Intelligenza artificiale nella scoperta di droghe: un’evoluzione, non una rivoluzione

Il seguente articolo è un pezzo di opinione scritto da Andrew Radin. Le opinioni e le opinioni espresse in questo articolo sono quelle dell’autore e non riflettono necessariamente la posizione ufficiale di Technology Networks.

L’intelligenza artificiale (AI) sta diventando sempre più ampiamente adottata nell’industria farmaceutica, creando sia entusiasmo che domande sul suo potenziale e sul successo a lungo termine. Negli ultimi anni, una pletora di aziende, che vanno dai grandi prodotti farmaceutici alle startup, hanno stabilito le aspettative dell’IA come una panacea che rivoluzionerà il settore. Sebbene il pensiero dell’IA in quanto tale sia attraente, non è realistico.

Gli investitori hanno in gran parte gravitato verso questo clamore lanciando una quantità di finanziamenti senza precedenti verso le startup incentrate sull’intelligenza artificiale. Tuttavia, l’aspettativa immediata di nuove terapie contro le malattie intrattabili deve ancora essere soddisfatta. Pertanto, stiamo assistendo a un’ondata di svalutazioni, aumento degli investimenti e forte delusione nei confronti del settore.

C’è una ragione per questo. Semplicemente non possiamo schierare una macchina da soli per trovare nuovi trattamenti contro la complessa biologia umana. La scienza della scoperta di farmaci è rigorosa e come tale le nostre aspettative devono essere riallineate. L’implementazione pratica dell’IA e il modo in cui ci pensiamo insieme alla scoperta di farmaci sarà un’evoluzione, non una rivoluzione. Il ruolo dell’IA nella scoperta è una relazione complessa che deve essere gestita con cura, non è affatto una panacea.

L’intelligenza artificiale è una branca dell’informatica progettata per imitare il modo in cui il cervello umano risolve i problemi e prende decisioni. È in circolazione da quasi 100 anni e l’uso dell’IA non è una novità nella storia dell’innovazione farmaceutica. La sofisticatezza della scoperta di farmaci si è evoluta nel corso dei decenni e, in effetti, l’IA è stata utilizzata per supportare tale evoluzione, sebbene non sia ampiamente discussa. Un classico esempio è l’utilizzo di modelli di intelligenza artificiale per aiutare a determinare le relazioni tra le proprietà strutturali dei composti chimici e l’attività biologica. Sono essenziali per la scoperta di farmaci e aiutano gli scienziati a prevedere meglio come funzionerà un farmaco candidato nel corpo. Sebbene le loro previsioni siano limitate dai vincoli dei modelli, hanno introdotto una grande efficienza nel processo di scoperta dei farmaci, consentendo agli scienziati di concentrarsi su potenziali farmaci che hanno maggiori possibilità di combattere una particolare malattia.

Oggi, tuttavia, stiamo cercando di risolvere malattie molto più complesse e di combatterle con maggiore precisione, sicurezza ed efficacia rispetto ai trattamenti precedenti. Fortunatamente, ora siamo in un’era contenente una ricchezza di dati sulla biologia umana oltre alla capacità di analizzare grandi quantità di quei dati grazie a una tecnologia potente e poco costosa. Il potenziale dell’IA per affrontare queste malattie complesse è notevolmente aumentato, con l’avvertenza che ha così la difficoltà di trovare trattamenti e cure.

Ora possiamo costruire un intero mondo virtuale intorno alla scoperta di droghe, incluso in silicone modelli che simulano la malattia umana utilizzando grandi quantità di dati genomici, fenotipici e chimici. Tali dati possono essere consultati liberamente e analizzati a buon mercato. Possiamo utilizzare metodi e algoritmi computazionali per identificare le caratteristiche della malattia che i metodi di scoperta comunemente mancano a causa della loro dipendenza da un’unica ipotesi predefinita. Possiamo valutare potenziali trattamenti contro più bersagli contemporaneamente. Noi, come esseri umani, possiamo fare solo una cosa alla volta. L’IA colma questa lacuna per noi, ma ha ancora bisogno di noi per guidarla lungo il percorso.

Noi possiamo aumentare la velocità con cui i farmaci vengono introdotti nei test preclinici utilizzando l’IA per troncare i passaggi necessari per iniziare abitare test. Possiamo incrociare librerie di potenziali composti contro bersagli di malattie alla velocità della luce. Ora possiamo prevedere meglio la fattibilità di questi composti rispetto ai marcatori di sicurezza ed efficacia. Questo livello di progresso richiederebbe anni utilizzando i metodi tradizionali, ma integrando la tecnologia, contro solo uno o due composti, possiamo fare tutto questo nel giro di poche settimane.

