Materská spoločnosť Googlu, Alphabet, prehĺbila svoj záväzok v oblasti medicíny založenej na umelej inteligencii prostredníctvom spoločnosti Isomorphic Labs so sídlom v Londýne, ktorá vznikla oddelením od spoločnosti DeepMind. Spoločnosť prilákala miliardové investície a otvorene deklarovala ambiciózny cieľ: pomôcť „vyriešiť všetky choroby“ prostredníctvom objavovania liekov na báze umelej inteligencie.
Prísľub je obrovský. Systémy umelej inteligencie teraz dokážu analyzovať proteíny, predpovedať molekulárne štruktúry a identifikovať potenciálnych kandidátov na lieky za zlomok času, ktorý predtým potrebovali farmaceutickí výskumníci. Modely umelej inteligencie, ako napríklad AlphaFold spoločnosti DeepMind, už zmenili biológiu predpovedaním štruktúry miliónov proteínov, čo bola úloha, ktorá kedysi vedcom trvala roky.
Napriek rastúcej sile umelej inteligencie sa však jedna skutočnosť nemení: lieky musia prejsť klinickými skúškami predtým, ako sa dostanú k pacientom.
Bez ohľadu na to, aký sofistikovaný je algoritmus, lieky sa stále musia testovať na ľuďoch z hľadiska ich bezpečnosti a účinnosti. To zostáva jednou z najdrahších, časovo najnáročnejších a na zlyhanie najnáchylnejších fáz vývoja liekov.
Miliardový problém
Farmaceutický priemysel čelí krutej ekonomickej realite. Približne 90 percent kandidátov na lieky zlyhá predtým, ako sa dostanú na trh.
Mnohé z nich zlyhajú počas klinických skúšok po rokoch vývoja a stovkách miliónov dolárov výdavkov. Podľa odhadov farmaceutického priemyslu stoja skúšky v I. fáze približne 5,3 milióna dolárov, v II. fáze okolo 18,5 milióna dolárov a v III. fáze zhruba 52,8 milióna dolárov. Keď sa zahrnú neúspešné projekty a náklady na financovanie, celkové náklady na uvedenie jedného schváleného lieku na trh sa často odhadujú na jeden až 2,6 miliardy dolárov.
Výsledkom je systém, ktorý zvýhodňuje farmaceutické giganty s veľkými rozpočtami a odrádza od investícií do liečby zriedkavých chorôb a menších skupín pacientov.
Tento problém je obzvlášť naliehavý, pretože na svete žije viac ako 300 miliónov ľudí so zriedkavými chorobami. Mnohé z týchto ochorení postihujú relatívne malé skupiny obyvateľstva, čo spôsobuje, že tradičný vývoj liekov je ekonomicky neúnosný.
Biotechnologické spoločnosti využívajúce umelú inteligenciu čoraz častejšie tvrdia, že automatizácia a prediktívne modelovanie by mohli túto rovnicu zásadne zmeniť.
Vzostup klinických štúdií poháňaných AI
Čoraz viac firiem sa v súčasnosti zameriava nielen na objavovanie liekov pomocou umelej inteligencie, ale aj na urýchlenie samotného procesu klinického skúšania.
Cieľom spoločností, ako sú Isomorphic Labs a Lindus Health, je znížiť obrovskú neefektívnosť spojenú s náborom pacientov, monitorovaním skúšania a analýzou údajov. Umelá inteligencia môže pomôcť rýchlejšie identifikovať vhodných účastníkov, predpovedať, ktorí pacienti budú pravdepodobne reagovať na liečbu, a skôr odhaliť prípadné problémy.
Farmaceutický priemysel už dlho bojuje s oneskoreniami, ktoré spôsobujú úzke miesta pri nábore pacientov. Niektoré klinické skúšky nezlyhávajú preto, že by bol samotný liek neúčinný, ale preto, že sa do nich prihlási príliš málo pacientov alebo preto, že pokračovanie štúdií je príliš nákladné.
