عزز فعالية الأدوية وابتكارها باستخدام الذكاء الاصطناعي
تعرّف على كيفية مساهمة الذكاء الاصطناعي في تحويل اكتشاف العقاقير وتطويرها، بما في ذلك المساعدة في خفض تكاليف تطوير العقاقير وتوفير علاجات منقذة للحياة للمرضى بشكل أسرع.
تسريع اكتشاف العقارات وتطويرها باستخدام الذكاء الاصطناعي
تعرّف على مزايا نشر حلول الذكاء الاصطناعي وتحدياته عبر سلسلة القيمة الدوائية.
الاستنتاجات الرئيسية
- تخضع صناعة الأدوية لتحويل كبير بفضل الذكاء الاصطناعي.
- لدعم محترفي الرعاية الصحية والمرضى بشكل أفضل، يجب على شركات الأدوية تسريع عمليات اكتشاف العقاقير وتطويرها مع التحكم في التكاليف المتصاعدة.
- يمكن للذكاء الاصطناعي أن يساعد في الخطوات الرئيسية لعملية اكتشاف العقاقير، بما في ذلك تحديد بروتينات المرض وتحليل المركبات التي ستتفاعل مع البروتينات بشكل أكثر فعالية.
- كما يعمل الذكاء الاصطناعي على تبسيط عملية تطوير العقاقير من خلال تحليل كميات هائلة من البيانات، وتحديد الأنماط، والتنبؤ بالنتائج.
- يتعين على شركات الأدوية التي تعتمد الذكاء الاصطناعي التغلب على التحديات مثل الحفاظ على جودة البيانات والعثور على عمال يتمتعون بالمزيج الصحيح من المهارات التقنية والعلمية. تعرّف على كيفية تحويل عوامل الذكاء الاصطناعي العمليات التجارية.
- وبالنظر إلى المستقبل، ستشهد صناعة الأدوية المزيد من الشراكات بين شركات الأدوية والتكنولوجيا واستثمارات أكبر في الشركات الناشئة في مجال التكنولوجيا الطبية والذكاء الاصطناعي.
ارتفاع تكاليف العقاقير الجديدة
تتغير طريقة تعامل متخصصي الرعاية الصحية مع المرضى بسرعة. ويستخدمون بشكل متزايد معلومات المريض المخصصة لتوجيه القرارات الطبية. هذا النهج، المعروف باسم الطب الدقيق، أصبح أكثر شيوعاً مع تعامل الباحثين مع القضايا الصحية المعقدة، وتسعى شركات الأدوية إلى تقليص الوقت والمال اللازمين لتطوير العقاقير المنقذة للحياة.
في الوقت الحالي، طرح أي عقار جديد في السوق عملية طويلة للغاية ومكلفة لشركات الأدوية. وفقًا لبيانات حديثة من شركة Taconic Biosciences، يستغرق تطوير عقار واحد حوالي USD$2.6 مليار وأكثر من 10 سنوات. وبمجرد تطويرها، تفشل 88% من العقاقير الجديدة المرشحة في الحصول على موافقة إدارة الغذاء والدواء.
والخبر السار هو أن الذكاء الاصطناعي لديه إمكانات مذهلة لتسريع عملية اكتشاف العقاقير وتطويرها.
في الوقت الحالي، طرح أي عقار جديد في السوق عملية طويلة للغاية ومكلفة لشركات الأدوية. وفقًا لبيانات حديثة من شركة Taconic Biosciences، يستغرق تطوير عقار واحد حوالي USD$2.6 مليار وأكثر من 10 سنوات. وبمجرد تطويرها، تفشل 88% من العقاقير الجديدة المرشحة في الحصول على موافقة إدارة الغذاء والدواء.
والخبر السار هو أن الذكاء الاصطناعي لديه إمكانات مذهلة لتسريع عملية اكتشاف العقاقير وتطويرها.
