Lijekovi koje je osmislila umjetna inteligencija za bolesti kao što su rak limfnih žlijezda, upale i bolesti motoričkih neurona postupno dolaze u fazu testiranja na ljudima. Za mnoge među njima pitanje je samo kad će se naći u prodaji.
Umjetna inteligencija može drastično smanjiti vrijeme potrebno za razvoj novih lijekova, kao i otkrivanje novih molekula. Proizvođači lijekova strpat će milijarde američkih dolara u džepove, ali i pacijenti će imati pristup novim, inovativnim lijekovima brzinom koju dosad nismo imali prilike vidjeti.
Ipak, pred ostvarivanjem tog cilja pojavila se značajna prepreka: dostupnost podataka.
Umjetna inteligencija, naime, češlja ogromne količine podataka – među kojima su oni o strukturama kemijskih spojeva, istraživanja na životinjama i informacije od pacijenata – kako bi otkrila što budući lijek treba ciljati u ljudskom tijelu, ali i kako stvarati nove molekule.
Umjetna inteligencija tek se treba dokazati
Zasad je pozornost javnosti usmjerena na to hoće li lijekovi koje proizvodi umjetna inteligencija biti sigurni za ljude, imati željeni učinak protiv bolesti i biti u skladu sa strogim standardima i propisima kojima treba udovoljiti da bi ih se moglo koristiti na ljudima.
Ali u idućih nekoliko godina mora pokazati je li doista sposobna omogućiti brži i učinkovitiji rad na razvoju lijekova. Dosadašnji pokušaji, poput IBM-ovog Watsona i Sensyne Healtha, ne ulijevaju puno povjerenja da će do toga doista doći.
Tvrtka Exscientia još je 2020. godine ponudila lijek koji bi pomogao u liječenju opsesivno-kompulzivnog poremećaja. Iako nije uspio zadovoljiti tražena mjerila, u toj tvrtki nisu odustali pa sad provode klinička testiranja lijeka za rak i upale.
Schrödinger klinički testira potencijalni lijek za limfom, Insilico za plućnu fibrozu, a Verge Genomics za amiotrofičnu lateralnu sklerozu. Potonji koristi ljudske podatke i modele već u fazama razvoja, i prije testiranja na životinjama.
No bolesti i lijekovi se međusobno često značajno razlikuju. Uspjeh na jednom području ne jamči da će ga biti i na drugom.
Stoga je potrebno bolje razumijevanje prediktivnosti podataka, odnosno onoga što oni znače u kontekstu neke bolesti kako bi se znalo koji će alat biti najkorisniji.
Potreban je središnji repozitorij podataka
Za to će biti potrebne ogromne količine provjereno kvalitetnih podataka, u rasponu od kemijskog sastava pojedinih molekula do istraživačkih članaka i podataka o pacijentima. Bez toga umjetna inteligencija neće moći postići najpreciznije rezultate.
Za manje tvrtke to će biti velika prepreka jer neće moći pratiti velike farmaceutske tvrtke, on koje raspolažu daleko većim resursima u svakom pogledu.
Kad bi bio uspostavljen središnji repozitorij takvih podataka, to bi moglo uvelike promijeniti situaciju na terenu. U tom smjeru ide projekt European Health Data Space (EHDS), o kojem trenutno pregovaraju Europski parlament i Vijeće Europe.
Taj bi projekt trebao olakšati istraživačima pristup podacima. Jednostavno bi mogli zatražiti određeni set podataka iz baze kojom bi upravljalo javno tijelo, moguće i farmaceutska tvrtka.
EHDS bi trebao također pomoći u izradi standarda, poboljšavanju interoperabilnosti i omogućavanju pristupa podacima.
Uz to, korištenje umjetne inteligencije ne znači da neće biti posla za ljude. Upravo suprotno – stručnjaci će trebati i dalje sudjelovati u tom procesu.
Njih ubrzano angažiraju velike farmaceutske tvrtke. Konzultantska tvrtka McKinsey procjenjuje da postoji blizu 270 tvrtki koje rade na otkrivanju i razvoju lijekova uz pomoć umjetne inteligencije. Većina ih je u Sjedinjenim Državama, a ostale su na zapadu Europe i jugoistoku Azije, piše Politico.
Ovih dana počinje raditi i prvi regionalni fond za rizična ulaganja Labena Ventures te nudi više od sto milijuna eura startupovima koji rade u sferama biotehnologije, farmacije i zdravstva.
Photo by Chokniti Khongchum