Systémy umelej inteligencie dokážu skenovať lekárske databázy a elektronické zdravotné záznamy a priraďovať pacientov k štúdiám efektívnejšie ako tradičné metódy. Modely strojového učenia sa čoraz častejšie používajú aj na predpovedanie výsledkov klinických štúdií pred začatím nákladného testovania v pokročilej fáze.
Podporovatelia tvrdia, že takéto nástroje by mohli výrazne znížiť náklady na vývoj. Niektoré odhady naznačujú, že vývoj liekov pomocou umelej inteligencie by mohol v konečnom dôsledku znížiť náklady na uvedenie lieku na trh od I. fázy testovania v určitých prípadoch až na 10 miliónov dolárov, hoci takéto prognózy zostávajú špekulatívne.
Aj mierne zlepšenia by však mohli zmeniť ekonomiku medicíny.
Menšie a inteligentnejšie skúšky
Jednou z najväčších zmien, ktoré môže priniesť umelá inteligencia, je možnosť vykonávať menšie a cielenejšie klinické skúšky.
Farmaceutické spoločnosti tradične potrebovali na preukázanie štatistickej významnosti veľmi veľké skupiny pacientov. Ich výber a analýza biomarkerov riadená umelou inteligenciou môže výskumníkom umožniť identifikovať pravdepodobných respondentov skôr, čím sa zníži počet účastníkov potrebných na preukázanie účinnosti lieku.
To je dôležité najmä pri zriedkavých ochoreniach, pediatrickej medicíne, personalizovanej liečbe a vysoko špecializovaných podtypoch rakoviny, kde je populácia pacientov obmedzená.
Menšie skúšky by mohli výrazne znížiť náklady a zároveň urýchliť časový rámec vývoja.
Tento posun už mení štruktúru moderného klinického výskumu.
Bayesovská štatistika mení vývoj liekov
Veľká časť tejto transformácie súvisí s rastúcim využívaním Bayesovských štatistických modelov v medicíne.
Tradičné klinické skúšky sa vo veľkej miere spoliehajú na takzvanú frekvenčnú štatistiku. Tieto systémy zvyčajne používajú pevne stanovené hypotézy, vopred určené veľkosti vzoriek a jeden záverečný štatistický test na konci štúdie. Bayesovské metódy namiesto toho priebežne aktualizujú pravdepodobnosti podľa toho, ako sa počas samotnej štúdie objavujú nové dôkazy.
Zjednodušene povedané, tradičná štatistika sa pýta, či bol výsledok štatisticky významný. Bayesovské systémy sa namiesto toho pýtajú, aká je pravdepodobnosť, že liečba skutočne funguje.
To umožňuje výskumníkom posudzovať pravdepodobnosti počas celej štúdie, prijímať priebežné rozhodnutia, monitorovať výsledky v reálnom čase a včas uzatvárať neúčinné liečebné skupiny. Môže to tiež pomôcť presunúť pacientov do najsľubnejších skupín, upraviť dávkovanie podľa toho, ako sa objavujú dôkazy, a ukončiť štúdie skôr, keď je jasný úspech alebo neúspech.
Tento prístup sa stal významným počas pandémie ochorenia COVID-19, keď regulačné orgány a výskumníci hľadali rýchlejšie spôsoby hodnotenia vakcín a liečby. Americký Úrad pre kontrolu potravín a liečiv (FDA) prejavuje čoraz väčšiu otvorenosť voči adaptívnym a bayesovským návrhom štúdií, najmä v prípade zriedkavých chorôb, liečby rakoviny a presnej medicíny, pretože môžu priniesť rýchlejšie a flexibilnejšie dôkazy bez toho, aby boli ohrozené bezpečnostné normy. Rýchlo sa vyvíjajúce ochorenia, ako sú rakovina a ALS, potrebujú rýchly obrat, pretože čas je kľúčovým faktorom pre prežitie pacienta.
