Brug af kunstig intelligens til opdagelse af lægemidler viser hurtighed, men tiltrækker diskussioner

Et lægemiddelmolekyle udviklet gennem maskinlæring? En meddelelse er blevet offentliggjort, at et fase I klinisk studie af DSP-1181, der blev skabt ved hjælp af kunstig intelligens (AI), er igangsat i Japan.

Dette projekt tog mindre end 12 måneder at fuldføre "den udforskende forskningsfase, " og dette repræsenterer "en brøkdel af det typiske gennemsnit på 4,5 år ved brug af konventionelle forskningsteknikker, "sagde selskabsmeddelelsen.

Hvis du overhovedet kan slå dine arme om dette:Det er opfundet af kunstig intelligens. Helt sikkert et tegn på, at man kan se fremskridt for potentialet i maskinintelligens i at opdage stoffer?

BBCs teknologireporter Jane Wakefield rapporterede, at der er to grupper bag dette fremskridt, (1) det britiske nystartede Exscientia og (2) det japanske medicinalfirma Sumitomo Dainippon Pharma. (Psykiatri og neurologi er blandt sidstnævnte virksomheds centrale fokusområder for forskning).

Hun sagde, at stoffet vil blive brugt til at behandle patienter, der har obsessiv-kompulsiv lidelse (OCD).

Exscientia sagde, at det er en virksomhed "på forkant med kunstig intelligens-drevet lægemiddelopdagelse og -design." De føler, at de har nået "en kritisk milepæl" i udviklingen af ​​kunstig intelligens og medicin.

De pegede på deres AI-fordel med hensyn til det prækliniske lægemiddelopdagelsesstadium-hvilket resulterede i potentialet for at fremskynde levering af nye behandlinger.

Trods alt, overveje, at "det tager omkring 10 til 15 år for et lægemiddel at gå fra den første opdagelse til markedet. Det er for lang tid, " bemærkede de.

De beskrev sig selv yderligere på deres websted som "et full -stack AI -lægemiddelopdagelsesfirma."

Betyder hvad? Specifikt, de genererer deres egne data "før de kombinerer AI's analytiske kraft med kreativiteten og ekspertisen hos vores verdensklasseforskere."

Interessant nok, det var tilbage i december da Natur stillet et spørgsmål om AI i medicin. "Den farmaceutiske industri er i en krise med at opdage lægemidler. Hvor meget kan AI hjælpe?"

Artiklen af ​​David Freedman sagde, at "den globale farmaceutiske industri på 1 trillion dollar har været i et lægemiddeludviklings- og produktivitetsskridt i mindst to årtier. Farmaceutiske virksomheder bruger mere og mere - de 10 største betaler nu næsten 80 milliarder dollars om året - for at komme med færre og færre succesfulde lægemidler. "

Hvad er problemet? Freedman sagde, "Lægemidler, der er lettest at finde, og som sikkert og effektivt behandler almindelige lidelser, er alle blevet fundet; hvad der er tilbage, er jagten på stoffer, der løser problemer med komplekse og undvigende løsninger ..."

Freedmans beskrivelse af, hvordan videnskabsmænd bruger AI-værktøjer til udvikling af lægemidler, var lærerig:"Disse værktøjer virker ikke ved at have ekspertudviklede analytiske teknikker programmeret ind i dem; snarere giver brugerne dem prøveproblemer (et molekyle) og løsninger (hvordan molekylet i sidste ende opfører sig som et lægemiddel), så softwaren kan udvikle sine egne beregningsmæssige tilgange til at producere de samme løsninger."

BBC sagde, at molekylet DSP-1181 blev opnået gennem algoritmer, der sigtede gennem potentielle forbindelser. Disse blev kontrolleret mod en "stor" database af parametre.

Omkode reporter Rebecca Heilweil hjalp med at præcisere, hvad denne kontrol mod parametre betød for forskere:

"Der er masser af mulige molekyler, der kan være nyttige i medicin, alt for mange til, at alle medicinske forskere i verden kan teste manuelt. Men ved at bruge forskellige typer AI, et computersystem kan komme op med og mine gennem forskellige molekyler, sammenligne dem med forskellige parametre og lære de mest lovende forbindelser hurtigere end et menneske kunne."