طريقة تبسيط الذكاء الاصطناعي لاكتشاف العقاقير
تتمثل الخطوة الأولى في تصنيع معظم العقاقير في تركيب مركب يمكنه الارتباط بجزيء مستهدف وتعديله، وعادةً ما يكون بروتين مرتبط بالمرض. وللعثور على المركب المناسب، يعمل الباحثون على مراجعة الآلاف من المركبات المحتملة. بمجرد تحديد المركب المستهدف، يعمل الباحثون على فحص مكتبات ضخمة من المركبات المماثلة للعثور على التفاعل الأمثل مع بروتين المرض.
في الوقت الحالي، يستغرق الأمر أكثر من عشرة أعوام ومئات الملايين من الدولارات للوصول إلى هذه النقطة. لكن التكنولوجيا الطبية التي تستخدم الذكاء الاصطناعي والتعلم الآلي يمكنها تبسيط العملية، ما يقلل الوقت والمال الذي تحتاج إليه شركات الأدوية لإطلاق عقاقير جديدة. على سبيل المثال، يمكن لهذه التقنيات تنفيذ ما يلي:
في الوقت الحالي، يستغرق الأمر أكثر من عشرة أعوام ومئات الملايين من الدولارات للوصول إلى هذه النقطة. لكن التكنولوجيا الطبية التي تستخدم الذكاء الاصطناعي والتعلم الآلي يمكنها تبسيط العملية، ما يقلل الوقت والمال الذي تحتاج إليه شركات الأدوية لإطلاق عقاقير جديدة. على سبيل المثال، يمكن لهذه التقنيات تنفيذ ما يلي:
البحث في مكتبات الجزيئات
المكتبات التي يتم فحصها بحثاً عن الجزيئات المرشحة ضخمة جداً لدرجة أنه يكاد يكون من المستحيل على الباحثين البشريين مراجعة كل شيء بأنفسهم. على النقيض، يمكن للذكاء الاصطناعي تحديد المركبات المستهدفة المحتملة بسرعة في مجموعات البيانات الضخمة، ما يوفر على الباحثين قضاء مئات الساعات في المختبر.
توقع خصائص المركبات
تتضمن عملية اكتشاف العقاقير التقليدية نهج التجربة والخطأ الذي يستغرق وقتاً طويلاً. ويمكن أن تساعد حلول التكنولوجيا الطبية بجانب الذكاء الاصطناعي والتعلم الآلي في تسريع العملية من خلال التنبؤ بخصائص المركبات المحتملة، مما يضمن اختيار تلك المركبات التي تحتوي على التكوين المطلوب فقط للتركيب. ويوفر ذلك جهد الباحثين الذي كان سيبذل على العمل على مركبات من غير المرجح أن تكون فعالة.
اختراع مركبات جديدة
عندما يثمر البحث عن القليل من النتائج الواعدة، يمكن للذكاء الاصطناعي طرح أفكار لمركبات جديدة تماماً تتناسب مع المعايير المرغوبة ولها فرصة أكبر للنجاح.
كيف يساعد الذكاء الاصطناعي الباحثين
فكر في كيف يمكن للباحث استخدام حلول الذكاء الاصطناعي لدعم الخطوات الرئيسية لعملية اكتشاف العقاقير.
ينفذ الباحثون الخطوات التالية:
الخطوة الأولى: حدد الجزيء الذي يمكن استخدامه كعقار لاستهدافه.
الخطوة الثانية: عليك إجراء تجارب للتأكد من أن الهدف مضمن في تقدم المرض.
الخطوة الثالثة: يمكن تحديد مركب يتفاعل مع الهدف أو إنشاؤه.
الخطوة الرابعة: يمكن تحسين المركب الذي وقع عليه الاختيار لتحقيق الفعالية والأمان.
الخطوة الثانية: عليك إجراء تجارب للتأكد من أن الهدف مضمن في تقدم المرض.
الخطوة الثالثة: يمكن تحديد مركب يتفاعل مع الهدف أو إنشاؤه.
الخطوة الرابعة: يمكن تحسين المركب الذي وقع عليه الاختيار لتحقيق الفعالية والأمان.
