Financier №3 (31) 2023

Создание новых препаратов – это сложное и дорогостоящее дело, которое требует огромных ресурсов и глубокого экспертного опыта. Использование ИИ позволяет ускорить этот процесс и сделать его более эффективным.

Одна из основных областей применения искусственного интеллекта в биофармацевтике – исследование больших объемов данных. Биофармацевтические компании собирают огромные массивы информации о молекулах, биологических взаимодействиях, результатах клинических испытаний и многом другом. Использование традиционных методов анализа этих данных может быть очень трудоемким и затратным. С помощью ИИ компании обрабатывают их более качественно, выявляют скрытые закономерности и делают прогнозы. В свою очередь, алгоритмы машинного обучения используются для поиска потенциальных кандидатов на новые препараты.

Другие области применения – предсказательное моделирование и симуляции. С помощью продвинутых алгоритмов компании создают компьютерные модели, которые способны прогнозировать эффективность и безопасность потенциальных лекарственных препаратов. Это позволяет сократить количество неудачных экспериментов на ранних стадиях разработки и сосредоточить усилия на наиболее перспективных кандидатах.

Кроме того, ИИ используется для оптимизации фабричного производства – повышения качества лекарств и сокращения времени на их производство. Это особенно важно в случае создания сложных биологических лекарств.

Фото: открытые источники

Интеллект в фарме

Некоторые из медицинских стартапов активно применяют ИИ в сервисах для улучшения здоровья. Ряд проектов разрабатывают инновационные медицинские приложения, помогающие диагностировать заболевания, предсказывать риски развития определенных недугов и повышать качество медицинских услуг.

Например, существуют приложения, использующие метод машинного обучения для анализа симптомов и истории болезни, чтобы предоставить пользователям предварительные диагнозы и рекомендации по дальнейшему лечению. Пациенты получают медицинские консультации и рекомендации в удобное для них время, также экономятся ресурсы врачей.

Другие проекты анализируют медицинские изображения: рентгены, маммограммы и снимки МРТ. Алгоритмы глубокого обучения и нейронные сети помогают более точно обнаруживать и классифицировать разнообразные внутренние патологии, что повышает эффективность принимаемых врачами решений.

Наконец, некоторые стартапы разрабатывают продукты для индивидуализации лечения и прогнозирования реакции пациента на лекарства. Анализируя генетические данные и историю болезни клиента, они создают персонализированные наборы медикаментов и моделируют результат применения препаратов конкретным человеком.

Перспективные проекты

• Schrödinger, Inc. (NASDAQ: SDGR). Компания разрабатывает лекарства с использованием технологий искусственного интеллекта. Среди ее ключевых проектов – интегрированная платформа ­Schrödinger Suite, которая сочетает в себе различные инструменты ИИ, компьютерного моделирования и симуляции для ускорения процесса разработки новых медикаментов.

 

• BioXcel Therapeutics Inc. (NASDAQ: BTAI). Ряд препаратов компании находятся в стадии клинических испытаний, основные области применения – неврология и иммуноонкология. Платформа BioXcelerator объединяет данные из различных источников, используя ИИ для анализа и выявления новых возможностей лекарственной терапии.

• Exscientia Ltd. (NASDAQ: EXAI). Компания разрабатывает препараты с помощью ИИ и автоматизации. Она использует свою платформу Centaur Chemist, которая комбинирует передовые технологии для ускорения процесса создания новых лекарств.

 

• Recursion Pharmaceuticals Inc. (NASDAQ: RXRX). (NASDAQ: RXRX). Проект использует ИИ и машинное обучение для анализа клеток и тканей. Специалисты компании создали библиотеку изображений, анализирующую и классифицирующую в автоматическом режиме тысячи различных состояний клеток и молекул. Recursion Pharmaceuticals использует эту технологию для поиска новых лекарственных молекул и развития новых терапевтических подходов.

 

• PathAI. Одна из ведущих компаний в мире, применяющих ИИ для диагностики рака. Алгоритмы машинного обучения используются для анализа гистологических изображений и автоматического обнаружения и классификации опухолей. Это помогает патологам более точно и эффективно диагностировать болезнь и выбирать наиболее подходящую терапию для пациентов. PathAI является непубличной, но сотрудничает с крупными фармацевтическими и биотехнологическими компаниями.

 

• Tempus. Стартап, который собирает и анализирует медицинские показатели, используя ИИ и машинное обучение. Проект работает над базой данных, включающих генетическую информацию, результаты обследований и истории лечения пациентов. Tempus использует эту базу для улучшения диагностики, выбора терапии и прогнозирования результатов медицинских процедур.

 

Возможности и вызовы

Существует и ряд ограничений и сложностей для технологии в этой сфере экономики. Например, при использовании ИИ возникают вопросы конфиденциальности данных и защиты личной информации пациентов. Также важно помнить, что искусственный интеллект не способен полностью заменить человека в здравоохранении. Врачи и медицинский персонал играют важную роль в интерпретации результатов и принятии окончательных решений. Поэтому внедрение новых технологий должно основываться на тесном сотрудничестве между ИИ-системами и медицинскими специалистами.

Тем не менее, несмотря на эти вызовы, применение ИИ в биофармацевтике и здравоохранении раскрывает огромный потенциал, который поможет ускорить разработку новых лекарств, повысить точность диагностики и эффективность лечения.

Фото: открытые источники