Tekoälyä lääkekehityksessä hyödyntävä Insilico Medicine kertoo lyhentäneensä uusien lääkeaihioiden kehitysaikaa merkittävästi. Yhtiön mukaan osa hankkeista on edennyt tutkimusvaiheen lääkeaihion valintaan alle vuodessa, kun perinteisesti sama vaihe on voinut kestää yli neljä vuotta.
Vaikka kehitys on nopeutunut, kyse on edelleen lääkekehityksen varhaisesta vaiheesta. Ennen kuin uusi lääke voi tulla markkinoille, sen on läpäistävä prekliiniset tutkimukset, useat kliinisten tutkimusten vaiheet sekä viranomaisten hyväksyntä.
Tekoäly auttaa löytämään lupaavat lääkeaihiot
Hongkongin pörssiin listattu Insilico Medicine hyödyntää generatiivista tekoälyä biologisten kohteiden tunnistamiseen, uusien molekyylien suunnitteluun ja lupaavimpien yhdisteiden valintaan laboratoriotesteihin.
Yhtiön toimitusjohtajan Alex Zhavoronkovin mukaan nopein projekti saavutti lääkeaihion valinnan yhdeksässä kuukaudessa. Tyypillisesti tähän vaiheeseen päästään noin 13 kuukaudessa, kun perinteisillä menetelmillä aikaa kuluu keskimäärin noin neljä ja puoli vuotta.
Insilicon mukaan tutkimusryhmät testaavat yleensä 60–200 synteettistä yhdistettä ennen sopivan lääkeaihion valintaa.
Laboratoriot ovat edelleen keskeisessä roolissa
Vaikka tekoäly nopeuttaa molekyylien suunnittelua, laboratorioita se ei korvaa. Kaikki tekoälyn ehdottamat yhdisteet on edelleen valmistettava ja testattava, jotta niiden biologinen vaikutus, turvallisuus ja lääkkeeksi soveltuvuus voidaan varmistaa.
Yhtiön tutkimusmallissa tekoäly tuottaa ehdotuksia, joita tutkijat arvioivat ja validoivat käytännön kokeilla.
Vuodesta 2021 lähtien Insilico kertoo kehittäneensä 31 prekliinistä lääkeaihiota. Näistä 13 on saanut luvan siirtyä seuraavaan tutkimusvaiheeseen eli kliinisiä tutkimuksia edeltäviin valmisteluihin.
Kiinan tutkimusympäristö nopeuttaa kehitystä
Insilicon tekoälymallien kehitystä tehdään pääasiassa Montrealissa ja Abu Dhabissa, mutta suuri osa laboratoriotyöstä tapahtuu Kiinassa. Shanghaissa sijaitsevassa tutkimuskeskuksessa on automatisoitu esimerkiksi biologisten näytteiden käsittelyä ja yhdisteiden seulontaa.
Zhavoronkov arvioi, että Kiinan tutkimusinfrastruktuuri, alhaisemmat kustannukset ja nopeammat viranomaisprosessit voivat lyhentää lääkeaihion kehitystä jopa kahdella vuodella verrattuna moniin länsimaihin.
Myös useat kansainväliset lääkeyhtiöt hyödyntävät kiinalaisia tutkimuslaboratorioita ja kliinisiä tutkimuskeskuksia uusien lääkkeiden kehittämisessä.
Ensimmäinen lääke etenee Phase III -tutkimuksiin
Insilicon pisimmälle edennyt hanke on Rentosertib, jota tutkitaan idiopaattisen keuhkofibroosin hoidossa. Yhtiö ilmoitti heinäkuussa käynnistävänsä lääkkeen Phase III -tutkimuksen Kiinassa. Tutkimukseen on tarkoitus osallistua 320 potilasta 47 tutkimuskeskuksesta.
Rentosertib on ensimmäinen Insilicon tekoälyn avulla kehittämä lääke, joka on edennyt tähän vaiheeseen.
Vaihe III on yksi lääkekehityksen tärkeimmistä vaiheista, sillä siinä tutkitaan lääkkeen tehoa ja turvallisuutta huomattavasti aiempia tutkimuksia suuremmalla potilasjoukolla.
Yhtiöllä ei kuitenkaan ole vielä yhtään markkinoille hyväksyttyä lääkettä.
Onnistumisesta ei ole vielä riittävästi näyttöä
Vaikka tekoäly on nopeuttanut varhaista lääkekehitystä, sen vaikutuksesta kliinisten tutkimusten onnistumiseen ei ole vielä vahvaa näyttöä.
Vuonna 2024 julkaistussa analyysissä tekoälyä hyödyntävien bioteknologiayhtiöiden ensimmäisen vaiheen kliiniset tutkimukset onnistuivat hyvin, mutta toisen vaiheen tulokset olivat pitkälti samalla tasolla kuin lääketeollisuudessa keskimäärin.
Tutkijoiden mukaan aineisto on edelleen liian pieni, jotta voitaisiin päätellä tekoälyn parantavan lääkkeiden läpäisyastetta myöhemmissä tutkimusvaiheissa.
Tekoäly muuttaa myös biotekniikan työtehtäviä
Zhavoronkov arvioi, että tekoäly ja tutkimuslaboratorioiden automaatio muuttavat myös henkilöstön työnkuvia. Insilicolla työskentelee noin 400 henkilöä, ja yhtiö kouluttaa ohjelmistokehittäjiä sekä laboratoriotutkijoita työskentelemään yhä enemmän tekoälyjärjestelmien, robotiikan ja automatisoitujen tutkimuslaitteiden parissa.
Toimitusjohtajan mukaan osa ohjelmistokehityksen tehtävistä voidaan tulevaisuudessa automatisoida, mutta samalla uusia tehtäviä syntyy tekoälyjärjestelmien valvontaan, arviointiin ja kehittämiseen.