Ένας τομέας εξαιρετικά σημαντικός αλλά με πολλές δυσκολίες είναι η ανάπτυξη φαρμάκων. Σύμφωνα με τα δεδομένα από τα 10 υποψήφια σκευάσματα που εισέρχονται στις κλινικές δοκιμές, μόνο το ένα φτάνει τελικά στο ράφι, όπως σημειώνει ο Economist. Ακόμη και η ίδια η διαδικασία είναι πολύ χρονοβόρα: η μετατροπή ενός μορίου σε φάρμακο μπορεί να πάρει πάνω από δέκα χρόνια, ανεβάζοντας το κόστος ανάπτυξης σε περίπου 2,8 δισ. δολάρια. Αν προσθέσει κανείς και τη «λήξη» της εκάστοτε πατέντας, η προσπάθεια δυσχεραίνει ακόμη περισσότερο.
Όμως, καθώς οι επιστήμες προχωρούν, ένας νέος κλάδος αναδύεται και υιοθετείται από τη φαρμακευτική βιομηχανία: η γενετική τεχνητή νοημοσύνη (generative Artificial Intelligence). Καθώς έχει τη δυνατότητα να «διαβάζει» και να αναλύει τεράστιους όγκους βιολογικών δεδομένων, μπορεί να ανιχνεύσει υποσχόμενες πρωτεΐνες-στόχους και να προτείνει (νέα) μόρια που θα μπορούσαν να αξιοποιηθούν σε αυτές, να προβλέψει την αποτελεσματικότητα ή/και τοξικότητα των υποψήφιων σκευασμάτων αλλά και να συνδράμει τις κλινικές δοκιμές, εντοπίζοντας ασθενείς που είναι πιο πιθανό να ανταποκριθούν στις νέες θεραπείες.
Πώς η ΑΙ μεταμορφώνει τη φαρμακευτική βιομηχανία
Για να έχουμε μια εικόνα του μεγέθους, αναφέρεται ότι τα μόρια που έχουν σχεδιαστεί με τη βοήθεια της τεχνητής νοημοσύνης παρουσιάζουν ποσοστό επιτυχίας 80-90% στις δοκιμές ασφάλειας πρώιμου σταδίου, ξεπερνώντας τον «καθιερωμένο» μέσο όρο του 40-65%. Ακόμη και στο σενάριο όπου τα ποσοστά επιτυχίας σε δοκιμές μεταγενέστερου σταδίου δεν αυξηθούν (γεγονός που απαιτεί αρκετά χρόνια), αποκλειστικά η προαναφερθείσα βελτίωση θα μπορούσε να ανεβάσει το ποσοστό επιτυχίας σε όλη την αλυσίδα παραγωγής από 5-10% σε 9-18%. Η McKinsey, αμερικανική εταιρεία παροχής συμβουλευτικών υπηρεσιών, εκτιμά πως η τεχνητή νοημοσύνη θα μπορούσε να οδηγήσει σε ετήσια αύξηση 60-110 δισ. δολαρίων, αν αξιοποιηθεί πλήρως από τη φαρμακευτική βιομηχανία. Ήδη, εξελιγμένα μοντέλα που κατανοούν τις περίπλοκες πτυχές της βιολογίας και που θα μπορούσαν να λύσουν αινίγματα δεκαετιών, βρίσκονται προ των πυλών.
Η τεχνολογία έχει ήδη εισέλθει και αλλάζει το τοπίο της ανάπτυξης φαρμάκων. Σειρά από νεοφυείς επιχειρήσεις βιοτεχνολογίας με εστίαση στην ΑΙ (ιδίως σε ΗΠΑ και Κίνα) κερδίζει ολοένα και περισσότερο έδαφος. Την ίδια στιγμή, κολοσσοί φαρμακευτικών εταιρειών συνάπτουν συμφωνίες τόσο μαζί τους όσο και με τεχνολογικούς γίγαντες (όπως η Amazon, η Google, η Microsoft και η Nvidia). Το ενδιαφέρον των τελευταίων είναι εμφανές, αν λάβουμε υπόψη, ενδεικτικά, την Isomorphic Labs, θυγατρική της Google DeepMind, η οποία φιλοδοξεί να σχεδιάσει νέα θεραπευτικά μόρια μέσω υπολογιστή, ή την Nvidia που διαθέτει ειδική πλατφόρμα για την ανακάλυψη φαρμάκων. Αμφότερες έχουν προχωρήσει σε συμμαχία με φαρμακευτικές εταιρείες για την παροχή υπηρεσιών σχεδιασμού.
