Jak produkcja leków przy użyciu sztucznej inteligencji zmienia zasady gry
W odkrywaniu leków firmy mają długi harmonogram i wysokie koszty, aby uzyskać zatwierdzenia leków. Prawdopodobieństwo udanego wprowadzenia na rynek wynosi mniej niż 10%, zgodnie z badaniem z 2022 r .
„Nawet niewielkie postępy w optymalizacji czasu do osiągnięcia sukcesu i zwiększenie prawdopodobieństwa sukcesu klinicznego są ważne w kontekście leczenia tysięcy chorób, na które obecnie nie ma znanego lekarstwa” — pisze Anthony Costa, dyrektor ds. biologii cyfrowej w firmie NVIDIA , w artykule w magazynie HealthTech .
Sztuczna inteligencja pomaga w kontroli procesu podczas produkcji leków i może przyspieszyć czas wprowadzania na rynek. Odkrywanie leków i produkcja leków są częścią farmaceutycznej sztucznej inteligencji.
„Pharma AI odnosi się do szerokiego zastosowania technologii AI w przemyśle farmaceutycznym , od odkrywania leków, przez produkcję, po komercjalizację” – wyjaśnia Dan Sheeran, dyrektor generalny ds. opieki zdrowotnej i nauk przyrodniczych w Amazon Web Services .
W produkcji firmy farmaceutyczne wykorzystują algorytmy AI i uczenia maszynowego (ML), aby zwiększyć wydajność, jakość i niezawodność, mówi Sheeran. Obejmuje to stosowanie predykcyjnej konserwacji sprzętu w celu zapobiegania nieoczekiwanym przestojom, cyfrowych bliźniaków z obsługą AI do monitorowania i optymalizacji procesów w czasie rzeczywistym oraz agentów AI do organizowania symulacji i zadań ręcznych.
„Ostatecznie wykorzystanie sztucznej inteligencji w produkcji leków może skrócić czas produkcji, obniżyć koszty, zapewnić produkty wyższej jakości, ograniczyć ilość odpadów i potencjalnie przyspieszyć dostarczanie pacjentom leków ratujących życie” – mówi Sheeran.
Dzięki sztucznej inteligencji firma Pfizer jest w stanie wykrywać anomalie i sugerować operatorom odpowiednie kroki w czasie rzeczywistym. Jej celem jest zwiększenie wydajności produktu o 10% i skrócenie cyklu o 25%, powiedział Albert Bourla, prezes zarządu i dyrektor generalny firmy Pfizer, w corocznym przeglądzie firmy za 2023 r .
Firma farmaceutyczna wdrożyła swoją generatywną platformę AI w 2023 roku. „Procesy produkcyjne oparte na sztucznej inteligencji zwiększają przepustowość o 20%, co pozwala nam dostarczać pacjentom więcej leków szybciej” – powiedział Bourla w raporcie.
Zdaniem Lidii Fonsecy, dyrektor ds. technologii cyfrowych i technologii w firmie Pfizer, współpraca z AWS pozwoliła firmie Pfizer przyspieszyć prace nad opracowaniem i dystrybucją szczepionki przeciwko COVID-19 oraz wyprodukować szczepionkę w ciągu 269 dni zamiast standardowych 8–10 lat.
Podczas szczytu AWS w Los Angeles 22 listopada 2024 r. Fonseca zauważył, że algorytm predykcji mRNA firmy Pfizer dostarczył o 20 000 więcej dawek szczepionki na partię. Wewnętrzna generatywna platforma AI firmy Pfizer, Vox, w usługach w chmurze AWS umożliwiła firmie farmaceutycznej dostęp do dużych modeli językowych w Amazon Bedrock i SageMaker.
„Podczas produkcji Bedrock ustala optymalne parametry procesu, aby zidentyfikować to, co nazywamy złotą partią, i wykorzystuje generatywną sztuczną inteligencję do wykrywania anomalii i zalecania działań naszym operatorom w czasie rzeczywistym” – wyjaśnia Fonseca.
Dodaje, że dzięki wykorzystaniu sztucznej inteligencji Pfizer może wyszukiwać i zestawiać dane oraz treści naukowe w ułamku czasu.
„Algorytmy generują i weryfikują potencjalne cele, aby zwiększyć nasze sukcesy naukowe” – mówi Fonseca.
Moderna wykorzystała również sztuczną inteligencję (AI), aby przyspieszyć rozwój swojej szczepionki na COVID-19 . Wdrożyła usługi AWS Internet of Things, AI/ML i analityki danych w połączonym środowisku obejmującym inteligentne procesy produkcji biofarmaceutycznej i łańcucha dostaw, zgodnie z informacjami AWS. Algorytmy AI pozwoliły również Modernie zautomatyzować analizy kontroli jakości i skrócić godziny spędzone na ręcznym przeglądzie mającym na celu ulepszenie procesów produkcyjnych i logistyki, zauważa AWS w studium przypadku .
