piuttosto interessante per la scoperta di farmaci. Nel 2017, un ricercatore dell’Università Chuo di Tokyo ha pubblicato un’altra avvincente tecnica su Nature, che ha identificato un insieme combinato di geni e composti che si sovrappongono in modo significativo alle interazioni tra geni e farmaci. Il ricercatore ha utilizzato questa tecnica per identificare due promettenti geni target terapeutici e, per i loro prodotti proteici, ha identificato un promettente farmaco candidato per la cirrosi (una malattia comune con poche buone opzioni di trattamento).
Big Data
Secondo un recente rapporto Deloitte, i casi d’uso dell’intelligenza artificiale nel settore della scoperta di farmaci potrebbero accelerare e ridurre il costo del ciclo di scoperta di farmaci. Di solito, questo ciclo richiede dai cinque ai sei anni dall’inizio della fase di ricerca e scoperta al test preclinico. Ci vogliono in media dai dieci ai dodici anni e circa 2 miliardi di dollari per farmaco, solo per il lancio e la produzione. Tuttavia, secondo Deloitte, quando questo nuovo farmaco raggiunge il mercato, il ritorno sull’investimento previsto è inferiore al 2%. L’industria farmaceutica sarebbe più redditizia se le scoperte fossero più automatizzate, riducendo il costo del lancio di nuovi farmaci nel mercato. L’intelligenza artificiale è una soluzione promettente per supportare lo sviluppo precoce di nuovi farmaci. Le soluzioni di IA possono diminuire il tempo impiegato nelle fasi di drug discovery e velocizzarne gli aspetti più critici: la scoperta stessa e le fasi precliniche di un fattore 15, secondo il rapporto di Deloitte. Questo tipo di progetto richiede molti dati da estrarre e richiede sicuramente una messa a punto che faccia sembrare il processo più simile alla scienza e alla scoperta che all’ingegneria e al design. Forse la verità è davvero da qualche parte nel mezzo.
Scoperta o design?
Guardando indietro all’adozione del software in progetti su larga scala come il progetto sul genoma umano, il processo di scoperta di farmaci e il ritmo con cui le aziende utilizzano l’intelligenza artificiale per la scoperta e la ricerca di farmaci, non sarebbe un tiro lungo per dire che entro il 2030, i processi di scoperta di farmaci saranno principalmente guidati dal software AI. I tempi dallo screening al preclinico saranno ridotti in modo significativo e nuovi farmaci in grado di trattare patologie estremamente specifiche diventeranno la nuova normalità.
Quindi la grande domanda qui è se gli approcci all’intelligenza artificiale scoprono davvero nuovi farmaci o semplicemente li designano attraverso un processo di ottimizzazione? In realtà è il primo (cioè scoprire) e non il secondo (cioè il design). L’intelligenza artificiale per la scoperta di farmaci è tutto incentrato sulla fortuna. Questi approcci si stanno ottimizzando, ma richiedono molta fortuna per raggiungere una soluzione “giusta”. Usare tutti i cacciaviti nella cassetta degli attrezzi finché uno di loro non si adatta alla vite non è la stessa cosa che inventare un nuovo cacciavite. Ora ci poniamo di nuovo la domanda: questa è invenzione o scoperta? In questo caso, possiamo vedere l’interno della macchina che sta producendo nuovi farmaci candidati, e in effetti sta imparando dai dati e ottimizzando per selezionare le opzioni che si adattano a uno schema. Scoperta è. E questo campo è solo all’inizio. Il futuro è luminoso.
