Bilakah teknologi AI akan membantu industri farmaseutikal memecahkan 'Undang-undang Moore Terbalik'?

Pada tahun 2020, tahun pertama wabak COVID-19, Pentadbiran Makanan dan Ubat-ubatan AS meluluskan hanya 53 ubat baharu. Pada tahun yang sama, keseluruhan pelaburan R&D ubat industri farmaseutikal global mencecah hampir AS$200 bilion. Ini bermakna kos purata bagi setiap ubat yang diluluskan pada 2020 adalah hampir $3.8 bilion. Satu kajian yang diterbitkan pada tahun itu memberikan anggaran yang agak konservatif mengenai kos ubat baharu, dengan alasan bahawa walaupun kos ubat baharu telah meningkat secara mendadak sepanjang dekad yang lalu, julat khusus masih antara AS$314 juta dan AS$2.8 bilion. Kajian itu juga mendapati jumlah median perbelanjaan penyelidikan dan pembangunan yang dilaburkan untuk membawa ubat baharu ke pasaran adalah hampir AS$1 bilion, manakala puratanya dianggarkan sekitar AS$1.3 bilion. Di samping itu, purata kitaran pelancaran ubat baharu adalah 10 hingga 15 tahun, di mana kira-kira separuh daripada masa dan pelaburan dibelanjakan pada peringkat percubaan klinikal, dan separuh lagi daripada kos digunakan untuk menyokong penemuan kompaun praklinikal, ujian dan penyeliaan. Mengenai mengapa setiap ubat baru berharga tinggi dan mempunyai kitaran yang panjang, sebabnya termasuk kekurangan keberkesanan klinikal, kekurangan faedah komersial dan perancangan strategik yang tidak betul. Ringkasnya, semua faktor kompleks ini telah menjadikan keberkesanan industri farmaseutikal menjadi metafizik Ramai orang malah menjadi ragu-ragu kerana kos pelancaran ubat baharu yang tinggi, mempersoalkan mengapa industri farmaseutikal telah mencapai kemajuan yang ketara sejak peringkat teknikal dan pengurusannya. keupayaan telah meningkat dengan ketara Anda masih akan terperangkap dalam kesusahan semasa dan tidak dapat melepaskan diri.

Ini adalah penyokong apa yang dikenali sebagai "Undang-undang Moore Terbalik," yang menyatakan bahawa kos membangunkan ubat baharu telah meningkat secara eksponen sejak beberapa dekad yang lalu walaupun terdapat peningkatan dalam teknologi. Undang-undang Moore Songsang menyatakan bahawa kos membangunkan ubat baharu meningkat dua kali ganda lebih kurang setiap sembilan tahun, mengurangkan kesan inflasi. Pemerhatian ini mencadangkan undang-undang yang serupa dengan pulangan berkurangan Menurut konsep ekonomi, jika input tertentu dalam pengeluaran komoditi tertentu ditambah manakala semua input lain kekal tidak berubah, keadaan keseluruhan akhirnya akan Mencapai titik kritikal - jika anda meneruskan. untuk meningkatkan input, output yang sepadan akan mula berkurangan secara beransur-ansur. Istilah "Inverse Moore's Law" telah dicadangkan oleh Dr. Jack Scannell dan rakan sekerja dalam "Nature·Reviews·Drug Discovery" pada tahun 2012.

Undang-undang Moore terbalik secara semula jadi menunjukkan Hukum Moore yang terkenal. Pemerhatian konsep dari tahun 1960-an ini mendapati bahawa bilangan transistor pada litar bersepadu berskala besar meningkat dua kali ganda setiap dua tahun atau lebih. Undang-undang Moore dinamakan sempena Gordon Moore, pengasas bersama Intel Corporation, dan merupakan pemerhatian dan ringkasan beliau tentang trend sejarah.

Dr. Scannell menekankan bahawa terdapat empat sebab utama bagi kesusahan semasa. Pertama sekali, agensi kawal selia mempunyai piawaian yang semakin tinggi untuk terapi agensi kawal selia semakin kurang mampu menanggung risiko, yang meningkatkan kos dan kesukaran penyelidikan dan pembangunan, yang bergantung pada sumber banjir untuk mempromosikan projek , ia adalah mudah untuk menyebabkan projek overrun; dan kemudian berlaku kekerasan kasar penyelidikan asas, iaitu, menilai terlalu tinggi kemungkinan menggunakan percubaan dan kesilapan mentah untuk memecahkan masalah penyelidikan asas.

Walaupun semua faktor sukar yang kami hadapi, satu hari nanti kami akan mengalahkan cabaran Undang-undang Moore, dan senjata ampuh yang akan menentukan keputusan pertempuran ialah AI. Berita baiknya ialah seseorang telah mengambil langkah pertama ke arah meneroka laluan ini.

Dr. Scannell dan rakan saintisnya menyeru syarikat farmaseutikal untuk melantik ketua pegawai ubat yang akan bertanggungjawab merumuskan punca kegagalan pada setiap peringkat proses pembangunan dan menerbitkan hasilnya dalam jurnal saintifik. Pada masa ini, syarikat farmaseutikal jarang sekali menerbitkan eksperimen atau keputusan klinikal yang gagal, dan kebanyakannya masih belum terfikir untuk melantik eksekutif yang berdedikasi untuk mengendalikan maklumat berharga dalam kes yang gagal. Walau bagaimanapun, Dr. Scannell menekankan bahawa untuk melanggar Undang-undang Moore songsang, syarikat mesti menukar proses R&D mereka terlebih dahulu. Kerjasama dan perkongsian maklumat sudah tentu merupakan titik permulaan yang baik, tetapi dalam industri farmaseutikal, hanya ada satu cara untuk benar-benar melanggar Undang-undang Moore - AI.