Investimenti costanti verso l’IA stanno dando i loro frutti. Tuttavia, aspettative non realistiche stanno creando involontariamente barriere per un’adozione ancora più ampia. Diverse aziende di intelligenza artificiale hanno identificato nuovi nuovi trattamenti contro nuovi bersagli di malattie che hanno un grande potenziale per trattare malattie precedentemente non curabili, tra cui lupus, glioblastoma, tumori aggressivi e malattie fibrotiche. Il fatto che possiamo utilizzare l’IA per aumentare la velocità di ricerca di questi nuovi potenziali trattamenti è un enorme successo: sta creando una pipeline di nuovi farmaci che potrebbero presto cambiare il modo in cui affrontiamo le malattie.

L’intelligenza artificiale sta già influenzando la scoperta di farmaci in modi nuovi e prima inimmaginabili. Ma è tutta una questione di come giudichiamo il successo. Se è solo una macchina che cura una malattia complessa, allora non raggiungeremo mai il successo.

Il potenziale dell’IA si moltiplica se abbinato a una migliore istruzione, perché con una migliore comprensione delle possibilità e delle aspettative si verificherà una maggiore adozione. Più aziende abbiamo per migliorare la scoperta di farmaci con l’IA, più trattamenti troveremo nel tempo. Tuttavia, quei candidati devono ancora sopportare anni di ricerca clinica e dimostrare che sono sicuri ed efficaci negli esseri umani. Anche se potremmo aver cambiato la sequenza temporale in modo aggressivo attraverso la corretta applicazione dell’IA, abbiamo ancora una tabella di marcia da seguire che richiederà anni e richiederà un rigoroso lavoro scientifico.

Sarà una scienza in evoluzione. I giocatori più forti continueranno a costruire un flusso costante di risultati, anche se arriveranno più lentamente e con meno clamore di quanto avrebbero voluto i fondatori, gli investitori e i media. Questo flusso costante di prove empiriche guiderà un nuovo apprezzamento per l’IA. Uno in cui viene fornito il vero valore.

Qualsiasi scienziato che lavora in un laboratorio di ricerca e sviluppo ti dirà di aver sfruttato tutta la tecnologia disponibile al suo massimo potenziale nello spirito del trattamento delle malattie e del miglioramento della vita. Per noi dire che l’IA rivoluzionerà il loro lavoro è un disservizio a tutte le innovazioni che ci hanno preceduto. Dobbiamo continuare a trattarlo come un’evoluzione che avverrà nel tempo e capire fino a che punto siamo già arrivati.

Resta il fatto che l’IA è stata utilizzata per decenni, evolvendosi insieme alla disponibilità di potenza di calcolo e disponibilità di dati più potenti. Questo continuerà e scopriremo altre scoperte di conseguenza. Queste scoperte non avverranno dall’oggi al domani, ma accadranno.


Circa l’autore:

Andrew A. Radin è il co-fondatore e amministratore delegato di Aria Pharmaceuticals. Andrew ha creato i primi algoritmi di sviluppo di farmaci dell’azienda nell’ambito dei suoi studi in informatica biomedica presso la Stanford University nel 2014. Da quando è stato co-fondatore di Aria, Andrew è stato nominato Emerging Pharma Leader dalla rivista Pharma Executive, è stato invitato a tenere un discorso TEDMED ed è stato nominato tra i primi 100 leader di intelligenza artificiale da Deep Knowledge Analytics. Oltre alle sue funzioni di CEO presso Aria, Andrew è consulente per lo sviluppo di farmaci SPARK della Stanford University e per i programmi di accelerazione di startup StartX della Stanford University. Prima di co-fondare Aria, Andrew ha ricoperto il ruolo di Chief Technology Officer in diverse startup Internet di successo. I suoi progetti precedenti hanno raggiunto decine di milioni di persone nei sistemi di telefonia, reti pubblicitarie, videogiochi e sistemi di mappatura geografica. Andrew ha studiato informatica biomedica al corso di laurea SCPD della Stanford University e ha conseguito un Master of Science e un Bachelor of Science in Informatica presso il Rochester Institute of Technology.

Leave a Comment