Η άλλη όψη του νομίσματος
Ως απόρροια των παραπάνω δυνατοτήτων και εξελίξεων, μέρος της αξίας της ανακάλυψης φαρμάκων μπορεί να περάσει στα χέρια των τεχνολογικών εταιρειών. Επί του παρόντος, οι φαρμακευτικές εταιρείες έχουν σαφή πλεονεκτήματα: υπερεμεγέθεις όγκους δεδομένων, επιστήμονες, εμπειρία. Όμως, με την πάροδο του χρόνου, αυτά τα χαρακτηριστικά θα μπορούσαν να υπονομευθούν, ενόσω τμήματα της βιολογίας μετατρέπονται περισσότερο σε (άλλο ένα) πρόβλημα που μπορεί να λυθεί με έναν υπολογιστή. Έτσι, ενδέχεται κριθεί αναγκαίο για τις εταιρείες φαρμάκων να προμηθευτούν τεχνογνωσία στον τομέα της τεχνητής νοημοσύνης, όπως αγοράζουν σήμερα περιουσιακά στοιχεία.
Επιπλέον, εγείρεται ακόμη ένα ζήτημα, καθώς η ανακάλυψη φαρμάκων στέφεται με ολοένα και περισσότερες επιτυχίες. Οι κυβερνήσεις καλούνται να στρέψουν την προσοχή τους σε πιθανά εμπόδια στο σύστημα, όπως οι σχετικές ρυθμίσεις και οι δοκιμές. Τόσο η Αμερικανική Υπηρεσία Τροφίμων και Φαρμάκων (FDA) όσο και ο Ευρωπαϊκός Οργανισμός Φαρμάκων (EMA) έχουν επιστρατεύσει την τεχνητή νοημοσύνη για να εξετάσουν τον τεράστιο όγκο δεδομένων που λαμβάνουν. Και με τον υποψήφιο αριθμό σκευασμάτων να πολλαπλασιάζεται, θα χρειαστούν ταχύτερες ρυθμιστικές αξιολογήσεις για να αποφευχθεί η δημιουργία εμπλοκών.
Η ιδιωτικότητα των ασθενών μπαίνει εξίσου στο προσκήνιο. Οι αρχές καλούνται να προβούν σε περισσότερα μέτρα για να ενθαρρύνουν, από τη μία πλευρά, την ανταλλαγή δεδομένων μεταξύ των εταιρειών και, από την άλλη, να εξασφαλίσουν ότι αυτό πραγματοποιείται με τρόπο που εξαλείφει κάθε πιθανότητα διαρροής ευαίσθητων στοιχείων.
Τέλος, τα διπλώματα ευρεσιτεχνίας χρήζουν επανεξέτασης, καθώς η μεγάλη διάρκειά τους (περίπου 10-15 χρόνια) είναι το «κλειδί» που επιτρέπει στις φαρμακευτικές εταιρείες να ανακτήσουν τις ριψοκινδυνευμένες επενδύσεις που έχουν κάνει για την ανακάλυψη φαρμάκων. Αν το κόστος και το ρίσκο που συνοδεύει τέτοιες προσπάθειες μειωθούν, τότε ο χρόνος ζωής των πατεντών ίσως χρειαστεί να ακολουθήσει ανάλογη πορεία.
Συμπέρασμα
Η τεχνητή νοημοσύνη αποτελεί πλέον αναπόσπαστο κομμάτι τόσο της καθημερινότητάς μας όσο και της επιστήμης, ως ελπιδοφόρος σύμμαχος για την καινοτομία στον τομέα των φαρμάκων. Τα πανίσχυρα μοντέλα μπορούν να λύσουν και να συνδράμουν σε ποικίλα αδιέξοδα και να ωφελήσουν τόσο τους κατασκευαστές όσο και τους ασθενείς. Ταυτόχρονα, όμως, η βιομηχανία και οι ρυθμιστικές αρχές χρειάζεται να προσαρμοστούν σε αυτή την αναδυόμενη πραγματικότητα, για να διασφαλιστεί το καλό όλων των πλευρών.
Διαβάστε επίσης
Το ChatGPT γίνεται ο νέος «προσωπικός γιατρός» – Τι σημαίνει αυτή η εξέλιξη
7 προκλήσεις που θα κυριαρχήσουν στην παγκόσμια υγεία το 2026
Επικίνδυνα ιατρικά λάθη από όλες τις «έξυπνες» πλατφόρμες AI – Γιατί συμβαίνει αυτό
