W cieniu zgiełku dotyczącego ChatGPT rozwijają się nowe zastosowania sztucznej inteligencji. Dotyczy to nauk przyrodniczych, w tym związanych z ochroną zdrowia. Morgan Stanley podał niedawno, że 94% spółek z obszaru ochrony zdrowia deklaruje korzystanie ze sztucznej inteligencji (AI) i uczenia maszynowego. A tylko w latach 2022-2024 niemal podwoją budżety na badania rozwojowe za pomocą AI.
Zastosowań sztucznej inteligencji, które sprzyjają dobrostanowi ludzkiemu jest wiele. Eksperci nie mają wątpliwości, że AI może wydatnie przyspieszyć postęp w dziedzinie nauk przyrodniczych (ang. life sciences) – np. w zakresie ochrony zdrowia. Niektórzy z nich są nawet zdania, że jest to o wiele bardziej doniosły w ludzkości wynalazek niż Internet, żeby odnieść się jedynie do ostatnich dekad historii nowożytnej.
Zbliżone do wykładniczego tempo rozwoju odkryć w dziedzinie AI z jednej strony jest fascynujące, a z drugiej przerażające. Wielkim nadziejom pokładanym w sztucznej inteligencji towarzyszą obawy o niekorzystne zmiany społeczne oraz to, czy to odkrycie nie wymknie się ludzkości spod kontroli. To trochę jak z nożem. Można go użyć na przykład do przekrojenia pomidora, albo do czegoś innego, co niekoniecznie będzie zgodne z zasadami współżycia społecznego. Niedawno BBC donosiła o przypadku wykorzystania „normalnych” zdjęć młodych kobiet z hiszpańskiego Almendralejo pozyskanych z ich profili społecznościowych, a następnie za pomocą sztucznej inteligencji tak zmodyfikowanych, żeby powstały fotki prezentujące poszkodowane w negliżu, które następnie krążyły po sieci. Smaczku sprawie dodaje, że za wszystkim stoi grupa hiszpańskich kilkunastolatków – jak ustaliła hiszpańska policja.
Wszystko zatem w naszych rękach. Nie ma jednak wątpliwości, że AI może pchnąć nas w kierunku przyspieszenia postępu w zakresie wielu gałęzi life sciences. Dzięki niej da się uratować wiele istnień ludzkich i zmniejszyć cierpienie pacjentów.
Światowy rynek zastosowań sztucznej inteligencji w naukach przyrodniczych jest, póki co, w początkowym stadium rozwoju. W lipcu br. novaoneadvisors.com szacował, że w 2022 r. jego wartość wyniosła 1,4 mld dol. Analitycy firmy spodziewają się, że do 2032 r. będzie rósł w średniorocznym tempie (CAGR) rzędu ok. 20%, by osiągnąć wówczas prawie 9 mld dol.
Do czego może być AI przydatne w life sciences?
Prawdopodobnie większość ludzi będzie zdania, że AI może przyczynić się do szybszego wynajdowania nowych leków – tak przynajmniej wynika choćby z analizy nagłówków mediów. Tak jest w istocie, choć tak naprawdę to jedynie wierzchołek góry lodowej. Z sierpniowego sondażu Morgan Stanley wynika, że 94% spółek z obszaru ochrony zdrowia zadeklarowało, iż korzysta ze sztucznej inteligencji i uczenia maszynowego. Jednocześnie uczestnicy tej ankiety spodziewają się, że przeciętny budżet przeznaczony na badania rozwojowe za pomocą tych technologii wzrośnie niemal dwukrotnie – z 5,7% w 2022 r. do 10,5% w 2024 r.
Analitycy tego trzeciego największego banku inwestycyjnego w skali globalnej zauważyli, że błyskawicznie wzrosła liczba złożonych wniosków w sprawie rejestracji nowych leków i substancji biologicznych odkrywanych przy użyciu sztucznej inteligencji i uczenia maszynowego w Stanach Zjednoczonych – jest to kraj, który najmocniej, obok Chin, stawia na rozwój AI w różnych wymiarach.
W 2020 r. takich aplikacji było ledwie 14, natomiast rok później już ponad 100. Korzyścią ze stosowania AI jest skrócenie czasu opracowywania leków, zmniejszenie wydatków na badania i rozwój oraz poprawa prawdopodobieństwa sukcesu rejestracji przez nadzorcę rynku nowego preparatu.
„Każde 2,5% poprawy wskaźników sukcesu rozwoju przedklinicznego może prowadzić do zatwierdzenia ponad 30 nowych leków w ciągu 10 lat” – sądzi Terence Flynn, szef działu badań biofarmaceutycznych Morgan Stanley. „Podwojenie tego wskaźnika mogłoby zaowocować zatwierdzeniem 60 nowych terapii, co przełożyłoby się na dodatkowe 70 mld dol. wartości dla branży biofarmaceutycznej” – dodał.
