Искусственный интеллект стремительно меняет фармацевтическую отрасль. Если еще недавно разработка нового лекарства занимала десятилетия и требовала миллиардных вложений, то сегодня алгоритмы помогают значительно ускорить поиск перспективных молекул, анализировать огромные массивы данных и совершенствовать персонализированную медицину. Какие задачи ИИ уже способен решать, насколько он сокращает сроки создания препаратов и сможет ли когда-нибудь полностью заменить ученых, рассказывает Вадим Витальевич Негребецкий, доктор химических наук, доцент, профессор РАН, директор Института фармации и медицинской химии Пироговского Университета Минздрава России.
Вопросы:
Какие направления применения ИИ в фармацевтике сегодня вы считаете наиболее перспективными для развития биоэкономики?
Речь идёт о разработке новых молекул, оптимизации клинических исследований, персонализированной медицине или о чём-то ещё?
Развитие технологий ИИ происходит потрясающе быстрыми темпами: если еще год назад говоря о перспективах применения ИИ в фармации, нет, да и нет похихикивали, дескать, когда еще это будет, то сегодня сказка, как говорится, становиться явью. В недалеком прошлом на разработку оригинального ЛП требовалось не менее 10-15 лет и немного меньше, чем 1 млрд. долларов, а сегодня уже есть примеры выхода на клинические испытания за полтора года и с несоизмеримо меньшими затратами ресурсов как материальных, так и человеческих.
Кроме затрат на лекарственную терапию, разработку новых эффективных ЛП, ИИ востребован для выявления закономерностей при работе с большими данными. Речь идет о поиске достоверной информации о ЛП, систематизации клинических данных по эффективности и безопасности ЛП и т.п. Так сейчас работают системы поддержки принятия врачебных решений. Можно сказать, что ИИ позволяет врачу увидеть невидимое. Современная персонализированная медицина переходит на новый уровень – на основании анализа миллионов историй болезни пациентов ИИ способен генерировать данные для разработки инновационных ЛП.
Как использование ИИ меняет экономику разработки лекарств и медицинских технологий? Можно ли уже говорить о сокращении сроков и стоимости вывода препаратов на рынок благодаря алгоритмам машинного обучения?
Выскажу предположение, что на сегодняшний день фармацевтическая промышленность не заинтересована в создании таблетки, условно, «Аспирин_ 2»: эффективность ненамного выше, а затраты на разработку колоссальные. Поэтому оптимальным представляется как повышение в разы эффективности ЛП, так и оптимизация затрат на разработку и производство. Лекарства на основе «малых молекул», как кажется, достигли предела своей эффективности, единственно, где они могут оказаться еще востребованными, это область неудовлетворенного спроса: болезни Паркинсона и Альцгеймера, когнитивные нарушения, тревожно-депрессивные расстройства, восстановление после инсульта и некоторые другие.
На сегодняшний день ИИ показал способность ускорять лишь начальный этап разработки лекарств, например, нарисовать исходную молекулу соединения-лидера. Остальные этапы – доклинические и 3 фазы клинических испытаний (проверка на безопасность и эффективность) – кандидату в ЛП все равно придется проходить «вживую». Однако оптимизировать эти этапы, включая протоколы клинических испытаний, с помощью машинного обучения и нейросетей кажется вполне возможным.
Согласно имеющимся данным, ожидается сокращение инвестиций в создание ЛП за счет применения ИИ по крайней мере в 4 раза, а времени вывода в гражданский оборот не менее, чем в 2 раза.
На конец прошлого года около 70 ЛП во всем мире, созданных с использованием ИИ, вышли в 1 фазу КИ. Это очень хороший результат, однако сколько из них пройдут тесты на безопасность и эффективность – пока не ясно. Хотя, если предположить, что вывод в гражданский оборот составит классические 12%, это все же не самый плохой результат.
Другой, как представляется более заманчивой, нишей, которую мог бы занять ИИ в разработке ЛП является область, в которой для создания эффективных методов лечения ранее не излечимых заболеваний, в отличие от области «малых молекул», становящейся все уже, используются методы генной инженерии.
Недавний пример – препарат от болезни Бехтерева, сенипрутуг (инновационная разработка российских ученых), представляющий собой рекомбинантное человеческое моноклональное антитело.
Думаю, что создать лекарство, готовое к выходу на рынок сам по себе ИИ даже в будущем, не сможет. Без участия человека будет невозможным все то, что управляется человеческим сознанием: проведение экспериментов в реальном мире, проверка и интерпретация полученных данных, выполнение доклинических и клинических испытаний, регуляторные исследования и многое другое.