AI som verktyg för läkemedelsutveckling
Artificiell intelligens spelar en allt större roll inom läkemedelsforskning. Möjligheterna verkar oändliga. I dag används AI till allt från att skräddarsy individanpassade behandlingar och prognostisera vilka läkemedel som har störst chans att lyckas i kliniska prövningar, till att identifiera de mest effektiva läkemedelskombinationerna. BioStock har kikat närmare på vilka möjligheter tekniken erbjuder.
Under Stanford Drug Discovery Symposium 2023 drog Najat Khan, Chief Data Science Officer på Janssen, ett dotterbolag till Johnson & Johnson, slutsatsen att vi befinner oss vid en brytpunkt för användningen av artificiell intelligens (AI), i synnerhet inom läkemedelsutveckling. Samtidigt förutspår det brittiska bioteknikföretaget Exscientia att AI kommer att användas vid designen av alla nya läkemedelskandidater innan 2030.
Framväxten av AI inom life science
Entusiasmen är berättigad, inte minst då AI adresserar ett välkänt problem i sektorn. Enligt en MIT-studie från 2018 misslyckas 40 procent av läkemedlen i klinisk fas III, motsvarande 75 procent av alla FoU-kostnader för framtagning av nya läkemedel. Här kan AI komma att spela en nyckelroll för att nå mer välriktade satsningar. Läs mer i BioStocks artikelserie om läkemedelsutveckling här.
Morgan Stanley Research menar att redan mindre förbättringar i de tidig läkemedelsutveckling – med hjälp av AI och maskininlärning – kan leda till fler än 50 nya behandlingar och en marknadsstorlek om 50 miljarder USD inom ett decennium. Statistik för de kommande åren kommer att visa om AI har lyckats minska antalet misslyckande kliniska prövningar och om FoU-kostnaderna faktiskt har sänkts. Enligt Markets and Markets beräknas AI inom hälsomarknaden växa från 15.6 miljarder USD år 2023 till 102.7 miljarder år 2028.
Optimerade kliniska studier
AI kan påskynda läkemedelsupptäckter genom att analysera omfattande och komplexa datamängder såsom biologiska mätpunkter och data från kliniska studier. Detta kan öka chanserna att identifiera lovande kandidater, optimera dess egenskaper samt förutsäga läkemedlets potentiella förmåga att nå önskad terapeutisk effekt.
Ett annat möjligt användningsområde är att tidigt identifiera kandidater som sannolikt inte kommer att erhålla godkännande från myndigheter. AI kan också underlätta utvecklingen av precisionsmedicin genom att skräddarsy behandlingar baserade på patientdata.
Alltfler bolag gör avtryck inom AI
AI har alltså utvecklats från ett modeord till en dynamisk faktor som kan förändra life science-sektorn.
Det USA-baserade bolaget Atomwise är ett bra exempel. Med ett bibliotek på över 3 miljarder syntetiserbara föreningar kan deras AtomNet-teknik screena molekylers terapeutiska potential med mycket hög hastighet. Påståendet är inte taget ur luften – Atomwise identifierade under en dag två läkemedel med potential att bekämpa Ebola, en process som traditionellt skulle ta flera år.
Ett annat bra exempel är DeepMind, ett dotterbolag till Google som har utvecklat AlphaFold, ett AI-system som har förutspått 3D-strukturerna för över 200 miljoner proteiner. Även om detta kanske inte direkt involverar läkemedelsupptäckter är förståelsen för dessa proteinstrukturer en hörnsten för läkemedelsutveckling.
Det Hong Kong-baserade bolaget Insilico Medicine utnyttjade AlphaFold för att designa ett potentiellt läkemedel mot hepatocellulärt karcinom på bara 30 dagar. De använder till och med AI-chatbots för att etablera kontakt med forskare, vilket adderar ytterligare ett lager av effektivitet i processen.
I Storbritannien använder Exscientia AI för att efterlikna mänsklig kreativitet när det gäller att analysera stora datamängder och designa unika sjukdomsbehandlande föreningar. De hävdar att AI minskar den typiska testlistan på 2,500 föreningar till cirka 250.
På samma sätt fokuserar Healx på att återanvända befintliga läkemedel för att behandla sällsynta sjukdomar. Deras AI-plattform, HealNet, kan analysera en stor mängd kunskaper kring sjukdomar för att förutsäga de mest lovande läkemedlen och kombinationsbehandlingarna.
BenevolentAI är en annan nyckelaktör i Storbritannien, som samarbetar med läkemedelsjättar som AstraZeneca, GSK och Novartis. De använder AI för att kunna göra bättre val av läkemedelsmål, vilket är ett kritiskt steg när det gäller upptäckter av nya läkemedel.
På andra sidan kanalen specialiserar sig Parisbaserade Iktos på AI för de novo-läkemedelsdesign. De fokuserar på generativ modellering med inbyggd syntetisk tillgänglighet för läkemedelsupptäckter och har bildat partnerskap med såväl japanska Ono Pharma som brittiska Sygnature Discovery.
Janssen är ytterligare ett bra exempel. Bolaget tillämpar AI i hela värdekedjan för läkemedelsutveckling. Bolaget har över 100 pågående AI-projekt, från läkemedelsupptäckt och design av kliniska prövningar till patientidentifiering och tillverkningsoptimering.
Även skandinaviska bolag har börjat sätta sin prägel. Evaxion Biotech använder AI för att avkoda det mänskliga immunsystemet för individanpassade cancerbehandlingar, medan Cline Scientifics AI-verktyg, CellRACE, avgör vilken risk en patients tumörceller har att metastasera. Vidare använder 2cureX AI för läkemedelskänslighetstester och medicinteknikbolaget Elekta använder AI inom onkologi.
För att vara tydlig är antalet life science-bolag som använder AI runt om i världen i hundratals om inte tusentals – allt från läkemedelsjättar till specialiserade startups.
Framtiden och etiska överväganden
I takt med att AI fortsätter att utvecklas och integreras med annan spjutspetsteknik ökar potentialen att utveckla säkrare, effektivare och individanpassade läkemedel. Exakt hur långt tekniken kommer att nå är svårt att förutspå.
Det är dock värt att notera att det vid sidan av all optimism också finns giltiga farhågor om de etiska och regulatoriska konsekvenserna av AI, som branschen också måste ta itu med.
Utvecklingen kommer att kräva samarbete mellan forskare, tillsynsmyndigheter och beslutsfattare för att fastställa riktlinjer och se till att tekniken används etiskt. Det kommer säkerligen att bli utmanande, precis som på alla andra områden där AI nu gör snabba framsteg.
Men framsteg tas ständigt, både avseende teknikutveckling och för att reglera formerna för användandet av dess banbrytande verktyg.
