De rol die AI kan spelen bij farmaceutische ontdekking

De farmaceutische industrie loopt al lang voorop in wetenschappelijke innovatie en stimuleert vooruitgang in de geneeskunde die gericht is op het verbeteren van de kwaliteit van de menselijke gezondheid en levensduur.

De race om vaccins en behandelingen voor COVID-19 te ontwikkelen, laat zien dat innovatie in farmaceutische producten een enorme impact kan hebben op de volksgezondheid.

Echter, medicijnontdekking is duur, tijdrovend en vol onzekerheid. Geschat wordt dat het ongeveer $ 2,5 miljard kost om een ​​nieuw medicijn op de markt te brengen, volgens een rapport van de Britse gezondheidsonderzoeksorganisatie The Wellcome Trust. Wetenschappelijke en technische uitdagingen betekenen dat de kans om een ​​nieuw medicijn te ontdekken en het in klinische proeven te brengen ongeveer 35% is, en de kans om succesvol door te stromen van Fase 1-proeven naar het ontvangen van wettelijke goedkeuring is slechts 9-14%, waarbij het proces gemiddeld 12-15 jaar duurt. Dit is een groot obstakel voor innovatie en marktkrachten richten zich doorgaans op gebieden met het potentieel voor grote commerciële opbrengsten.

Dit opent de weg voor kunstmatige intelligentie (AI) om een ​​grote impact te hebben op de farmaceutische industrie door het proces van medicijnontdekking te versnellen, kosten te verlagen en de kans op succes te vergroten.

Het potentieel van AI om medicijnontdekking te bevorderen

In het afgelopen decennium heeft AI grote vooruitgang geboekt op het gebied van machine learning (ML), deep learning, neurale netwerken en generatieve AI. Het potentieel om deze technieken toe te passen op medicijnontdekking krijgt aandacht van de farmaceutische industrie, technologiebedrijven, investeerders en financiers van biomedisch onderzoek.

AI zou de economie van medicijnontdekking en -innovatie kunnen transformeren, waardoor wetenschappers nieuwe medicijnen kunnen ontdekken om een ​​breder scala aan aandoeningen en patiënten te behandelen of voorkomen dan momenteel mogelijk is.

AI biedt voordelen op drie hoofdgebieden:

• het besparen van onderzoekstijd en -kosten door de noodzaak van langdurige en dure experimenten te verminderen en het stroomlijnen van de workflow voor medicijnontdekking door processen parallel uit te voeren in plaats van lineair
• verhoogde kans op succesvolle medicijnontwikkeling
• het analyseren van datasets om nieuwe moleculaire doelen te vinden en de werkzaamheid van medicijnen te optimaliseren

Modellering suggereert dat AI-gestuurd onderzoek en ontwikkeling (R&D) van ontdekking tot preklinische fase kan resulteren in tijd- en kostenbesparingen van ten minste 25-50%, aldus het Wellcome-rapport. Het aantal publicaties over door AI aangestuurde medicijnontdekking is de afgelopen vijf jaar met 34% op jaarbasis gestegen, waarbij het aantal patenten met 17% is toegenomen.

Belangrijke AI-use cases

Er zijn mogelijkheden om AI in bijna elke fase van medicijn- en vaccinontdekking te integreren. Er zijn enorme hoeveelheden data die algoritmen kunnen synthetiseren. Dit zou de rol van ervaren wetenschappers niet vervangen, omdat het vereist dat medicinale chemici de output van de modellen interpreteren en tijd vrijmaakt om zich te richten op taken met een hogere waarde.

• Doelidentificatie en -validatie: AI-algoritmen kunnen enorme hoeveelheden data analyseren, waaronder genomica en klinische data, om potentiële medicijndoelen efficiënter te identificeren dan traditionele methoden. Dit verkort de tijd die nodig is voor medicijnontdekkingsonderzoek en vergroot de kans op het identificeren van succesvolle doelen.
• Medicijnontwerp: AI kan helpen bij het ontwerpen van nieuwe medicijnkandidaten door chemische structuren en eigenschappen te voorspellen en bestaande medicijnmoleculen te optimaliseren voor verbeterde werkzaamheid en veiligheid. Geautomatiseerde systemen kunnen duizenden chemische verbindingen analyseren op hun potentieel als medicijnkandidaten, waardoor de tijd die nodig is om veelbelovende leads te identificeren, wordt verkort.
• High-throughput screening: AI-gestuurde robotica en beeldanalyse kunnen de screening van verbindingen versnellen.
• Optimalisatie van klinische proeven: AI kan helpen klinische proeven te stroomlijnen door geschikte patiëntengroepen te identificeren, reacties te voorspellen en proefprotocollen te optimaliseren. Dit verlaagt de kosten en vergroot de kans dat proeven slagen.
• Hergebruik van geneesmiddelen: AI kan enorme datasets van geneesmiddelinteracties, ziektepaden en patiëntgegevens analyseren om bestaande geneesmiddelen te identificeren die mogelijk kunnen worden gebruikt om andere ziekten te behandelen. Deze aanpak kan tijd en middelen besparen in vergelijking met de ontwikkeling van nieuwe geneesmiddelen.
• Veiligheid van geneesmiddelen: AI kan patiëntgegevens en bijwerkingen continu monitoren om mogelijke veiligheidsproblemen vroeg in de ontwikkeling van geneesmiddelen te identificeren. Dit kan de ontwikkeling van veiligere geneesmiddelen ondersteunen en de terugroepacties verminderen zodra ze op de markt zijn gebracht.