Novartis wykorzystuje ML do opracowywania inteligentnych procesów produkcyjnych. Według Sheerana Manufacturing and Analytics Intelligence firmy Merck to oparta na AI platforma na AWS zaprojektowana w celu optymalizacji procesów produkcji leków.
Sztuczna inteligencja w farmacji i naukach o życiuW październiku UCSF School of Pharmacy otrzymała dofinansowanie federalne w ramach inicjatywy Advanced Research Projects Agency for Health, aby przyspieszyć rozwój leków przy użyciu AI. Firmy biotechnologiczne mogą korzystać z zestawów danych i modeli open source opracowanych w ramach projektu przez non-profit Open Molecular Software Foundation i Johna Choderę, chemika obliczeniowego w Memorial Sloan Kettering Cancer Center .
UCSF planuje użyć AI do mapowania terenu cząsteczek, które są niepożądane lub działają w niebezpieczny sposób. Przyspieszając rozwój leków i obniżając koszty, naukowcy mogą poruszać się wokół problemów, które pojawiają się później w procesie rozwoju. Naukowcy używają ML do przewidywania, w jaki sposób cząsteczki oddziałują z antycelami.
„Kiedy projektujesz nowe cząsteczki, musisz być w stanie przewidzieć właściwości cząsteczki, takie jak to, jak długo pozostanie we krwi lub czy zostanie rozdrobniona przez enzymy metaboliczne w wątrobie, a obecnie te przewidywania są dobre, ale nie świetne” — wyjaśnia James Fraser, przewodniczący Wydziału Bioinżynierii i Nauk Terapeutycznych w szkołach medycyny i farmacji UCSF . „I tak mamy nadzieję, że nowe osiągnięcia w uczeniu maszynowym i sztucznej inteligencji, gdy zostaną dostarczone odpowiednie dane, które mamy nadzieję wygenerować, znacznie zwiększą dokładność tych przewidywań, umożliwiając nam syntezę mniejszej liczby cząsteczek, aby dotrzeć do tego samego miejsca, przyspieszając tym samym odkrywanie leków i czyniąc je tańszymi”.
Dan Sheeran Dyrektor generalny ds. opieki zdrowotnej i nauk przyrodniczych, Amazon Web Services
Firma produkująca leki Absci wykorzystuje akceleratory Instinct firmy AMD i oprogramowanie ROCm do zasilania obciążeń związanych z odkrywaniem leków AI, takich jak terapie przeciwciał nowej generacji firmy Absci. AMD twierdzi, że akceleratory GPU Instinct i oprogramowanie ROCm umożliwiają wysokowydajne przetwarzanie jako część otwartego ekosystemu. 8 stycznia 2025 r. Absci ogłosiło, że otrzyma 20 milionów dolarów inwestycji od AMD, aby rozwinąć te badania i sprostać zapotrzebowaniu na zastosowania AI w odkrywaniu leków.
„Jedną z rzeczy, na których się skupiliśmy, są to, co nazywamy celami niemożliwymi do leczenia” — mówi Sean McClain, założyciel i dyrektor generalny Absci. „Dzięki możliwości podania leku do celu można zmodyfikować ścieżkę wpływającą na chorobę podstawową, tworząc potencjalne lekarstwo lub potencjalną terapię”.
Absci używa generatywnych modeli AI do projektowania przeciwciał, które wiążą się z celami nowotworowymi, modyfikują ścieżki i zabijają raka, według McClain. Mówi, że AI pomogło przyspieszyć czas potrzebny lekom na dotarcie do badań klinicznych z pięciu i pół roku do 18–24 miesięcy. Absci opracował przeciwciało na swojej platformie AI na chorobę zapalną jelit.
Mówi też, że firmy farmaceutyczne mogą korzystać z modeli sztucznej inteligencji, aby ułatwić sobie składanie wniosków o dopuszczenie nowych leków do obrotu w Agencji ds. Żywności i Leków, aby uzyskać zgodę na testowanie leków na ludziach.
„Patrząc w przyszłość, nadal istnieje wiele luk, których sztuczna inteligencja nie jest w stanie rozwiązać, ale myślę, że z czasem to nastąpi, ale myślę, że już teraz wywiera ona ogromny wpływ na sposób, w jaki projektujemy i tworzymy leki” – mówi McClain.
O czym powinni pamiętać producenci leków, stosując sztuczną inteligencjęWdrażając AI w produkcji leków, organizacje powinny upewnić się, że mają infrastrukturę danych do zbierania, przechowywania i analizowania dużych zestawów danych, których wymaga AI, radzi Sheeran. Dodaje, że organizacje powinny mieć jasną strategię dotyczącą tego, jak zintegrować AI z przepływem pracy produkcji leków i jak ją zweryfikować.
„Firmy powinny również priorytetowo traktować przejrzystość i możliwość wyjaśnienia w swoich systemach AI” — mówi Sheeran. „W AWS pracujemy wstecz, od potrzeb naszych klientów i pożądanych wyników biznesowych, aby pomóc im poruszać się po tych rozważaniach i wdrażać rozwiązania AI w sposób odpowiedzialny i skuteczny”.
healthtechmagazine