Dalam beberapa tahun kebelakangan ini, orang ramai telah membuat banyak percubaan untuk menggunakan AI untuk melanggar Undang-undang Moore songsang. Kini, banyak institusi seperti Exscientia dan Insilico Medicine sedang berlari ke arah ini.

Beribu pejabat di Oxford, Exscientia ialah syarikat teknologi farmaseutikal global yang meletakkan pesakit di pusat dan mempercepatkan penemuan ubat melalui teknologi AI. Tahun lepas, syarikat itu mengumumkan bahawa molekul imuno-onkologi pertama yang direka oleh AI telah memasuki ujian klinikal manusia. Dalam projek itu, Exsientia bekerjasama dengan Evotec untuk membangunkan antagonis reseptor A2a untuk pesakit dewasa dengan TB lanjutan, menggunakan platform penemuan ubat Centaur Chemist bekas. Ini bukan percubaan pertama yang dibuat oleh Exscientia Pada tahun 2020, syarikat itu mengumumkan ubat rawatan gangguan obsesif-kompulsif yang direka oleh perisian dipacu AI dan telah memasuki ujian klinikal Fasa I.

Selain itu, terdapat Schrodinger, yang telah membangunkan perisian simulasi kimia paling maju dalam industri farmaseutikal. Schrodinger baru-baru ini menerima kelulusan FDA untuk mengkaji rawatan reka bentuk komputernya untuk limfoma bukan Hodgkin dalam ujian peringkat awal. Platform syarikat itu, berdasarkan teknologi pembelajaran mesin, mengklasifikasikan 8.2 bilion sebatian berpotensi dalam tempoh 10 bulan dan akhirnya mengenal pasti 78 sebatian yang boleh berjaya melepasi sintesis dan saringan eksperimen praklinikal. Kini, syarikat itu merancang untuk melancarkan kajian klinikal Fasa I dan mula merekrut pesakit dengan limfoma bukan Hodgkin yang berulang atau refraktori.

Pada masa yang sama, Recursion Pharmaceuticals dari Utah juga menggunakan teknologi AI untuk mencari kegunaan baharu bagi ubat sedia ada. Tahun lepas, Roche dan Genetech mewujudkan kerjasama projek dengan Recursion untuk bersama-sama meneroka bidang baharu biologi sel dan cuba membangunkan rawatan baharu dalam bidang neurosains dan petunjuk onkologi. Melalui kerjasama itu, kedua-dua syarikat akan menggunakan platform penemuan ubat AI Recursion untuk menjalankan pemeriksaan menyeluruh terhadap sasaran ubat baharu, sekali gus mempercepatkan pembangunan ubat molekul kecil.

Di Insilico, calon ubat anti-fibrosis terkemuka juga telah berjaya menyelesaikan penyelidikan klinikal Fasa 0 dan secara rasmi memasuki peringkat klinikal Fasa I. Sasaran baharu calon ubat ini ditemui oleh platform Pharma.AI. Jumlah masa dari penemuan sasaran hingga pelancaran fasa pertama projek itu adalah kurang daripada 30 bulan, yang telah mencatat rekod baharu untuk kelajuan pembangunan ubat baharu dalam industri farmaseutikal.

Jangan lupa bahawa teknologi AI juga akan memainkan peranan dalam antara muka otak-komputer, pembelajaran mendalam, antara muka manusia-komputer, pembelajaran mesin dan senario simulasi pintar yang lain. Konsep ini telah wujud selama beberapa dekad Sistem AI perubatan awal pernah sangat bergantung pada pengetahuan klinikal dan peraturan logik yang disediakan oleh pakar perubatan, tetapi kini superkomputer terlatih boleh menyelesaikan tugas ini sendiri.

Untuk melanggar Undang-undang Moore songsang, saintis data dan saintis perubatan mesti bersama-sama merancang kes penggunaan yang boleh dicapai, menggunakan teknologi AI untuk pelbagai ujian klinikal dan menggabungkan teknologi AI dengan teknologi sedia ada yang akan menggantikan/melengkapkannya . Dengan cara ini, AI dijangka lancar memasuki ekosistem percubaan klinikal, dengan berkesan mengurangkan kadar dan kos kegagalan R&D sambil menambah baik proses penemuan dan pembangunan ubat industri dengan pantas. Hari ini, hampir semua syarikat farmaseutikal besar menggunakan algoritma penyelidikan asal dalaman, bekerjasama dengan vendor AI, atau memperoleh vendor/teknologi AI secara langsung untuk memperkayakan portfolio produk dan saluran paip penemuan ubat mereka. Kenyataan perkongsian daripada Pembiayaan Besar-besaran dan beberapa syarikat farmaseutikal juga memberitahu kami bahawa industri mempunyai jangkaan yang tinggi untuk aplikasi alat AI dalam proses penyelidikan dan pembangunan ubat. Terdapat banyak perubahan dalam bidang ini Diharapkan dalam beberapa tahun akan datang, syarikat akan dapat menggabungkan strategi pelaburan yang lebih baik dengan teknologi AI canggih untuk memecahkan "kutukan" Undang-undang Moore terbalik dalam satu gerakan.

Atas ialah kandungan terperinci Bilakah teknologi AI akan membantu industri farmaseutikal memecahkan 'Undang-undang Moore Terbalik'?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!