Data science

AI ใน Big Pharma: สิ่งที่ยิ่งใหญ่ต่อไปในการค้นพบและพัฒนายา

อย่าแปลกใจถ้าพรุ่งนี้ตื่นมาพบว่า AI ได้เข้าครอบงำอุตสาหกรรมอื่นที่คุณไม่เคยคิดมาก่อน การเปลี่ยนแปลงล่าสุดของ AI ในอุตสาหกรรมต่างๆ เป็นเครื่องพิสูจน์ว่าไม่มีที่ว่างใดที่สามารถจำกัดปัญญาประดิษฐ์ทั้งหมดไว้สำหรับตัวมันเองได้ เช่นเดียวกับอุตสาหกรรมอื่น ๆ ที่มีความสุขกับการแพร่หลายของปัญญาประดิษฐ์ Big Pharma มีส่วนแบ่งของ AI-pie ที่ยุติธรรม ในพื้นที่ด้านการดูแลสุขภาพ ผู้ปฏิบัติงานด้านการดูแลสุขภาพต้องพึ่งพายาที่ผลิตโดยบริษัทยาเพื่อรักษาโรคต่างๆ และเพิ่มอายุขัยของผู้ป่วย ทั่วโลก อุตสาหกรรมชีวเภสัชภัณฑ์เป็นอุตสาหกรรมที่มีมูลค่าหลายพันล้านดอลลาร์ ซึ่งมักจะมุ่งเน้นไปที่ยาที่แปลกใหม่และสร้างสรรค์ โดยมีส่วนหลักสำคัญในการค้นคว้าและพัฒนายา การค้นพบยาและการพัฒนา การค้นพบยาเป็นกระบวนการของการค้นพบยาชนิดใหม่ ช่วยให้มั่นใจได้ว่าสารประกอบสามารถรักษาโรคได้ เมื่อสารประกอบตะกั่วได้รับการระบุผ่านการค้นคว้ายาแล้ว กระบวนการในการนำออกสู่ตลาดก็เริ่มต้นขึ้น นั่นคือการพัฒนายา กระบวนการตั้งแต่การหาสารตะกั่วจนถึงการเข้าสู่ตลาดไม่ใช่การเดินในสวนสาธารณะ ไม่ว่าจะเป็นค่าใช้จ่ายหรือไทม์ไลน์ที่เกี่ยวข้อง อาจต้องใช้เวลาถึงสิบปีกว่าที่ยาชนิดใหม่จะเดินไปตามเส้นทางนั้นโดยไม่ต้องแยกตัวประกอบในการทดลองทางคลินิกด้วยอัตราการอนุมัติที่น้อยกว่า % ซึ่งอาจครอบคลุมถึงหกถึงเจ็ด ปีที่. สิ่งนี้ทำให้ บริษัท ยาต้องเสียค่าใช้จ่ายโดยเฉลี่ย 2.6 พันล้านดอลลาร์ตามรายงานของ Tufts Center for the Study of Drug Development ที่ตีพิมพ์ใน Journal of Health Economics AI TO THE RESCUE ในช่วงหกปีที่ผ่านมา AI ได้คิดค้นวิธีที่นักวิทยาศาสตร์การแพทย์พัฒนายาใหม่เพื่อจัดการกับโรค ปัจจุบัน บริษัทยาบางแห่งหันไปใช้อัลกอริธึมอัตโนมัติเพื่อดำเนินการค้นหาและพัฒนายาซึ่งครั้งหนึ่งเคยอาศัยความฉลาดของมนุษย์ ความพร้อมใช้งานของ Big Data และการวิเคราะห์ข้อมูลมีหน้าที่รับผิดชอบในเรื่องนี้ ระบบการผลิตที่ใช้โดยบริษัทยาใช้อินเทอร์เน็ตของสรรพสิ่ง (IoT) เพื่อรวบรวมข้อมูลในทุกขั้นตอนของกระบวนการพัฒนายา ด้วยการใช้เครื่องมือ AI ที่ซับซ้อน