Očakáva sa, že umelá inteligencia ešte viac zvýši výkonnosť týchto systémov rýchlou analýzou prichádzajúcich údajov o pacientoch a identifikáciou vzorcov, ktoré by mohli výskumníkom uniknúť. Pre biotechnologické spoločnosti je príťažlivosť zrejmá: menšie a inteligentnejšie štúdie by mohli znížiť náklady, skrátiť lehoty, zlepšiť etické prideľovanie liečby a urýchliť cestu k regulačnému schváleniu. Náklady by sa mohli znížiť o 20 až 40 percent.
Čína sa stáva veľmocou klinických štúdií
Jeden z najväčších posunov v globálnom farmaceutickom priemysle sa v súčasnosti odohráva v Číne.
Desaťročia bola krajina draka známa predovšetkým ako výrobca generických liekov a ako centrum výroby lacných liekov. Dnes sa rýchlo stáva jedným z popredných svetových centier biotechnologických inovácií a klinických skúšok.
Čína má v súčasnosti významný podiel na celosvetovej aktivite v I. fáze klinických skúšok, pričom viac ako polovica všetkých klinických skúšok I. fázy sa uskutočňuje práve v tejto krajine, čo odráža dramatický nárast výskumných kapacít. Čínske biotechnologické spoločnosti navyše čoraz viac prechádzajú od kopírovania západných liekov k vývoju vlastných originálnych terapií.
Tento nárast urýchlilo niekoľko faktorov.
Čínske regulačné orgány zjednodušili schvaľovacie postupy, skrátili lehoty na posudzovanie a rozšírili podporu pre investície do biotechnológií. Vláda tiež výrazne investovala do výskumnej infraštruktúry a zároveň podporila partnerstvá medzi univerzitami, nemocnicami a súkromnými spoločnosťami.
Veľká populácia krajiny poskytuje ďalšiu výhodu. Nábor pacientov do klinických štúdií je v Číne často rýchlejší a lacnejší ako v Európe alebo Spojených štátoch, najmä v prípade zriedkavých ochorení.
Naopak, mnohé západné farmaceutické spoločnosti naďalej čelia pomalým regulačným procesom, roztriešteným systémom zdravotnej starostlivosti a rastúcim nákladom na dodržiavanie predpisov.
Najmä Európa zápasí s regulačnou zložitosťou vo viacerých jurisdikciách. V Spojených štátoch, hoci biotechnologický sektor zostáva globálne dominantný, spoločnosti čelia rastúcim finančným tlakom a čoraz dlhším lehotám na vývoj.
Rýchlosť čínskeho klinického vývoja sa preto stáva čoraz väčším konkurenčným problémom tak pre západných politikov, ako aj pre farmaceutických manažérov. Pre pacientov po celom svete to však predstavuje dobrú správu.
Vzácne ochorenia by mohli priniesť najväčší úžitok
Najväčší vplyv klinických skúšok riadených umelou inteligenciou sa môže prejaviť pri zriedkavých ochoreniach, kde malé populácie pacientov tradične odrádzali farmaceutické investície. Rýchlejší a lacnejší vývoj by mohol túto rovnicu zmeniť.
Jedným z najjasnejších príkladov je cystická fibróza. Toto zriedkavé pľúcne ochorenie, ktoré sa kedysi považovalo za takmer istý rozsudok smrti, je v súčasnosti funkčne zvládnuteľné pre približne 95 percent pacientov vďaka desaťročiam spolupráce medzi pacientskymi združeniami, výskumníkmi a farmaceutickými spoločnosťami.
Táto transformácia ukazuje, ako vedecké inovácie môžu radikálne zmeniť život a zdravotné výsledky ľudí so zriedkavými chorobami. Takéto úspechy zasa dávajú iskierku nádeje tým, ktorí na podobnú liečbu svojich ochorení ešte len čakajú. Ak umelá inteligencia dokáže tento proces urýchliť, môže zachrániť mnoho životov.
Pôvodný text publikovali na webe sesterského denníka Statement.com.