Posao koji je nekada trajao decenije danas se obavlja za mesece – od predviđanja strukture proteina do kliničkih ispitivanja
Razvoj novog leka oduvek je bio jedna od najzahtevnijih i najskupljih poduhvata savremene nauke. Tradicionalni put od laboratorijske klupe do tržišta trajao je između deset i petnaest godina i koštao oko 2,6 milijardi dolara. Od pet hiljada jedinjenja koja uđu u pretklinička ispitivanja, samo pet dospeva do kliničkih studija, a tek jedno dobija odobrenje za primenu. Veštačka inteligencija počela je da menja tu računicu – naglo, opipljivo i sa konkretnim rezultatima koji su do pre samo nekoliko godina delovali nezamislivo.
Proteini pod lupom algoritma
Ključni iskorak dogodio se 2020. godine, kada je DeepMindov program AlphaFold predvideo strukturu proteina za celokupan ljudski genom. Tradicionalne metode, poput rendgenske kristalografije i krioelektronske mikroskopije, bile su precizne, ali izuzetno spore – razrešavanje strukture samo jednog proteina moglo je trajati mesecima, pa i godinama. AlphaFold je taj isti posao sveo na minute ili sekunde.
Ovo nije bila samo akademska zanimljivost. Razumevanje trodimenzionalne strukture proteina presudno je za dizajniranje molekula koji se mogu vezati za tačno određeno mesto na njemu i time blokirati ili pokrenuti određeni biološki proces. Bez te slike, farmaceuti su dugo radili kao arhitekti bez tlocrta.
Osamnaest meseci umesto osam godina
Kompanija Insilico Medicine, jedna od pionira u primeni veštačke inteligencije u farmaceutici, pružila je dosad najupečatljiviji primer onoga što ova tehnologija može. Lek INS018_055, namenjen lečenju idiopatske plućne fibroze – ozbiljne i teško lečive bolesti pluća – osmišljen je, dizajniran i optimizovan pomoću veštačke inteligencije za svega 18 meseci, a ukupni troškovi istraživanja i razvoja procenjeni su na oko šest miliona dolara. Tradicionalni put do iste faze razvoja obično košta između 100 i 200 miliona dolara i traje od šest do osam godina.
Isti istraživački tim demonstrirao je i brzinu u radu na karcinomu jetre. Koristeći AlphaFoldovu bazu predviđenih struktura proteina i sopstvenu platformu za generativnu hemiju, naučnici kompanije Insilico identifikovali su obećavajući kandidat za novi lek za samo 30 dana od trenutka kada su odabrali ciljni protein – sintetišući pritom svega sedam jedinjenja.
Generativna hemija i “laboratorija u petlji”
Britanska kompanija Exscientia dizajnirala je potentni inhibitor proteina PKC-Theta, koristeći platformu za generativni dizajn molekula, za samo 11 meseci – što je period koji bi tradicionalnim metodama bio nezamisliv, s obzirom na to da pretklinička faza istraživanja obično traje između tri i šest godina.
Iza ovakvih rezultata stoji suštinski drugačiji pristup istraživanju. Umesto da hemičari godinama ručno sintetišu i testiraju jedinjenja jedno po jedno, sistemi veštačke inteligencije generišu hiljade ili desetine hiljada kandidata, procenjuju njihova svojstva, predviđaju toksičnost i efikasnost, a zatim vraćaju rezultate u model koji se neprestano usavršava. Ovaj pristup naziva se “laboratorija u petlji” – eksperimentalni podaci iz stvarnog sveta direktno hrane algoritam koji generiše sledeći krug kandidata.
Od molekula do klinike
Veštačka inteligencija je već prešla iz eksperimentalne faze u kliničku primenu – lekovi dizajnirani uz pomoć algoritama danas su u kliničkim ispitivanjima u različitim terapijskim oblastima. Primena veštačke inteligencije smanjuje trajanje ispitivanja u drugoj fazi kliničkih studija procenjeno za 30 do 40 odsto, dok se stopa uspešnosti u tim ispitivanjima povećava sa dosadašnjih 28 na procenjenih 38 do 42 odsto.
Nobelova nagrada za hemiju 2024. godine dodeljena je Dejvidu Bejkeru, Demisu Hasabisu i Džonu Džamperu upravo za pionirski rad na primeni veštačke inteligencije u predviđanju strukture proteina i dizajnu funkcionalnih proteina – što je i zvanično potvrdilo da je reč o nauci od istorijskog značaja, a ne o prolaznom tehnološkom trendu.
Granice i opreznost
Ipak, entuzijazam valja umeriti. Veštačka inteligencija nije ukinula biološku složenost ni neizvesnost kliničkih ishoda. Algoritmi su izvanredni u pronalaženju obrazaca u ogromnim skupovima podataka, ali bolest se i dalje odvija u ljudskom telu – nepredvidivom, individualno različitom, uvek kompleksnom. Američka agencija za hranu i lekove najavila je posebne regulatorne smernice za primenu veštačke inteligencije u razvoju lekova, naglašavajući potrebu za pažljivim upravljanjem pristrasnostima u podacima i rigoroznom validacijom modela.
Ono što je, međutim, neosporno jeste da se mapa farmaceutskog istraživanja trajno promenila. Tamo gde su nekada bile potrebne decenije strpljivog rada i milijarde dolara, danas se pojavljuju platforme koje u mesecima prolaze put koji je pre delovao nerealnim. Za pacijente koji čekaju na terapije koje još ne postoje, to nije mali pomak – to je, možda, najvažnija promena u medicini ovog veka.