بمساعدة الذكاء الاصطناعي، يمكنهم:
الخطوة الأولى: ابحث عن المزيد من الأهداف المحتملة.
الخطوة الثانية: ارفع معدل نجاح التجارب.
الخطوة الثالثة: استبعد المركبات التي من غير المرجح أن تتفاعل.
الخطوة الرابعة: يمكن تسريع العملية باستخدام التحليل الذكي.
الخطوة الثانية: ارفع معدل نجاح التجارب.
الخطوة الثالثة: استبعد المركبات التي من غير المرجح أن تتفاعل.
الخطوة الرابعة: يمكن تسريع العملية باستخدام التحليل الذكي.
كيف يستخدم الذكاء الاصطناعي التجارب السريرية
وفقًا لشركة Taconic Biosciences، فإن 12% فقط من العقاقير المرشحة التي تدخل مرحلة التجارب السريرية تتم الموافقة عليها من قبل الهيئات التنظيمية. تتضمن المرحلة الأطول والأكثر تكلفة في عملية تصنيع العقاقير التجارب السريرية، مراحل متعددة من الاختبارات البشرية وتضم كل مرحلة مئات أو آلاف المشاركين.
لم تتغير العملية الخطية التقليدية للتجارب العشوائية المتحكم بها (RCTs) خلال عقود من الزمن. فهو تفتقد إلى المرونة والسرعة والسلطة التحليلية اللازمة لنموذج الطب الدقيق لتزدهر. وتعاني الشركات للعثور على المشاركين المناسبين، ناهيك عن تطويعهم واستبقائهم وإدارتهم بفعالية. يساهم هذا القصور في كفاءة العملية بشكل كبير في ارتفاع تكاليف اكتشاف العقاقير وتطويرها، فضلاً عن انخفاض معدلات الموافقة. كما أنها تتحدى الابتكار.
ويمكن لشركات الأدوية استخدام نماذج الذكاء الاصطناعي التنبؤية طوال مرحلة التجارب السريرية لتطوير العقاقير، بدايةً من مرحلة التصميم ووصولاً إلى مرحلة تحليل البيانات للمساعدة فيما يلي:
لم تتغير العملية الخطية التقليدية للتجارب العشوائية المتحكم بها (RCTs) خلال عقود من الزمن. فهو تفتقد إلى المرونة والسرعة والسلطة التحليلية اللازمة لنموذج الطب الدقيق لتزدهر. وتعاني الشركات للعثور على المشاركين المناسبين، ناهيك عن تطويعهم واستبقائهم وإدارتهم بفعالية. يساهم هذا القصور في كفاءة العملية بشكل كبير في ارتفاع تكاليف اكتشاف العقاقير وتطويرها، فضلاً عن انخفاض معدلات الموافقة. كما أنها تتحدى الابتكار.
ويمكن لشركات الأدوية استخدام نماذج الذكاء الاصطناعي التنبؤية طوال مرحلة التجارب السريرية لتطوير العقاقير، بدايةً من مرحلة التصميم ووصولاً إلى مرحلة تحليل البيانات للمساعدة فيما يلي:
- حدد المرضى المناسبين عن طريق جمع البيانات عن المحتوى المتاح للجمهور.
- تقييم أداء مواقع التجارب السريرية في الوقت الحقيقي.
- أتمتة مشاركة البيانات عبر الأنظمة الأساسية.
- توفير البيانات للتقارير النهائية.
عوائق استخدام الذكاء الاصطناعي في صناعة الأدوية
على الرغم من أن استخدام الذكاء الاصطناعي أصبح أكثر انتشاراً في عمليات اكتشاف العقاقير وتطويرها، لا تزال العوائق التي تحول دون الاعتماد موجودة. فيما يلي بعض التحديات التي تواجهها الشركات بشكل عام:
جودة البيانات
إن التحدي الذي يتم الاستشهاد به كثيراً في العديد من الصناعات هو أن البيانات الرديئة يمكن أن تقلل بسرعة من فائدة الذكاء الاصطناعي والتعلم الآلي. بالنسبة للباحثين في مجال العقاقير، فإن البيانات منخفضة الجودة تجعل التكنولوجيا الطبية غير موثوقة، وفي النهاية، ليست أكثر دقة أو فائدة أو توفيراً للوقت من الأساليب التقليدية.