A ze skutecznością wynalazczą jest od dłuższego czasu krucho. Opracowanie leku zajmuje od 10 do 15 lat i pochłania średnio około 1 mld dol., a badania kliniczne 90% kandydatów do komercjalizacji kończą się fiaskiem – ocenił Duxin Sun, profesor nauk farmaceutycznych z University of Michigan. Różne są przyczyny tego stanu rzeczy. 40-50% przypadków niepowodzenia było spowodowanych brakiem skuteczności klinicznej, co oznaczało, że potencjalny lek nie wywoływał oczekiwanego efektu terapeutycznego. Około 30% z nich zależało od trudnej do opanowania toksyczności lub występowania skutków ubocznych. 10-15% było z kolei wynikiem niezadowalających właściwości farmakokinetycznych, czyli słabego wchłaniania i wydalania z organizmu ludzkiego. 10% przypadków braku sukcesu, zdaniem Suna, przypisać należy brakowi zainteresowania komercyjnego i słabemu planowaniu strategicznemu firm biofarmaceutycznych.
Jak wygląda postęp w ochronie zdrowia przy użyciu AI?
Insilico Medicine zidentyfikowała potencjalne metody m.in. leczenia raka i chorób związanych z wiekiem przy użyciu AI. W tym roku Insilico Medicine otrzymało od FDA pierwsze oznaczenie dla leku, który został odkryty i zaprojektowany przy użyciu sztucznej inteligencji – kandydatem na preparat jest INS018_055, małocząsteczkowy inhibitor w leczeniu idiopatycznego włóknienia płuc (IPF). W czerwcu br. rozpoczęła się II faza badań klinicznych. To nie jest jedynie wyjątek, gdyż firm wykorzystujących AI w procesach odkrywczych jest znacznie więcej. Wystarczy parę nazw z brzegu. Począwszy od gigantów sektora takich jak: Pfizer, AstraZeneca, Janssen. A skończywszy na mniejszych podmiotach, czyli Recursion Pharmaceuticals, Relay Therapeutics, Exscientia, Atomwise, Iktos. Z bliższymi sylwetkami ich, a także jak podchodzą do wykorzystania sztucznej inteligencji, zapoznasz się TUTAJ.
To oczywiście jedynie wybrane przykłady. Poniżej infografika, która pokazuje w celach poglądowych osiągnięcia niektórych firm.
AI może okazać się też nieoceniona w procesie identyfikacji nowych zastosowań dla istniejących leków (ang. repurposing). Pewnie nie wszyscy wiedzą, że pierwotnie słynna Viagra służyła wyłącznie do leczenia nadciśnienia płucnego, a dopiero później znaleziono jej nowe zastosowanie – terapię dysfunkcji erekcji. Brytyjski BenevolentAI skupia się właśnie na repurposingu. Firma zidentyfikowała kilku kandydatów do leczenia nowych chorób, w tym w oparciu o leki na chorobę Parkinsona i COVID-19.
Następnie, AI może przyczynić się do identyfikacji biomarkerów – to proces znajdowania mierzalnego wskaźnika biologicznego, który może pomóc w diagnozowaniu, przewidywaniu lub monitorowaniu choroby. Wielu ekspertów obiecuje sobie, że sztuczna inteligencja pomoże w odkrywaniu wzorców i korelacji, które mogą okazać się zbyt skomplikowane, aby ludzie zdolni byli je wykryć. Foundation Medicine wykorzystuje zaawansowane testy genomowe do analizy DNA pacjentów chorych na raka i identyfikacji potencjalnych biomarkerów, które można wykorzystać do personalizacji planów leczenia. Algorytmy sztucznej inteligencji i uczenie maszynowe zostały zaprzęgnięte do analizy dużych zbiorów danych genomowych z próbek nowotworów.
Idźmy dalej. Medycyna spersonalizowana. Dzięki niej możliwe jest dobieranie odpowiednich terapii do konkretnych grup pacjentów. Deep Genomics jest firmą, która wykorzystuje sztuczną inteligencję do analizy danych genomowych i opracowywania precyzyjnych terapii chorób genetycznych. Brenden Frey, dyrektor generalny spółki, pochwalił się ostatnio, że udało się jej zbudować system, który w ciągu dwóch godzin może przeskanować ponad 200 tys. patogennych mutacji pacjentów i automatycznie zidentyfikować potencjalne cele leków.
