تبریز امروز:
اثر مگی فیک و مایکل اِرمَن
شرکتهای داروسازی مزایای هوش مصنوعی را برای کارهای خستهکننده توصیف میکنند
تولیدکنندگان دارو از هوش مصنوعی برای پیشنویس کردن مدارک قابل ارائه به نهادهای نظارتی استفاده میکنند
سَنفرانسیسکو، ۲۶ ژانویه (رویترز) - به گفته مدیران ارشد صنعت، هوش مصنوعی هنوز نتوانسته است چالشبرانگیزترین جنبه توسعه دارو یعنی یافتن مولکولهای جدید که به پیشرفتهای بزرگ پزشکی منجر شوند را محقق کند، اما در حال حاضر در حال سادهسازی بخشهای کمجذابتر این فرآیند است.
در کنفرانس اخیر مراقبتهای بهداشتی جیپی مورگان، هفت شرکت بزرگ داروسازی و شش شرکت زیستفناوری کوچکتر اعلام کردند که هوش مصنوعی به یافتن شرکتکنندگان و مکانهای مناسب برای کارآزماییهای بالینی و همچنین پیشنویس کردن اسناد برای نهادهای نظارتی کمک کرده و هفتهها از زمان این فرآیندهای پرزحمت را کاهش داده است.
شرکتهای داروسازی میگویند که عرضه یک داروی جدید به بازار ممکن است یک دهه زمان و ۲ میلیارد دلار هزینه ببرد. بسیاری از این شرکتها، از جمله الی لیلی که با شرکت پیشرو در زمینه تولید تراشه، انویدیا، مشارکت کرده است، شرط بستهاند که هوش مصنوعی میتواند نرخ موفقیت داروهای جدید را نیز افزایش دهد.
شرکتهای دارویی، درست مانند بسیاری از صنایع دیگر، قراردادهای متعددی برای به کارگیری ابزارهایی منعقد کردهاند تا پتانسیل هوش مصنوعی را که بزرگترین تحول فناوری پس از اینترنت محسوب میشود، آزاد کنند.
شرکت مشاوره مککینزی سال گذشته پیشبینی کرد که هوش مصنوعی عاملیتدار - یا هوش مصنوعی خودکاری که به دخالت اندک انسانی نیاز دارد - میتواند بهرهوری در توسعه بالینی را طی پنج سال آینده حدود ۳۵ تا ۴۵ درصد افزایش دهد.
تِوا فارماسیوتیکال اینداستریز مستقر در اسرائیل اعلام کرد که از هوش مصنوعی به روشهای متعددی استفاده میکند تا بتواند بر روی هدف اصلی خود یعنی عرضه موفق داروهای جدید به بازار تمرکز کند.
ریچارد فرانسیس، مدیرعامل تِوا، گفت: «هر چیز دیگری که پیرامون این هدف اصلی است باید تا حد ممکن کارآمد و کوچک باشد. به نظر من، اینجاست که دیجیتالیسازی با هوش مصنوعی، نوسازی، بهبود فرآیندها، و تمام آن کارهای بهظاهر غیرجذابی که ما در واقع بسیار به آنها علاقهمندیم، تفاوت ایجاد میکند.»
هزاران سند
مدیران اجرایی شرکتهای داروسازی جهانی آسترازنکا، روشه و فایزر، و همچنین شرکتهای زیستفناوری کوچکتری مانند اسپایر و نووالنت، روند پیگیری هزاران صفحه سند برای نهادهای نظارتی را که شامل مدارک بالینی، ایمنی و تولید است، تشریح کردند.
آرادهانا سارین، مدیر ارشد مالی آسترازنکا توضیح داد که این اسناد باید گردآوری، تطبیق داده شده و در مناطق مختلف جغرافیایی یکسان نگه داشته شوند، که این امر اغلب مستلزم استفاده پرهزینه از پیمانکاران خارجی است.
خورخه کنده، یکی از شرکای عمومی در شرکت سرمایهگذاری خطرپذیر آندریسن هوروویتس، در حال سرمایهگذاری برای رفع چیزی است که آن را «بخش میانی شلوغ» توسعه دارو مینامد، از جمله سرمایهگذاری ۴.۳ میلیون دلاری در استارتآپ الیویت هلث. او فرآیند ثبتنام در کارآزمایی را یک «قیف نشتی» توصیف کرد که در آن شرکتکنندگان در طول مسیر کنار میروند و معتقد است که الیویت از فناوری هوش مصنوعی برای کمک به ارتباط با بیماران، آموزش، غربالگری و زمانبندی استفاده خواهد کرد.
