Hvordan AI kunne anspore lægemiddeludvikling

Brug af kunstig intelligens i lægemiddeldesign ville give farmaceutisk forskning et løft, siger Gisbert Schneider. På mellemlang sigt, computere kunne endda udføre eksperimenter autonomt.

Design af medicin er en kompleks og udfordrende opgave. Hvordan skaber du effektive nye lægemidler uden negative bivirkninger til at løse verdens mest presserende sundhedsproblemer? Medicinske kemikere skal overveje en række interaktioner:lægemidler interagerer med celler og organer i menneskekroppen på mange måder, og disse er ofte meget forskellige fra den ene patient til den anden. Mens det iterativt, ofte automatiseret, testmetoder i laboratoriet har givet talrige potentielle udgangspunkt for lægemiddeludvikling, der er begrænsninger, når det kommer til at designe og vælge de mest lovende lægemiddelkandidater. Lægemiddeldesigneren skal vælge mellem anslået 1060 stoflignende molekyler, der - kun teoretisk set - kunne syntetiseres. Hvad mere er, det tager mange års on-the-job-uddannelse at blive en vidende ekspert i medicinsk kemi.

Det er her kunstig intelligens (AI) og maskinindlæring kan komme ind. Implementering af AI til at hjælpe kemikere i lægemiddeldesignprocessen giver løfte om at træffe bedre beslutninger:Det er meget mere effektivt end det menneskelige sind, når det kommer til at sile gennem "store" data, AI genererer reproducerbare resultater og understøtter opdagelsesprocessen ved at overveje mange projektmål parallelt.

Den perfekte partner?

Bedre medicin, opdaget og leveret hurtigere - AI lyder som en ideel partner i laboratoriet. Men mens et kemi-kyndigt AI-system i nogle henseender måske kan overgå en menneskelig kemiker ved at behandle problemer, som det menneskelige sind kæmper med, det er ingen sølvkugle. Faktisk kan vores forventninger til AI-assisteret lægemiddeldesign være for høje:vi må indrømme vores ufuldkomne forståelse af mekanismer hos mennesker. Først når de præsenteres med passende data, lærer en maskineintelligens meningsfulde relationer mellem lægemiddelmolekyler og deres fysiologiske virkninger.

Det er derfor, vores forskere ikke behøver at frygte, at computere helt vil erstatte dem - faktisk er der brug for flere medicinske kemikere, hvis vi skal fortsætte med at gøre fremskridt på dette område. Allerede, AI-modeller understøtter vores beslutningstagning inden for opdagelse af lægemidler, men at integrere AI i en automatiseret lægemiddeldesignproces vil kræve nytænkning:det vil ændre indstillingen, ligesom softwaren og teknologien i de seneste år har gjort ved at forudsige egenskaber med en høj grad af nøjagtighed meget hurtigere end i et laboratorium uden automatisering.

Automatisering af opdagelse

Med løbende automatisering, vi kan forudse computere, der udfører eksperimenter produktivt og autonomt ved hjælp af robotik om tre til fem år. Dette er faktisk allerede ved at blive testet visse steder, især på ETH Zürich og i industrien. Vi kan også forvente, at AI forudsiger virkningerne af stoffer på et tidligere udviklingsstadium og foreslår nye kemiske strukturer med de ønskede egenskaber. Dette ville betyde, at færre stoffer, der viser sig ikke at være effektive, skulle testes.

I det lange løb, AI kan indeholde nøglen til at låse døren op til mere effektiv og mere tilgængelig personlig medicin. Men det vil kræve fortsat forskning og investeringer på dette område, og frisk tværfaglig tænkning fra eksperter i AI, kemi, lægemidler og bioteknologi.