นักวิจัยทางการแพทย์ที่อยู่ในระดับแนวหน้าของการพัฒนายาจะได้รับข้อมูลเชิงลึกที่นำไปใช้ได้จริงจากกองข้อมูลที่ไม่มีโครงสร้างในเวลาที่เหมาะสม ทำให้การค้นพบและพัฒนายารวดเร็วและแม่นยำ ผู้ป่วยที่ชีวิตต้องพึ่งยาเหล่านี้ก็สามารถเข้าถึงยาเหล่านี้ได้ในเวลาที่เหมาะสม เพื่อเพิ่มความมั่งคั่งของศักยภาพใน AI ให้สูงสุด Big Pharma กำลังร่วมมือกับสตาร์ทอัพ AI เพื่อช่วยให้เข้าใจถึงข้อมูลจำนวนมากที่กำลังสร้างขึ้น ตัวอย่างเช่น Moderna กำลังใช้ AWS Cloud ของ Amazon เพื่อพัฒนายา RNA ของผู้ส่งสารเพื่อต่อสู้กับโรคต่างๆ ซึ่งรวมถึง COVID- AI ในการค้นพบยา กระบวนการนี้เต็มไปด้วยการทดลองและข้อผิดพลาดมากมายเพื่อระบุสารประกอบที่น่าสนใจ การระบุเป้าหมายเป็นขั้นตอนแรกในกระบวนการค้นพบยาและเกี่ยวข้องกับการตรวจคัดกรองอย่างละเอียดถี่ถ้วน เป้าหมายของยาคือโมเลกุลในร่างกายที่เชื่อมโยงกับโรคเฉพาะที่ยาที่อยู่ในระหว่างการพัฒนาคาดว่าจะดำเนินการ ขั้นตอนต่อไปคือการตรวจสอบเป้าหมาย ในที่นี้ นักวิจัยทางการแพทย์ต้องแสดงสองสิ่ง ประการแรก โมเลกุลเป้าหมายเชื่อมโยงโดยตรงกับโรค ประการที่สอง ยาที่อยู่ในระหว่างการพัฒนาสามารถเปลี่ยนแปลงการกระทำของเป้าหมายเพื่อให้ได้ผลลัพธ์ที่น่าพอใจ ก่อนหน้านี้ บริษัทชีวเภสัชภัณฑ์ได้อาศัยวิธีการดั้งเดิมที่มีข้อบกพร่อง ใช้เวลานาน และมีราคาแพงในการดำเนินการตามกระบวนการเหล่านี้ อันที่จริง มีอัตราความล้มเหลวโดยเฉลี่ย 92% และต้นทุนยาขนาดใหญ่กว่า $80 พันล้านทุกปี ด้วยการใช้อัลกอริธึมการเรียนรู้เชิงลึกและแมชชีนเลิร์นนิง ทำให้นักวิจัยทางการแพทย์สามารถระบุตัวยาที่มีแนวโน้มว่าจะใช้ยาได้ ในขณะที่เร่งกระบวนการโดยรวมและประหยัดค่าใช้จ่ายในการดำเนินงาน Bristol-Myers Squibb ปรับใช้โมเดลการเรียนรู้ของเครื่องเพื่อค้นหารูปแบบข้อมูลที่เกี่ยวข้องกับสารยับยั้ง CYP450 สารยับยั้ง CYP450 ขัดขวางการทำงานของเอนไซม์ CYP450 ที่มีความสำคัญต่อการทำลายยา ความรู้เกี่ยวกับสารยับยั้งเหล่านี้ช่วยลดผลข้างเคียงและปฏิกิริยาของยาที่อยู่ในระหว่างการพัฒนา Saurabh Saha รองประธานอาวุโสฝ่ายวิจัยและพัฒนาและเวชศาสตร์การแปลที่ Bristol-Myers Squibb กล่าวว่า โมเดลการเรียนรู้ของเครื่องช่วยเพิ่มการคาดการณ์ที่แม่นยำของการวิเคราะห์โดย 