Prvi lijek dizajniran umjetnom inteligencijom bliži se svom odobrenju.
Desetljećima je razvoj lijekova bio jedan od najsporijih, najskupljih i najneuspješnijih procesa u modernoj znanosti. Međutim, umjetna inteligencija mogla bi probiti ovo usko grlo. Eksperimentalni lijek, uglavnom dizajniran umjetnom inteligencijom, sada je u rekordnom roku ušao u završnu fazu ispitivanja i na putu je da postane prvi lijek dizajniran umjetnom inteligencijom odobren za ljudsku upotrebu. Neki to nazivaju medicinskim probojem, dok drugi to vide kao uznemirujući prečac koji zamjenjuje zdrav medicinski uvid optimizacijom temeljenom na stroju.
Umjetna inteligencija dizajnira novi lijek
Lijek koji se bliži odobrenju razvila je tvrtka Insilico Medicine, biotehnološka tvrtka usmjerena na umjetnu inteligenciju koja koristi modele strojnog učenja za identifikaciju ciljeva bolesti i generiranje potencijalnih spojeva za njihovo liječenje. Cilj novog lijeka je idiopatska plućna fibroza (IPF) – smrtonosna bolest pluća koja godišnje ubija otprilike 40 000 Amerikanaca i za koju ne postoji poznati lijek. Nevjerojatno je da je razvoj sada napredovao od otkrića cilja do ispitivanja na ljudima za manje od dvije godine.
Da bismo to stavili u kontekst, konvencionalno otkrivanje lijekova obično traje oko 5 godina do ljudskih ispitivanja, nakon čega slijedi još 6-8 godina kliničkih ispitivanja i regulatorne revizije. Od početka do kraja, većini lijekova potrebno je 10 do 15 godina, s procijenjenom stopom neuspjeha od 90% nakon što započnu ljudska ispitivanja.
Umjetna inteligencija može dramatično skratiti ranu fazu otkrivanja – najsporiji i najskuplji dio. Insilicoov proces zamjenjuje godine laboratorijskih iteracija algoritamskim probirom milijuna molekularnih struktura, predviđajući toksičnost, simulirajući savijanje proteina i predlažući kandidatske spojeve u roku od nekoliko tjedana umjesto godina.
Kako se proces ubrzava
Tradicionalni razvoj lijekova oslanja se na spor, iterativni laboratorijski rad: hipoteza, eksperiment, neuspjeh, revizija. Sustavi umjetne inteligencije to zaobilaze treniranjem na ogromnim skupovima podataka o kemijskim strukturama, biološkim putovima i povijesnim rezultatima ispitivanja. To omogućuje istraživačima da odmah odbace malo vjerojatne kandidate i usmjere svoje resurse na spojeve s najvišim predviđenim stopama uspjeha.
Jednostavno rečeno, umjetna inteligencija ne razumije biologiju, ali prepoznaje obrasce na velikoj skali. Može digitalno testirati milijune teorijskih molekula prije nego što ljudski kemičar sintetizira ijednu.
Ova učinkovitost znači da farmaceutske tvrtke mogu smanjiti troškove razvoja za 30-70%, zbog čega se u taj sektor sada ulaže toliko rizičnog kapitala. Procjenjuje se da je u posljednjih pet godina globalno u startupove za umjetnu inteligenciju uloženo preko 60 milijardi dolara, a velike farmaceutske tvrtke surađuju ili ulažu samostalno kako bi održale korak.
Optimistična vizija
Postoje istinski humanitarni argumenti za lijekove ubrzane umjetnom inteligencijom. Rijetke bolesti, zanemarene bolesti ili bolesti s malom populacijom pacijenata oduvijek su bile komercijalno neatraktivne. Ubrzavanjem i pojeftinjivanjem razvoja pomoću umjetne inteligencije, prethodno nedostižni tretmani konačno bi mogli postati realni. Postoji i potencijal za personaliziranu medicinu, gdje se tretmani prilagođavaju genetskim profilima na načine koje ljudska istraživanja ne mogu ili neće istražiti.
Važno pojašnjenje ovdje je da se lijekovi dizajnirani umjetnom inteligencijom još uvijek testiraju na ljudima. Regulatorne agencije nisu dopustile odstupanja od sigurnosnih standarda, a klinička ispitivanja ostaju obavezna. Stoga, pozitivna perspektiva naglašava da umjetna inteligencija ne zamjenjuje znanstvenu prosudbu, već je nadopunjuje brzim pokušajima i pogreškama. Brža otkrića ne znače automatski niže standarde.
