Jednym z najbardziej pożądanych zasobów w biznesie jest odpowiednio wykwalifikowany pracownik, posiadający doświadczenie, wykształcenie i dbający o ciągły rozwój. Stawanie się ekspertem w danej dziedzinie jest zarówno czasochłonne, jak i kosztowne. Nic więc dziwnego, że od lat są poszukiwane metody optymalizacji tego procesu. I tak z rąk człowieka zrodziła się sztuczna inteligencja (AI- artificial intelligence), czyli programy i modele symulujące inteligentne zachowania – naśladujące procesy myślowe człowieka.
Każdy pacjent oraz jego historia choroby to setki danych, które należy przeanalizować, aby zaoferować jak najlepszą terapię oraz opiekę. Gdy mówimy o rozwoju technologii projektowania leków, musimy stawić czoło długiemu, mozolnemu procesowi poszukiwania, syntezy i badań. Jak się okazuje, dzięki rozwojowi techniki jesteśmy w stanie znacznie przyspieszyć ten proces.
Szczególnie sytuacja, w której obecnie się znajdujemy, pokazuje jak bardzo potrzebne jest przyspieszenie procesu opracowywania i wprowadzania nowych cząsteczek. Żyjemy w czasach, kiedy nasze zegarki monitorują nie tylko tętno, ale również saturację czy bezdech senny.
Oczywiście to człowiek musi napisać algorytm, zaprojektować przepis na sukces. Jednak niesamowitą umiejętnością AI jest jej zdolność do nauki. Wystarczy maszynie przedstawić źródło danych oraz instrukcję, jak się ma nimi posługiwać oraz ukierunkować ją na znalezienie prawidłowego wyniku. Algorytm ze Stanford University w przeciągu 2 miesięcy jest w stanie nauczyć się rozpoznawać 14 chorób nowotworowych w porównaniu z zasobami ludzkimi, gdzie osiągnięcie takiego wyniku to kilkanaście lat nauki i doświadczenia.
Sztuczna inteligencja w medycynie to już nie idea, a rzeczywistość. AI potrafi rozpoznać i zdiagnozować na przykład nowotwór raka piersi (Google Health i Imperial College London). Na Uniwersytecie Stanford powstał algorytm rozpoznający nowotwory skóry, bazę nauki dla kodu stanowiło 130 tysięcy zdjęć chorób skóry [5]. Firma BioMind testowała swój algorytm w Pekińskim szpitalu – zdiagnozował on prawidłowo 87% przypadków, a czas diagnozy wynosił 15 minut. Dla porównania lekarzom diagnoza zajmowała 30 minut, a ich skuteczność wynosiła 66% [3].
Kwestią czasu było więc i zagoszczenie się sztucznej inteligencji w gałęzi jaką jest farmacja. W 2020 roku Massachusetts Institute of Technology opublikował dane odnośnie stworzonego przez nich algorytmu. Został zaprojektowany, aby uczył się na podstawie danych dotyczących 2 335 cząsteczek, które wykazywały inhibicję wzrostu Escherichia coli. Następnie przeprowadzono trening analizy cząsteczek istniejących już leków. Program znalazł 23 struktury, które zostały poddane testom i wyłoniono jeden, halicynę. Cząsteczka okazała się przełomowa, może wyeliminować m.in. Clostridium difficile, Acinetobacter baumannii i Mycobacterium tuberculosis. Testowano także wrażliwość na A. baumannii, zastosowany szczep wykazywał oporność na wszystkie dotąd znane antybiotyki. Po podaniu maści z halicyną w próbie na myszach odniesiono niesamowity skutek- infekcję zdołano zwalczyć w ciągu doby [1], [7].
Kooperacja japońskiej firmy Dainippon Pharma i brytyjskiej Exscientia posunęła się o krok dalej. Ich lek – DSP 1181, który powstał dzięki AI, trafił w fazę badań klinicznych. Ma być on długodziałającym agonistą receptora serotoninowego 5-HT1A. Dzięki zastosowaniu algorytmów, faza poszukiwania trwała mniej niż 12 miesięcy [9], [10].
W badaniach klinicznych algorytmy pozwalają nam dobrać jak najlepszych uczestników.
Sztuczna inteligencja znajduje zastosowanie na wielu etapach, m.in.:
● identyfikacji choroby;
● personalizacji terapii;
● projektowaniu nowych leków oraz procesie ich produkcji;
● monitorowaniu przebiegu terapii i prognozowaniu efektów terapeutycznych;
● badaniach klinicznych.