95% จึงไม่น่าแปลกใจเลยที่ AI จะเลือกเป้าหมายและส่วนประกอบหลักที่มีอัตราความสำเร็จสูงในการเข้าสู่ขั้นตอนการทดลองทางคลินิก สิ่งอื่น ๆ ที่นักวิจัยมองหาคือกลไกการออกฤทธิ์ เมแทบอลิซึม ผลกระทบต่อกระบวนการของเซลล์อื่นๆ และการทำงานของร่างกาย แบบจำลอง AI ช่วยให้นักวิทยาศาสตร์และแพทย์คาดการณ์ผลข้างเคียงที่ไม่พึงประสงค์ของยาใหม่ ๆ ทั้งแบบอิสระและเมื่อใช้ร่วมกับยาอื่น ๆ ซึ่งสามารถช่วยชีวิตได้ก่อนที่จะทดสอบยากับมนุษย์ในการทดลองทางคลินิก AI ในการทดลองทางคลินิก ก่อนระยะทดลองทางคลินิกคือระยะพรีคลินิกของการพัฒนายา โดยจะทดสอบยากับแบบจำลองสัตว์ ต้องขอบคุณ AI ที่ทำให้เรามีการจำลองสัตว์แบบดิจิทัลเพื่อหลีกเลี่ยงความจำเป็นในการทดสอบยากับสัตว์ ตัวอย่างที่สมบูรณ์แบบคือการจำลองชีวภาพที่ขับเคลื่อนด้วย AI ซึ่งคิดค้นโดย VeriSim Life ในระยะทดลองทางคลินิก บริษัทชีวเภสัชกรรมจะทดสอบยากับมนุษย์และรวบรวมข้อมูลการตอบสนองของผู้ป่วยต่อยาเหล่านี้ การทดลองทางคลินิกล้มเหลวเนื่องจากไม่ปฏิบัติตามหลักเกณฑ์ของ FDA, โปรโตคอลการผลิตที่ไม่ดี และขาดประสิทธิภาพ อัลกอริธึมการเรียนรู้ของเครื่องช่วยขจัดปัญหาเหล่านี้โดยการวิเคราะห์ข้อมูลจากเวิร์กโฟลว์การทดลองทางคลินิก การวิเคราะห์นี้เปิดเผยและเสนอคำแนะนำเกี่ยวกับฮอตสปอตที่ไม่มีประสิทธิภาพ นอกจากนี้ยังสามารถทำนายผลการทดลองทางคลินิก เปิดเผยการตอบสนองของยาแต่ละกลุ่มของผู้ป่วยแต่ละราย และนำเสนอจุดสิ้นสุดที่เน้นผู้ป่วย Eli Lily, Novartis และ Pfizer กำลังใช้แพลตฟอร์ม AI ของ Antidote เพื่อจัดระเบียบทุกขั้นตอนของกระบวนการทดลองทางคลินิก แพลตฟอร์ม AI ดังกล่าวคาดการณ์อัตราการออกจากโรงพยาบาลในขณะที่คาดการณ์ว่าผู้ป่วยรายใดเป็นตัวเลือกที่ดีที่สุด สามารถทำได้โดยการคัดกรองบุคคลที่มีความเสี่ยงสูงก่อนที่จะลงทะเบียน ซึ่งจะช่วยลดต้นทุนการดำเนินงานและอัตราความล้มเหลวของการทดลองทางคลินิก อนาคตของ AI ใน Big Pharma นั้นดูสดใสเพราะการผลิตยาใหม่ ๆ จะใช้ต้นทุนน้อยลงและใช้เวลาสองสามวัน แน่นอนว่าหากสตาร์ทอัพใหม่และบริษัทยาที่มีอยู่ต้องโดดเด่น การนำ AI มาใช้ย่อมหลีกเลี่ยงไม่ได้

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button