التخوف
يوجد مفهوم خاطئ في معظم المجالات مفاده أن التكنولوجيا ستحل في النهاية محل العاملين البشريين بالكامل. ولا يمثل مجال الأدوية أي استثناء. ورغم أنه من الصحيح أن الذكاء الاصطناعي قادر على تحليل مجموعات البيانات الضخمة بسرعة أكبر من البشر، لا يمكن أن يحل محل الباحثين والأطباء المهرة.
قلة المهارات
يتطلب تطبيق التكنولوجيا الطبية في عملية اكتشاف العقاقير مجموعة متخصصة من المهارات. وللحفاظ على نظافة البيانات وفعالية الذكاء الاصطناعي، تحتاج الشركات إلى عمال لا يتمتعون بالمهارات التقنية فحسب، بل يتمتعون أيضاً بفهم للجانب العلمي من العملية، مثل تصميم العقاقير، وعلم الأحياء، والكيمياء. إنها مهمة مستعصية تواجه الشركات صعوبة في توظيفها.
مستقبل الذكاء الاصطناعي في مجال الأدوية
وبمساعدة الذكاء الاصطناعي، يمكن للباحثين أن يصبحوا أكثر ابتكاراً، ويمكن للأطباء تلبية متطلبات الطب الدقيق بشكل أفضل، ويمكن لشركات الأدوية طرح الأدوية التي تغير الحياة في السوق بشكل أسرع.
تشير التوجهات الحالية إلى أن التحول الذكاء الاصطناعي الذي يحدث في صناعة الأدوية اليوم سيستمر بشكل جيد في المستقبل. على سبيل المثال، ترتفع كل عام أعداد الشراكات بين شركات الأدوية والتكنولوجيا، كما ترتفع الاستثمارات الضخمة في الشركات الناشئة في مجال التكنولوجيا الطبية والذكاء الاصطناعي.
تشارك شركات الأدوية الرئيسية أيضاً البيانات بشكل متزايد. Machine Learning Ledger Orchestration for Drug Discovery، أو MELLODDY، اتحاد يسهل مشاركة البيانات بين العشرات من أعضائه. يستخدم MELLODDY نظاماً قائماً على سلسلة السجلات يسمح للشركات بمشاركة ملكية بياناتها الخاصة مع الحفاظ على سريتها. يمكن للباحثين الاستفادة من البيانات الموجودة لتسريع عملية اكتشاف العقاقير وتقليل سنوات من التطوير.
تشير التوجهات الحالية إلى أن التحول الذكاء الاصطناعي الذي يحدث في صناعة الأدوية اليوم سيستمر بشكل جيد في المستقبل. على سبيل المثال، ترتفع كل عام أعداد الشراكات بين شركات الأدوية والتكنولوجيا، كما ترتفع الاستثمارات الضخمة في الشركات الناشئة في مجال التكنولوجيا الطبية والذكاء الاصطناعي.
تشارك شركات الأدوية الرئيسية أيضاً البيانات بشكل متزايد. Machine Learning Ledger Orchestration for Drug Discovery، أو MELLODDY، اتحاد يسهل مشاركة البيانات بين العشرات من أعضائه. يستخدم MELLODDY نظاماً قائماً على سلسلة السجلات يسمح للشركات بمشاركة ملكية بياناتها الخاصة مع الحفاظ على سريتها. يمكن للباحثين الاستفادة من البيانات الموجودة لتسريع عملية اكتشاف العقاقير وتقليل سنوات من التطوير.
الموارد
استكشاف حلول مجال Microsoft
يمكن تحديث عملية البحث والتطوير (R&D) لديك وتقديم منتجات جديدة بشكل أسرع باستخدام حلول الذكاء الاصطناعي التي تعمل على Microsoft Cloud.