Развојот на нов лек е долг и неизвесен процес: околу 90 отсто од кандидатите никогаш не стигнуваат до пазарот. Вештачката интелигенција може да помогне во изборот на перспективни молекули, но вистинскиот предизвик е нивното претворање во безбедни, ефикасни и практично применливи терапии.
Молекулата што успешно се врзува за протеин поврзан со болеста сè уште не е готов лек. Таа мора да се апсорбира во организмот, да биде доволно стабилна, да стигне до соодветното ткиво и да остане активна доволно долго. Кај некои заболувања, лекот мора да ја премине и крвно-мозочната бариера, додека кај други е важно да се зема орално наместо преку инјекција.
Токму оваа фаза на оптимизација станува ново тесно грло во фармацевтските истражувања. Наместо само да предвидува кои молекули можат да се врзат за одредена цел, вештачката интелигенција сè повеќе се користи за истовремено моделирање на повеќе особини важни за развојот на лекот.
Новоформираниот Институт за иновации во доставувањето и распределбата на лекови при Универзитетот во Вашингтон ги поврзува вештачката интелигенција, медицинската хемија, фармакологијата, науката за податоци и биотехнологијата. Целта е кандидатите да се проценуваат низ целиот развоен процес, од дизајнот на молекулата до нејзиното однесување во човечкиот организам.
Моделите со вештачка интелигенција можат да овозможат и многу поголем број експериментални кандидати. Така, наместо десетина молекули или антитела да се испитуваат во лабораторија, истражувачите би можеле прво да дизајнираат илјадници, а потоа да ги изберат најперспективните врз основа на достапните податоци.
Важен дел од истражувањето е предвидувањето што ќе му се случи на лекот откако ќе влезе во организмот. Машинското учење може да помогне да се проценат апсорпцијата, метаболизмот, распределбата и исфрлањето на лекот уште пред тој да биде даден на луѓе. Со тоа би се намалиле неуспешните клинички испитувања и непотребното трошење ресурси.
Истите алатки отвораат можност за поперсонализирано дозирање. Компјутерски модел, односно „дигитален близнак“ на пациентот, би можел да земе предвид фактори како функцијата на бубрезите, телесната маса, заболувањата и можните интеракции со други лекови. Крајната цел е попрецизно предвидување на соодветната доза и времето на земање за секој пациент.
Овој пристап би можел да биде особено значаен за групи што често се недоволно застапени во клиничките испитувања, како бремените жени. Подобрите модели би можеле да дадат информации за тоа како бременоста го менува дејството и распределбата на лековите, со што потенцијално би се подобрил пристапот до неопходни терапии.
Институтот планира да соработува и со други истражувачки центри на Универзитетот во Вашингтон. Експертизата во дизајнирањето протеини, клиничкото тестирање и фармацевтските науки би можела да создаде поврзан систем што полесно ги пренесува научните откритија од лабораторија до пациентите.
Вештачката интелигенција, сепак, не го заменува лабораториското и клиничкото тестирање. Нејзината најголема вредност е во тоа што им овозможува на научниците побрзо да ги истражат можностите, подобро да ги предвидат ризиците и да насочат повеќе внимание кон кандидатите со најголеми шанси за успех.
