Τεχνητή Νοημοσύνη: Εικονικοί ασθενείς «δοκιμάζουν» φάρμακα – Προέβλεψε την αποτυχία μεγάλης μελέτης

Η Τεχνητή Νοημοσύνη χρησιμοποιείται από εταιρείες που θέλουν να μεταμορφώσουν την ανάπτυξη νέων φαρμάκων, δοκιμάζοντάς τα αρχικά σε εικονικές κλινικές μελέτες και όχι σε πραγματικούς ασθενείς. Η επιδίωξη δεν είναι να καταργηθούν οι ανθρώπινες κλινικές δοκιμές, αλλά να εντοπίζονται νωρίτερα τα φάρμακα με υψηλή πιθανότητα αποτυχίας, ώστε να περιορίζονται τόσο το τεράστιο οικονομικό κόστος όσο και η έκθεση ασθενών σε θεραπείες που δεν είναι αποτελεσματικές.

Ενδεικτική είναι η περίπτωση του πειραματικού φαρμάκου del-desiran της Novartis, το οποίο προορίζεται για μια σπάνια εκδοχή μυϊκής δυστροφίας.

Η ελβετική φαρμακευτική εταιρεία επένδυε πολλά στο συγκεκριμένο σκεύασμα, καθώς ο διευθύνων σύμβουλός της είχε εκτιμήσει ότι οι ετήσιες πωλήσεις του θα έφταναν έως τα 5 δισ. δολάρια στο αποκορύφωμά τους.

Η προχωρημένη κλινική δοκιμή, όμως, δεν πέτυχε τον στόχο της τον περασμένο μήνα. Η εξέλιξη προκάλεσε πτώση 11% στη μετοχή της Novartis, με αποτέλεσμα να χαθούν περίπου 30 δισ. δολάρια από τη χρηματιστηριακή αξία της.

Η BioinvestGPT, εταιρεία που δραστηριοποιείται στην Τεχνητή Νοημοσύνη, δεν αιφνιδιάστηκε από την αποτυχία.

Η πρόβλεψη της Τεχνητής Νοημοσύνης για την αποτυχία

Ήδη από τον Ιούλιο, όπως ανέφερε το Reuters, η BioinvestGPT είχε εκτελέσει εικονική κλινική δοκιμή για να εξετάσει την αντίδραση ψηφιακών ασθενών στο del-desiran.
Πριν δημοσιοποιηθούν τα πραγματικά δεδομένα, το μοντέλο είχε εκτιμήσει ότι το φάρμακο θα εμφάνιζε κλινικό όφελος, χωρίς όμως αυτό να είναι στατιστικά σημαντικό.

Η BioinvestGPT, μαζί με άλλες επιχειρήσεις του τομέα, αναφέρει ότι συνεργάζεται με φαρμακευτικές εταιρείες για την αξιοποίηση τέτοιων προσομοιώσεων, επιδιώκοντας να ενισχύσει τις πιθανότητες ένα πειραματικό φάρμακο να αποδειχθεί ασφαλές και αποτελεσματικό όταν περάσει σε δοκιμές με πραγματικούς ασθενείς.

Κλινικές δοκιμές: Δαπάνες 140 δισ. δολαρίων ετησίως

Το οικονομικό διακύβευμα παραμένει τεράστιο. Κάθε χρόνο η παγκόσμια βιοφαρμακευτική αγορά διαθέτει περίπου 140 δισ. δολάρια για κλινικές δοκιμές σε ανθρώπους, ενώ τελικά μόλις το 12% περίπου των υποψήφιων φαρμάκων παίρνει έγκριση από τις ρυθμιστικές αρχές. Το συγκεκριμένο ποσοστό δεν έχει αλλάξει ουσιαστικά εδώ και δεκαετίες.

Κατά τις εταιρείες Τεχνητής Νοημοσύνης, οι ψηφιακές δοκιμές μπορούν να κατευθύνουν τις φαρμακοβιομηχανίες ως προς τα ερευνητικά προγράμματα που πρέπει να συνεχιστούν, αλλά και να αποκαλύπτουν εκείνα που ενδέχεται να καταλήξουν σε δαπανηρές αποτυχίες.