AI praktycznie na każdym etapie jest w stanie zoptymalizować naukę farmaceutyczną. Od powstawania cząsteczki, poprzez jej wprowadzenie, aż do monitorowania skuteczności leczenia. Nie jest to tylko narzędzie pomocne dla przemysłu, doskonale mogłoby się również sprawdzić w farmacji klinicznej, a nawet aptekach. Na podstawie parametrów można zoptymalizować terapię, określić jej przebieg i przewidywać różne prognozy. Dobierać wręcz na miarę dawki, kontrolować interakcje i tworzyć plany leczenia.
Według danych IBM w 2011 roku dane z systemów opieki zwrotnej wynosiły 161 miliardów GB danych. Mamy więc do czynienia z ogromną ilością informacji, które odpowiednio wykorzystane mogą odpowiedzieć na wiele pytań współczesnej medycyny.
Sztuczna inteligencja nie jest już futurystyczną wizją ani mrzonką. To realna pomoc, wykorzystywana coraz chętniej i częściej. Daje ogromne możliwości nie tylko dla celów naukowych, ale i dla usprawnienia i wspomagania systemów opieki zdrowotnej. Dla farmacji oznacza odkrywanie nieznanego i pokonywanie ludzkich ograniczeń. AI bardzo dobrze odnalazła się w dziedzinie diagnostyki, a jak pokazują najnowsze badania, zastosowanie jej w procesie powstawania nowych cząsteczek jest wielce obiecujące. Daje szansę i jest nadzieją na leczenie chorób, które od lat zmagają się z brakiem nowych form terapii.
Karolina Guśpiel
Źródła:
- A Deep Learning Approach to Antibiotic Discovery, Jonathan M. Stokes,Kevin Yang,Kyle Swanson,Wengong Jin,Andres Cubillos-Ruiz,Nina M. Donghia,Craig R. MacNair,Shawn French,Lindsey A. Carfrae,Zohar Bloom-Ackermann,Victoria M. Tran,Anush Chiappino-Pepe,Ahmed H. Badran,Ian W. Andrews,Emma J. Chory et al., Cell, 20.02.2020
https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0092867420301021%3Fshowall%3Dtrue - How DAMO Academy’s AI System Detects Coronavirus Cases, Cecilia Li, 10.03.2020
https://www.alizila.com/how-damo-academys-ai-system-detects-coronavirus-cases/ - BioMind: AI medical diagnostics with over 90% accuracy for 100 diseases, Li Yuan, 05.08.2020
https://www.compasslist.com/insights/biomind-ai-medical-diagnostics-with-over-90-accuracy-for-100-diseases - BioMind, Artificial intelligence that defeats doctors in tumour diagnosis, David Alayón, 08.08.2018 https://medium.com/future-today/biomind-artificial-intelligence-that-defeats-doctors-in-tumour-diagnosis-5f8ec97298b2
- Deep learning algorithm does as well as dermatologists in identifying skin cancer, Taylor Kubota 25.01.2017
https://news.stanford.edu/2017/01/25/artificial-intelligence-used-identify-skin-cancer/ - Sieniek: Chcę robić rzeczy, które coś znaczą, Monika Redzisz, 27.07.2020
https://www.sztucznainteligencja.org.pl/sieniek-chce-robic-rzeczy-ktore-cos-znacza/ - Halicyna – przełomowy antybiotyk, Wojtek Chudziński, 31.03.2020
https://mgr.farm/opinie/halicyna-przelomowy-antybiotyk/ - Jak sztuczna inteligencja zmieni rynek farmacji, 16.03.2021
https://mgr.farm/aktualnosci/jak-sztuczna-inteligencja-zmieni-rynek-farmacji/ - Lek stworzony przy wykorzystaniu sztucznej inteligencji po raz pierwszy będzie testowany na ludziach, Paulina Skiba, 06.02.2020
https://biotechnologia.pl/technologie/lek-stworzony-przy-wykorzystaniu-sztucznej-inteligencji-po-raz-pierwszy-bedzie-testowany-na-ludziach,19367 - DSP-1181: drug created using AI enters clinical trials, Hannah Balfour, 04.02.2020
https://www.europeanpharmaceuticalreview.com/news/112044/dsp-1181-drug-created-using-ai-enters-clinical-trials/ - Artificial intelligence in pharmacy: Are you ready?, David J. Fong, 22.01.2018
https://www.wolterskluwer.com/en/expert-insights/artificial-intelligence-in-pharmacy-are-you-ready