Η Τεχνητή Νοημοσύνη (AI) δεν έχει ακόμη φέρει την επανάσταση στο πιο απαιτητικό στάδιο της φαρμακευτικής έρευνας, την ανακάλυψη νέων μορίων που οδηγούν σε μεγάλες θεραπευτικές καινοτομίες. Ωστόσο, ήδη μεταμορφώνει τα λιγότερο προβεβλημένα αλλά κρίσιμα στάδια της διαδικασίας, σύμφωνα με στελέχη του κλάδου.
Η AI χρησιμοποιείται πλέον για τον εντοπισμό κατάλληλων συμμετεχόντων και ερευνητικών κέντρων για κλινικές δοκιμές, καθώς και για τη σύνταξη και διαχείριση εγγράφων προς τις ρυθμιστικές αρχές, περιορίζοντας κατά εβδομάδες χρονοβόρες διοικητικές διαδικασίες. Αυτό ανέφεραν επτά μεγάλες φαρμακοβιομηχανίες και έξι μικρότερες εταιρείες βιοτεχνολογίας στο πρόσφατο JP Morgan Healthcare Conference.
Η ανάπτυξη ενός νέου φαρμάκου μπορεί να διαρκέσει έως και δέκα χρόνια και να κοστίσει περίπου 2 δισ. δολάρια. Πολλές εταιρείες, μεταξύ αυτών και η Eli Lilly, η οποία έχει συνεργαστεί με την Nvidia, εκτιμούν ότι η AI μπορεί να αυξήσει όχι μόνο την ταχύτητα αλλά και τα ποσοστά επιτυχίας των νέων θεραπειών.
Τα τελευταία χρόνια έχει ανακοινωθεί πλήθος συμφωνιών για εργαλεία AI που φιλοδοξούν να «ξεκλειδώσουν» το δυναμικό της τεχνολογίας, η οποία θεωρείται η σημαντικότερη τεχνολογική ανατροπή μετά το διαδίκτυο. Σύμφωνα με εκτίμηση της McKinsey, η λεγόμενη agentic AI, συστήματα που λειτουργούν αυτόνομα με ελάχιστη ανθρώπινη παρέμβαση, θα μπορούσε να αυξήσει την παραγωγικότητα στην κλινική ανάπτυξη φαρμάκων κατά 35% έως 45% μέσα στην επόμενη πενταετία.
Η ισραηλινή Teva Pharmaceutical Industries δηλώνει ότι αξιοποιεί την AI σε πολλαπλά επίπεδα, με βασικό στόχο την επιτυχή διάθεση νέων φαρμάκων στην αγορά.
«Όλα όσα περιβάλλουν αυτόν τον στόχο πρέπει να γίνουν όσο το δυνατόν πιο αποδοτικά», σημείωσε ο διευθύνων σύμβουλος της εταιρείας, Richard Francis, υπογραμμίζοντας ότι η ψηφιοποίηση και η βελτιστοποίηση διαδικασιών μέσω AI κάνουν τη διαφορά στο “αθέατο” κομμάτι της δουλειάς.
Τεχνητή νοημοσύνη & φαρμακοβιομηχανίες: Χιλιάδες σελίδες, μία πρόκληση
Στελέχη των AstraZeneca, Roche και Pfizer, καθώς και μικρότερων βιοτεχνολογικών εταιρειών, περιέγραψαν την πρόκληση της διαχείρισης χιλιάδων σελίδων εγγράφων για τις ρυθμιστικές αρχές, από κλινικά δεδομένα και πληροφορίες ασφάλειας έως στοιχεία παραγωγής.
Τα έγγραφα αυτά πρέπει να συγκεντρώνονται, να διασταυρώνονται και να παραμένουν συνεπή σε διαφορετικές γεωγραφικές περιοχές, μια διαδικασία που συχνά απαιτεί δαπανηρούς εξωτερικούς συνεργάτες, όπως ανέφερε η οικονομική διευθύντρια της AstraZeneca, Aradhana Sarin.
Ο επενδυτής Jorge Conde, από το fund Andreessen Horowitz, επενδύει σε λύσεις για αυτό που αποκαλεί «χαοτικό ενδιάμεσο στάδιο» της ανάπτυξης φαρμάκων. Περιγράφει την ένταξη ασθενών στις δοκιμές ως ένα «διαρρέον χωνί», όπου πολλοί εγκαταλείπουν στην πορεία, εκτιμώντας ότι η AI μπορεί να βελτιώσει την επικοινωνία, τον έλεγχο καταλληλότητας και τον προγραμματισμό.
Ο αναλυτής της TD Cowen, Brendan Smith, σημείωσε ότι η χρήση AI, συμπεριλαμβανομένων μεγάλων γλωσσικών μοντέλων όπως το Microsoft Copilot, έχει πλέον γενικευθεί για διοικητικές εργασίες. Ωστόσο, εκτιμά ότι θα χρειαστούν ακόμη ένα έως τρία χρόνια ώστε οι επενδυτές να μετρήσουν με ακρίβεια τον πραγματικό αντίκτυπο της AI στην ταχύτητα ανάπτυξης φαρμάκων.
Τεχνητή νοημοσύνη & Φαρμακοβιομηχανίες: Η περίπτωση της Novartis
Η Novartis στράφηκε στην AI το 2023, κατά την έναρξη μιας μεγάλης τελικής κλινικής δοκιμής για το καρδιολογικό φάρμακο Leqvio, με 14.000 συμμετέχοντες. Σύμφωνα με τον επικεφαλής ιατρικό διευθυντή της εταιρείας, η επιλογή κέντρων — διαδικασία που συνήθως διαρκεί έως έξι εβδομάδες — περιορίστηκε σε μια δίωρη συνάντηση, χάρη στην AI.
Η εταιρεία ολοκλήρωσε την ένταξη συμμετεχόντων με ελάχιστη απόκλιση από τον στόχο, ενώ η εξοικονόμηση χρόνου μπορεί να μεταφραστεί σε μήνες σε ολόκληρο το πρόγραμμα ανάπτυξης ενός φαρμάκου.
Τεχνητή νοημοσύνη & Φαρμακοβιομηχανίες: Ο στόχος είναι λιγότερος χρόνος, χαμηλότερο κόστος
Η GSK ανέφερε ότι με τη χρήση ψηφιακών και εργαλείων AI κατάφερε να επιταχύνει τις κλινικές δοκιμές κατά 15%, εξοικονομώντας περίπου 8 εκατ. στερλίνες σε μελέτες τελικού σταδίου. Η Genmab σχεδιάζει να αξιοποιήσει agentic AI για την αυτοματοποίηση εργασιών μετά την ολοκλήρωση των δοκιμών, ενώ η γερμανική ITM δοκιμάζει λύσεις για τη μετατροπή εκτενών αναφορών σε πρότυπα έγγραφα του FDA.
Όπως σημείωσε ο επικεφαλής έρευνας της Amgen, Jay Bradner:
«Όλοι περιμένουν το φάρμακο της AI. Πιστεύω ότι αυτά τα μόρια βρίσκονται ήδη στα ερευνητικά pipelines».
Πηγή: Reuters