Ligesom kunstig intelligens generelt har udløst opfordringer til forsigtighed og revision på andre områder end medicin, det er rimeligt at forvente lignende tanker om lægemiddelopdagelse.

En overskrift i Omkod giver dig et fingerpeg om de kommende diskussioner. "Ville du tage et stof opdaget af kunstig intelligens?"

"Kunstig intelligens er bestemt stærk, skrev Heilweil, "men nogle er skeptiske over, at teknologien er pålidelig... og stiller spørgsmålstegn ved, hvilken rolle den skal spille på områder som vores sundhedsvæsen. Og inden for lægemiddelforskning, nogle har givet udtryk for bekymring for, at teknologien kan blive overhypet. "

Pressemeddelelsen, der kommer ud af Exscientia, taler specifikt om DSP-1181 som et fase I klinisk studie, der er blevet påbegyndt i Japan til behandling af tvangslidelser som en indledende indikation.

Alt i alt, vi forstår det. AI kommer til at tjene en væsentlig rolle i gennembrud for lægemiddelopdagelse ... eller vil det?

Videnskab translationel medicin kørte en redaktionelt uafhængig kommentar den 31. januar af Derek Lowe. Det er en uafhængig blog fra udgiverne. Han har arbejdet for flere store farmaceutiske virksomheder på lægemiddelopdagelsesprojekter. Han stillede spørgsmål om, hvad vi betragter som en revolution for opdagelse af lægemidler.

Kommentaren bemærkede, at det tog et år at komme ind på klinikken. "Hvis det er rigtigt, det er i sandhed en hurtig vej ind i menneskelige prøvelser, men lad os se på, hvad det kan give dig. Vil dette være en revolution til opdagelse af stoffer? ”Spurgte han.

Lowe, derefter, skændtes ikke om hastighedskanten. "Exscientia kan meget vel have flyttet en forbindelse med høj hastighed ind på klinikken. Men dette særlige eksempel vil ikke fremskynde stofopdagelsen meget."

Overveje, han sagde, de oplysninger, der føres ind i softwaren. "Der er ganske enkelt ikke nok pålidelig information til at føres ind i selv den største kunstig intelligens-software i verden, så man kan forudsige, hvad der vil ske mod tilstande som OCD, depression, angst, og andre menneskelige psykiatriske tilstande på højt niveau, " argumenterede han. "Og det er problemet. Narkotika fejler i fase II, fordi vi ikke har valgt det rigtige mål, fordi vores biokemiske forståelse af sygdomstilstanden er forkert og/eller ufuldstændig. "

En af læsernes kommentarer, der reagerede på hans kommentar, udfordrede ikke hans pointer, men fastholdt, at AI-virksomhedens meddelelse stadig markerede fremskridt.

"Selvom jeg er enig med Derek i, at der er en masse overhype omkring 'AI'en i lægemiddelopdagelsesområdet, sagde en kommentar, "det betyder ikke, at der ikke også er reelle håndgribelige gevinster, der opnås her... Så selvom dette er trinvise fremskridt, øget effektivitet fra nye teknologier, selv mod kendte mål eller potentielt afledt kemisk stof, skal bydes velkommen med åbenhed, hvis med rette skeptisk, arme ... Dette er ikke en tryllestav, det er endnu et værktøj i værktøjskassen."

Heilweil skrev, at "Så bemærkelsesværdig som udviklingen af ​​det nye lægemiddel synes, der er stadig plads til en sund skepsis. ”sagde hun, "Udviklingen af ​​AI-assisterede lægemidler rejser spørgsmål om, hvor komfortable folk skal være med disse nye forskningsmetoder. På længere sigt, hvordan vil AI-designede lægemidler adskille sig fra dem, der er udviklet af mennesker alene? Hvem skal lave reglerne for brug af AI i lægemiddelforskning?

© 2020 Science X Network