برندن اسمیت، تحلیلگر تیدی کوئن، گفت که استفاده از هوش مصنوعی، از جمله مدلهای زبانی بزرگ مانند مایکروسافت Copilot، برای وظایف اداری در صنعت داروسازی نسبتاً رایج شده است.
او افزود، با این حال ممکن است یک تا سه سال دیگر طول بکشد تا سرمایهگذاران بتوانند تأثیر هوش مصنوعی را بر تسریع توسعه دارو اندازهگیری کنند. اسمیت گفت کمیسازی صرفهجوییها دشوار است، زیرا به چگونگی و مکان به کارگیری این ابزارها بستگی دارد.
استفاده نوارتیس از هوش مصنوعی برای داروی قلبی
نوارتیس میگوید هوش مصنوعی زمان انتخاب محل انجام کارآزمایی را از چند هفته به یک جلسه دو ساعته کاهش داده است.
شرکت داروسازی سوئیسی نوارتیس در سال ۲۰۲۳ زمانی که قصد داشت یک کارآزمایی مرحله نهایی بر روی ۱۴۰۰۰ نفر را برای بررسی نتایج قلبی-عروقی داروی کلسترول خود به نام لِکویو آغاز کند، به هوش مصنوعی روی آورد.
شریعارام آرادهیه، مدیر ارشد پزشکی نوارتیس، گفت که فرآیند معمول انتخاب محل انجام کارآزمایی که چهار تا شش هفته طول میکشید، به یک جلسه دو ساعته تبدیل شد، زیرا هوش مصنوعی به شناسایی مراکز با عملکرد بهتر کمک کرد و به نوارتیس امکان داد ثبتنام شرکتکنندگان را با تنها ۱۳ بیمار بیش از هدف تعیینشده برای کارآزمایی خود به پایان برساند.
او افزود: «در اینجا هوش مصنوعی به هوش افزوده تبدیل میشود، نه هوش مصنوعی صرف.»
یکی از سخنگویان نوارتیس گفت صرفهجویی در زمان حاصل از هوش مصنوعی میتواند در طول یک برنامه توسعه دارویی به چندین ماه برسد.
برنامههای جیاسکی، گنمب و آیتیام برای صرفهجویی
جیاسکی، شرکت داروسازی بریتانیایی، اعلام کرد که از ترکیبی از ابزارهای دیجیتال و هوش مصنوعی برای کاهش جمعآوری و تجمیع دستی دادهها و همچنین ثبتنام در کارآزماییها استفاده میکند و هدفش این است که به این وسیله سرعت همه کارآزماییهای بالینی را تا ۱۵ درصد افزایش دهد.
به گفته یکی از سخنگویان جیاسکی، این امر سال گذشته به صرفهجویی حدود ۸ میلیون پوند (۱۰.۸۷ میلیون دلار) در هزینههای مطالعات مرحله پایانی داروی آسم اِکسدنسور کمک کرد. این دارو ماه گذشته میلادی در ایالات متحده تأییدیه دریافت کرد.
گِنمب، یک شرکت توسعهدهنده آنتیبادی دانمارکی، اعلام کرد که قصد دارد از هوش مصنوعی عاملیتدار مبتنی بر ربات چت کلود ساخته شرکت Anthropic برای پشتیبانی از اولویتهای توسعه بالینی خود استفاده کند.
هشام حماده، رئیس بخش هوش مصنوعی گنمب، گفت هدف خودکارسازی کارهای پس از کارآزمایی، از جمله تجزیه و تحلیل دادهها و تبدیل آنها به نمودارها، جداول، اشکال و گزارشهای مطالعات بالینی است.
شرکت آلمانی آیتیام که در زمینه داروسازی پرتویی فعالیت میکند، به رویترز گفت که راهی برای استفاده از هوش مصنوعی جهت تبدیل گزارشهای بلند کارآزمایی به فرمتهای استاندارد سازمان غذا و داروی آمریکا (FDA) یافته است که به طور بالقوه میتواند هفتهها تلاش چندین کارمند را کاهش دهد، اما هنوز آن را به کار نگرفته است.
جی بردْنر، رئیس بخش تحقیقات آمژن، گفت که هوش مصنوعی در چندین جبهه از فرآیند توسعه دارو و تهیه اسناد نظارتی در حال ارائه نتایج مثبت است.
او گفت: «چیزی که همه منتظر آن هستند، داروی ساختهشده با هوش مصنوعی است. بالاخره کی قرار است داروی هوش مصنوعی را ببینیم؟ من در واقع فکر میکنم که این مولکولها هماکنون در مرحله تولید (خط لوله شرکتها) قرار دارند.»