Dakle, u čemu je problem?
Problem nije toliko u samoj brzini, već u onome što ta brzina pomiče. Sustavi umjetne inteligencije često funkcioniraju kao crne kutije, pružajući učinkovite rezultate, ali ne uspijevajući pružiti jasno objašnjenje uzročno-posljedičnog obrazloženja. U mnogim sektorima ta neprozirnost nije veliki problem. U medicini jest.
Točno poznavanje načina i razloga djelovanja lijeka ključno je za predviđanje nuspojava, dugoročnih rizika i interakcija s drugim tretmanima. Ako se rokovi razvoja drastično skrate, ima manje prostora za istraživačka istraživanja – spor, često dvosmislen ljudski rad koji daje konceptualni uvid, a ne statističku sigurnost. Što se događa kada regulatori odobre lijekove koji su se dobro pokazali u ispitivanjima, ali čiji su mehanizmi još uvijek samo djelomično shvaćeni?
Umjetna inteligencija ima zabrinjavajući uspjeh izvan farmaceutske industrije
Posljednjih godina, AI sustavi su više puta pokazali svoju sklonost generiranju pouzdanih, ali netočnih rezultata. Veliki jezični modeli izmišljaju tehničke detalje i citate; alati za prepoznavanje slika pogrešno klasificiraju objekte u sigurnosno kritičnim okruženjima; softver za automatizirano donošenje odluka nastavlja pojačavati pristranosti u politici i šire.
Ovi propusti ne podrazumijevaju zlonamjernu namjeru, ali ukazuju na strukturna ograničenja.
Modeli umjetne inteligencije optimizirani su za vjerojatnost, a ne za istinu. Najbolje funkcioniraju u okruženjima gdje su obrasci stabilni i prepoznatljivi, a posljedice reverzibilne. Biologija nije ni jedno ni drugo. Pogreške u razvoju lijekova – pogrešne procjene toksičnosti, nuspojava ili dugoročnih interakcija – skupe su, nepovratne i ponekad fatalne.
Brzina trgovanja za sigurnost se i prije obila o glavu
Medicinska povijest nudi jasna upozorenja. Neke od najzloglasnijih katastrofa s lijekovima 20. stoljeća dogodile su se unutar sustava kojima su u potpunosti upravljali ljudi, a koji su slijedili vlastite znanstvene standarde. Talidomid, jedan od najpoznatijih primjera, odobren je u nekoliko zemalja krajem 1950-ih i prošao je sve potrebne testove prije nego što je uzrokovao katastrofalne urođene mane. Zaštitne mjere koje sada usporavaju razvoj lijekova uvedene su kao odgovor na takve neuspjehe.
Zabrinutost nije da će umjetna inteligencija proizvoditi više loših lijekova, već da bi mogla proizvoditi loše lijekove brže i u većim razmjerima, prije nego što se institucionalne zaštitne mjere stignu prilagoditi.
Presedan
Ako Insilicoov tretman IPF-a dizajniran umjetnom inteligencijom bude odobren, to bi postavilo snažan presedan. Odjednom bi ideja da se lijekovi mogu proizvoditi brže nego što ih znanstvenici mogu u potpunosti razumjeti postala normalizirana, a s vremenom bi to moglo transformirati i dijagnostiku, protokole liječenja i dizajn kliničkih ispitivanja.
Izazov za regulatore i društvo sada je odlučiti koliko netransparentnosti mogu trgovati za brzinu. Povjerenje u medicinu mora se temeljiti na više od samih rezultata – povjerenje u proces je također ključno.
Posljednja misao
Pacijenti koji su dugo bili nedovoljno opskrbljeni tradicionalnim istraživačkim modelima – jer njihove bolesti nisu ekonomski isplative za liječenje – mogli bi pronaći nadu ako lijekovi dizajnirani umjetnom inteligencijom budu uspješni. Ali obećanje brzine ne bi trebalo zasjeniti rizike zamjene razumijevanja optimizacijom. Posljedice pogrešaka su duboke u medicini, a spor razvoj je, u određenom smislu, ponudio zaštitu od takvih rizika. Kako umjetna inteligencija ubrzava otkrića, kako možemo osigurati da napredak ne nadjača zaštitne mjere koje nas sve štite?