Następna w kolejce jest optymalizacja dawkowania leków. Zdarza się, że przepisanie odpowiedniej dawki leku bywa trudne, ponieważ organizm ludzki może inaczej reagować na preparaty. Lekarze powinni ocenić dwie rzeczy – skuteczność leku i bezpieczeństwo, gdyż niewłaściwe dawkowanie może nieść za sobą negatywne skutki uboczne. Dzięki AI można określić optymalną porcję leku dla pacjentów, biorąc pod uwagę takie parametry jak wiek, waga czy historia medyczna. Tak postępuje AiCure, która wykorzystuje sztuczną inteligencję do monitorowania przestrzegania zaleceń lekarskich przez pacjentów i modyfikowania dawkowania.
AI może mieć też zastosowanie w analizie predykcyjnej. W tym procesie bada się różne czynniki, które są związane z postępem choroby i wynikami pacjentów. Sztuczna inteligencja może pomóc ustalić, którzy z pacjentów są wystawieni na ryzyko rozwoju danej choroby lub którzy mogą doświadczyć różnych komplikacji lub zdarzeń niepożądanych podczas leczenia. Specjaliści branży sądzą, że da się za pomocą niej przewidywać skuteczność różnych metod terapii dla poszczególnych pacjentów w oparciu o takie parametry jak historia medyczna, kwestie genetyczne i styl życia. Do tego może pomóc prognozować progresję choroby w czasie – to z kolei powinno się przełożyć na planowanie leczenia, a także zapewni możliwość wcześniejszej interwencji medycznej w niektórych przypadkach. Tym się zajmuje na przykład Paige.ai – wykorzystuje analitykę predykcyjną i sztuczną inteligencję do prognozowania progresji raka.
Przykładów wykorzystania sztucznej inteligencji w naukach przyrodniczych jest znacznie więcej. Mowa choćby o urządzeniach medycznych. AI może pomóc w projektowaniu optymalnych rzeczy pod względem materiałów, kształtów i rozmiarów. Tego typu urządzenia są przedmiotem prac nad prototypami, podczas których na końcu uzyskuje się ostateczny produkt. Przykładem jest Johnson & Johnson – koncern przy użyciu AI zaprojektował soczewki kontaktowe Acuvue Oasys. Wiele urządzeń medycznych zaprojektowanych za pomocą sztucznej inteligencji już z powodzeniem działa. Według danych amerykańskiej FDA jest już ich kilkaset. Poniżej nieco przykładów wraz ze wskazaniem, do czego te maszyny się przydają.
Popatrzmy dalej. Obrazowanie medyczne. Pewnie niektórzy z nas spotkali się z rezonansem magnetycznym czy tomografią komputerową – to świetne technologie, lecz człowiek może doprowadzić do subiektywnej interpretacji uzyskanych wyników, choć powinien tego uniknąć przede wszystkim za sprawą skomplikowanych szkoleń. To nie zawsze się udaje. Izraelski Aidoc wykorzystuje sztuczną inteligencję do analizy obrazów medycznych za pomocą skanów radiologicznych w czasie rzeczywistym w celu oznaczenia potencjalnych nieprawidłowości. Dzięki temu radiolodzy są w stanie identyfikować i nadawać priorytet przypadkom terapeutycznym, które są najpilniejsze.
To tylko wycinki obszarów, w których AI jest lub wydaje się użyteczne. W rzeczywistości sztuczna inteligencja może przydać się w większej liczbie różnych gałęzi nauk przyrodniczych, a także pokrewnych im sfer aktywności. Chodzi m.in. o spełnianie wymogów regulacyjnych, wykrywanie oszustw (np. przy wystawianiu recept), selekcję danych z tekstów medycznych, ustalanie cen leków, optymalizację łańcuchów dostaw. Pomijam przy tym potężne nauki, które choć należą do przyrodniczych, to nie są bezpośrednio związane z ochroną zdrowia. Gdybym to uczynił, to ta analiza przybrałaby tak potężne rozmiary, które mogłyby wystawić na próbę wytrzymałość wielu czytelników.
W Polsce też mamy podmioty wykorzystujące sztuczną inteligencję w różnych dziedzinach. W czerwcu ISBiznes.pl przeprowadził sondaż wśród giełdowych spółek z indeksu WIG140 – z jego dokładnymi wynikami zapoznasz się TUTAJ:
Okazało się, że 4/5 uczestników ankiety korzysta z AI w biznesie. Nie inaczej jest w biznesie prywatnym. Także powiązanym z naukami przyrodniczymi. Przyjrzyjmy się jednej z takich firm. Molecule.one jest przedstawicielem tech-bio. W sierpniu spółka podała, że nawiązała strategiczne partnerstwo z Amerykańskim Towarzystwem Chemicznym (CAS). W ramach tej współpracy Molecule.one wykorzysta swoje rozwiązania bazujące na generatywnej sztucznej inteligencji do zaprojektowania znacznie wydajniejszych szlaków syntezy chemicznej. Władze przedsiębiorstwa zaznaczyły, że może to być przełom w branży, który wpłynie na skrócenie czasu tworzenia nowych leków.