De medische sector loopt voor op academici in haar inspanningen om AI in te zetten, onder leiding van biotechnologiebedrijven die hun R&D-workflows opbouwen rond AI-tools en farmaceutische bedrijven die AI toepassen bij het ontdekken van geneesmiddelen.

Bedrijven zoals Absci en Antiverse ontwikkelen AI-gestuurd ‘de novo’, of nieuw, antilichaamontwerp. De algoritmen die worden gebruikt om antilichaamsequenties te ontwerpen, zijn getraind op universele antilichaameigenschappen om aan te geven hoe een functioneel antilichaam dat zich bindt aan een ziektedoelwit eruit zou kunnen zien. Ze gebruiken deze gegevens om een ​​nieuw ontwerp te ontwikkelen, zoals het onderzoeken van een slot om een ​​nieuwe sleutel te ontwerpen om het te openen.

Volgens Absci zou dit de tijd die nodig is om nieuwe kandidaat-medicijnen voor de proef te brengen met meer dan de helft kunnen verkorten, terwijl de kans op succes toeneemt. Het bedrijf valideerde zijn antilichamen tegen meer dan 100.000 antilichamen en ontdekte dat de hit rate 5-30 keer hoger was dan biologische baselines.

Farmaceutische bedrijven werken samen met AI-geleide bedrijven voor medicijnontdekking om hun ontwikkelingsprocessen te verbeteren. AstraZeneca en Merck zijn bijvoorbeeld een partnerschap aangegaan met BenevolentAI, terwijl Sanofi een strategische onderzoekssamenwerking van $ 1,2 miljard heeft met Insilico Medicine. Merck werkt ook samen met Exscientia. Merck heeft drie potentiële kandidaat-medicijnen voor klinische ontwikkeling geïdentificeerd met potentiële oncologie, neurologie en immunologie.

Uitdagingen en ethische overwegingen

Hoewel er veelbelovende mogelijkheden zijn voor het toepassen van AI-modellering bij medicijnontdekking, moet dit nog op grote schaal worden aangetoond voor populaties en ziekten. Uitdagingen en ethische overwegingen zijn onder meer algoritmebias, de behoefte aan hoogwaardige brongegevens en wettelijke obstakels. Het gebruik van AI in de gezondheidszorg roept ook zorgen op over privacy, gegevensbeveiliging in trainingsmodellen en de mogelijkheid van bias in besluitvorming.

Om het volledige potentieel van AI te benutten bij het aanpakken van wereldwijde gezondheidsproblemen, is er behoefte aan een beter begrip van de huidige toepassingen en beperkingen en de barrières waarmee de industrie wordt geconfronteerd, aldus Wellcome in zijn rapport. De sector ontwikkelt zich snel maar ongelijkmatig, met meer dan 80% van de publicaties in de afgelopen vijf jaar gericht op het toepassen van AI om ziekten te begrijpen, doelwitontdekking en optimalisatie van kleine moleculen. Financiering door particuliere investeerders is nog steeds scheefgetrokken naar de meest commercieel levensvatbare gebieden, met ongeveer 70% van de AI-gerelateerde investeringen in de afgelopen vijf jaar in oncologie, neurologie en COVID-19.

Om deze uitdagingen aan te pakken, moet de farmaceutische industrie samenwerken met regelgevende instanties, transparantie in AI-algoritmen waarborgen en prioriteit geven aan gegevensprivacy en -beveiliging. Ethische kaders zijn vereist om het verantwoorde gebruik van AI te begeleiden en ervoor te zorgen dat de voordelen voor alle patiënten toegankelijk zijn. Er moeten initiatieven worden ontwikkeld om de toepassing van AI te ondersteunen bij onderzoek naar minder commercieel aantrekkelijke aandoeningen en om onderzoekers in landen met een lager inkomen toegang te bieden.

Dit zal helpen om barrières voor adoptie aan te pakken, zoals vertrouwen in AI-algoritmen, de geldigheid van hun conclusies en zorgen over de implicaties voor wetenschappelijk onderzoek en de bredere samenleving.

Er zijn inspanningen gaande om deze barrières weg te nemen. Zo hebben het World Economic Forum en de Universiteit van Oxford de AI Governance Research Group opgericht om het begrip van de ontwikkeling van AI te verbeteren en risico’s in verschillende omgevingen te beheren, waaronder in medisch onderzoek. Het Wellcome-Sanger African Genome Variation Project werkt aan het bieden van een basiskader voor het genereren van hoogwaardige genomische datasets in Sub-Sahara Afrika. En de H3D Foundation, die Afrikaanse onderzoekers wil ondersteunen bij het ontdekken en ontwikkelen van medicijnen, biedt cursussen aan over het gebruik van AI bij het ontdekken van medicijnen om lokaal relevante infectieziekten te behandelen. In de VS biedt het National Institutes of Health (NIH) subsidies om datasets te standaardiseren voor gebruik in machine learning.