Η διεξαγωγή των παραδοσιακών κλινικών δοκιμών απαιτεί αρκετά χρόνια. Η διαδικασία αρχίζει με μικρές μελέτες Φάσης 1 για τον έλεγχο της ασφάλειας, περνά στις μελέτες Φάσης 2 και ολοκληρώνεται με τις μεγάλες μελέτες Φάσης 3, όπου αξιολογείται και η αποτελεσματικότητα του φαρμάκου.

Αντίθετα, κάποιες προσομοιώσεις που βασίζονται στην Τεχνητή Νοημοσύνη είναι δυνατό να τελειώσουν σε έναν μήνα ή ακόμη και νωρίτερα.

«Δεν πρέπει να αναρωτιόμαστε μόνο πώς θα πραγματοποιούμε τις κλινικές δοκιμές γρηγορότερα. Πρέπει να αναρωτηθούμε πώς θα κάνουμε λιγότερες δοκιμές που πρόκειται να αποτύχουν», δήλωσε ο Φρανσίσκο Μπέκα, επικεφαλής ιατρικός σύμβουλος της QuantHealth, πλατφόρμας προσομοίωσης κλινικών δοκιμών με έδρα το Τελ Αβίβ.

Αυξάνονται θεαματικά οι επενδύσεις στην Τεχνητή Νοημοσύνη

Σύμφωνα με έκθεση της McKinsey, τα κεφάλαια για την αξιοποίηση της Τεχνητής Νοημοσύνης στην ανακάλυψη φαρμάκων υπερδιπλασιάστηκαν από το 2023 και ανήλθαν σε 8,4 δισ. δολάρια το 2025.

Έως τώρα, το μεγαλύτερο τμήμα των επενδύσεων αφορά πεδία στα οποία η τεχνολογία έχει ήδη δείξει τις δυνατότητές της, όπως ο σχεδιασμός νέων μορίων. Την ίδια στιγμή, οι φαρμακευτικές επιχειρήσεις δοκιμάζουν την προσομοίωση κλινικών μελετών, ώστε να ελέγχουν ένα υποψήφιο φάρμακο πριν διαθέσουν τεράστια κεφάλαια για την εξέλιξή του.

Ταυτόχρονα, οι υγειονομικές αρχές στις ΗΠΑ ανακοίνωσαν μέτρα για να γίνουν ταχύτερες οι κλινικές δοκιμές. Οι πρωτοβουλίες αυτές ενδέχεται στο μέλλον να διευκολύνουν την ευρύτερη αξιοποίηση της προβλεπτικής Τεχνητής Νοημοσύνης στην ανάπτυξη φαρμάκων.

Η BioinvestGPT πέτυχε πέντε προβλέψεις στις έξι

Από τον Ιούλιο, η BioinvestGPT είχε αποστείλει στο Reuters λεπτομερείς εκτιμήσεις για την πορεία αρκετών σημαντικών κλινικών δοκιμών, πριν γίνουν γνωστά τα αποτελέσματά τους.
Ως τώρα, οι πέντε από τις έξι προβλέψεις της έχουν επιβεβαιωθεί.

Στις εκτιμήσεις αυτές περιλαμβάνονταν η αποτυχία του del-desiran της Novartis, η επιτυχία του εμβολίου των Moderna και Merck κατά του μελανώματος, το περιορισμένο κλινικό όφελος του καρδιολογικού Wainua των AstraZeneca και Ionis, καθώς και η αποτυχία της αρχικής δοκιμής για το ziltivekimab της Novo Nordisk.

Για να δημιουργήσει έναν εικονικό ανθρώπινο οργανισμό, η πλατφόρμα αξιοποιεί δεδομένα αλληλούχισης DNA, ώστε αυτός να πληροί τα κριτήρια συμμετοχής μιας συγκεκριμένης κλινικής μελέτης. Έπειτα, το ψηφιακό μοντέλο του φαρμάκου που εξετάζεται χρησιμοποιείται για την προσομοίωση της θεραπείας.

Η Τεχνητή Νοημοσύνη δεν επιβεβαιώνει πάντα τις εκτιμήσεις

Παρά την υψηλή ακρίβεια, οι προβλέψεις δεν είναι αλάνθαστες. Η ίδια πλατφόρμα είχε εκτιμήσει ότι το pelacarsen της Novartis θα είχε θετική έκβαση, αν και πρόκειται για φάρμακο που μειώνει τα επίπεδα της λιποπρωτεΐνης(a) στο αίμα.

Τον Σεπτέμβριο, η Novartis γνωστοποίησε πως το φάρμακο δεν μπόρεσε να περιορίσει την πιθανότητα σοβαρού εμφράγματος ή εγκεφαλικού στους ασθενείς που φέρουν έναν συγκεκριμένο γενετικό παράγοντα κινδύνου.

Ο Μπράγκι Λόβετρού, συνιδρυτής της BioinvestGPT, αναγνώρισε ότι το μοντέλο είχε κάνει λανθασμένη εκτίμηση για τον μηχανισμό, επειδή δεν συνυπολόγισε τις γενετικά προσδιορισμένες αποκλίσεις στο μέγεθος της λιποπρωτεΐνης.

BioinvestGPT: Προβλέψεις αποτυχίας για Biogen και Takeda

Μεταξύ των κλινικών δοκιμών που αναμένεται να ανακοινώσουν αποτελέσματα έως το τέλος της χρονιάς, η BioinvestGPT εκτιμά ότι θα αποτύχουν δύο μελέτες Φάσης 3 της Biogen για το litifilimab, που εξετάζεται στην συχνότερη μορφή λύκου.

Παράλληλα, προβλέπει αρνητική έκβαση μελετών Φάσης 2 της Takeda για το zasocitinib στην ελκώδη κολίτιδα και στη νόσο του Crohn, εκτιμώντας ότι τα δύο φάρμακα δεν ταιριάζουν ιδανικά στους συγκεκριμένους πληθυσμούς ασθενών.

Πιο επιφυλακτική ως προς τις προγνωστικές δυνατότητες της Τεχνητής Νοημοσύνης δείχνει η Takeda.

Ο επικεφαλής έρευνας της εταιρείας, Άντι Πλαμπ, ανέφερε ότι έχει «τεράστια εμπιστοσύνη» στον μηχανισμό του zasocitinib και υπογράμμισε πως η επιστήμη δεν έχει φτάσει ακόμη στο στάδιο όπου η Τεχνητή Νοημοσύνη μπορεί να διατυπώνει οριστικές προβλέψεις.

Παρόμοια επιφύλαξη διατύπωσε η Biogen, τονίζοντας ότι οι αλγόριθμοι που αντλούν στοιχεία από ιστορικά δεδομένα ενδέχεται να τείνουν σε αρνητικές εκτιμήσεις για ασθένειες με περιορισμένες εγκεκριμένες θεραπείες.

«Είναι ηθικό να βάζουμε ασθενείς σε μια δοκιμή που πιθανότατα θα αποτύχει;»

Οι ειδικοί συγκλίνουν στο ότι οι κλινικές δοκιμές σε πραγματικές συνθήκες θα παραμείνουν αναγκαίες. Ωστόσο, η Τεχνητή Νοημοσύνη θα μπορούσε να αποτελέσει ένα πρόσθετο φίλτρο, προτού ένα φάρμακο δοκιμαστεί σε εκατοντάδες ή χιλιάδες ασθενείς.

Ο Φρανσίσκο Μπέκα θέτει το θέμα και υπό ηθικό πρίσμα. «Είναι ακόμη ηθικό το 2026 να εκθέτουμε ασθενείς σε μια κλινική δοκιμή που πιθανότατα θα αποτύχει;» διερωτήθηκε.
Κατά την άποψή του, όσο η τεχνολογία προοδεύει, η απάντηση στο συγκεκριμένο ερώτημα μπορεί τα επόμενα χρόνια να γίνει αρνητική.