КАК ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ УСКОРЯЕТ БИОЛОГИЧЕСКИЕ НАУКИ

Как искусственный интеллект ускоряет биологические науки

Процедура разработки лекарств - длительная и рискованная. Она занимает ошеломляющие 10-15 лет. В конечном счете, только 12 процентов лекарств, пройдя клинические испытания, получают одобрение Управления по контролю за продуктами и лекарствами США (FDA).

Статистика показывает, что в 2017 году 22,7 процента всех расходов на исследования и разработки в сфере здравоохранения были заняты в медицине, и 23,1 процент в индустрии вычислительной техники и электроники. Но жизненный цикл продукта и его стоимость намного выше. Для создания iPhone потребовалось два с половиной года: от концепции до запуска в продажу. Затраты потраченные на исследования и разработку составили 150 миллионов долларов.

Как ИИ сокращает время разработки лекарстваСравните: средняя стоимость создания новых лекарств и биологических препаратов составляет 2,87 млрд. долл. США при факторизации расходов на исследования и разработки после одобрения, согласно данным, опубликованным в мае 2016 года Центром по изучению развития лекарственных средств (CSDD) "Туфтс". Для фармацевтических компаний, которые запустили более четырех препаратов, средняя стоимость даже ближе к 5,3 млрд. долл. США, согласно анализу отраслевого эксперта Мэтью Херпера из Forbes.

Искусственный интеллект может значительно сократить время, затрачиваемое компаниями на исследования и разработки для новых лекарств.

Как ИИ сокращает время разработки лекарства

Ряд перспективных венчурных компаний и инвесторов разместили ранние ставки на стартапы ИИ в области естественных наук. ИИ может значительно сократить время, затрачиваемое на разработку новых лекарств, что реально экономит средства. ИИ используется при обнаружении и развитии лекарств несколькими способами:

  • Органический синтез и дизайн
  • Оценка сложности синтеза
  • Автоматизация проектирования молекул
  • Предсказание результатов органических реакций
  • Автоматизированный синтез
  • Компьютерный ретросинтез, основанный на молекулярном сходстве
  • Предсказывать эффективность препарата при тестировании
  • Откройте для себя использование без метки
  • Предсказывать токсичность перед клиническими испытаниями
  • Индивидуальная медицина

Например, запуск Atomwise развертывает запатентованные структурные нейронные сети для прогнозирования связывания малых молекул с белками, тем самым ускоряя процесс обнаружения лекарств. Его решение AtomNet позволяет ежедневно анализировать от 10 до 20 миллиардов химических соединений, что сокращает время для обнаружения и оптимизации процесса от нескольких лет до нескольких недель. Atomwise финансируется Y Combinator, OS Fund, Khosla Ventures, Tencent Holdings, Baidu Ventures, Dolby Family Ventures и другими инвесторами в соответствии с Crunchbase.

Пало-Альто, основанная на биофармацевтической биотехнологии AIX, с поддержкой Фонда ОС, Андреасена Горовица Bio Fund, CLI Ventures, Stanford-StartX Fund и Softbank Ventures, предоставляет платформу для обнаружения лекарств, основанную на ИИ, для идентификации in vivo тестирования с использованием прогностических технологий.

Новый проект Insilico Medicine, основанный в 2014 году Алексеем Жаворонковым (при поддержке Pavillion Capital, WuXi appTec, BOLD Capital и др.), Использует генеративные состязательные сети (GAN) для открытия новых молекул, разработки биомаркеров и исследований старения.

Лондонский BenevolentAI нацелен на развертывание ИИ на протяжении всего процесса исследований и разработок, а не только на этапе обнаружения лекарств. По состоянию на апрель 2018 года запуск ИИ поддерживается 200 миллионами долларов из семейных офисов, Woodford Investment Management и других инвесторов. Он имеет препарат Паркинсона в клинических испытаниях фазы 2B, а препарат ALS планируется провести в течение пяти лет.

Инвестиции в ИИ от глобальных фармацевтических гигантов

Инвестиции в ИИ от глобальных фармацевтических гигантовТоп-15 фармацевтических компаний, занявших до 2017 года доход по FiercePharma, - Johnson & Johnson (76 миллиардов долларов), Roche (54 миллиарда долларов), Pfizer (53 миллиарда долларов), Novartis (50 миллиардов долларов), Sanofi (41 миллиард долларов), Merck & Co. (40 млрд долл.), "Аль-Лилли" (23 млрд. Долл. США), «Амген» (23 млрд. Долл. США), «АстраЗенека» (23 млрд. Долл. США), «Тева» (23 млрд. Долл. США), «Байер» (29 млрд. Долл. США) и Bristol-Meyers Squibb (21 миллиард долларов). Вот несколько примеров того, как первая тройка компаний в этом списке финансирует проекты с искусственным интеллектом:

Johnson & Johnson

В Johnson & Johnson Innovation есть инкубатор под названием JLABS. Его резидентные стартапы с технологией ИИ включают в себя Analytics 4 Life, WinterLight Labs, A2A Pharmaceuticals, Envisagenics, Fited, Human Microbiology Institute и Savor Health.

Roche

Компания Precision Medicine GNS Healthcare объявила о сотрудничестве с дочерней компанией Roche Genentech для выявления и подтверждения новых онкологических препаратов и маркеров ответа пациентов.

Pfizer

Pfizer сотрудничает с IBM Watson Health for Drug Discovery, чтобы помочь в иммуно-онкологических исследованиях и разработках. IBM Watson Health for Drug Discovery. Это решение для ИИ, которое содержит данные из четырех миллионов патентов. Плюс к этому 25 миллионов рефератов Medline и более миллиона полнотекстовых медицинских журнальных статей, которые регулярно обновляются.

Pfizer и XtalPi (подкрепленные Google, Sequoia China и Tencent) сотрудничают для объединения квантовой механики и искусственного интеллекта на основе АИ для прогнозирования фармацевтических свойств молекулярных соединений для обнаружения и развития лекарственных средств.

Недавние разработки в исследованиях по ИИ в высших учебных заведениях

Недавние разработки в исследованиях по ИИ в высших учебных заведениях.Исследовательская группа Стэнфорда разработала метод обнаружения лекарств с помощью «одноразового обучения», который значительно уменьшает объем данных, необходимых для выявления новых лекарств. В мае 2018 года исследователи из Массачусетского технологического института сформировали консорциум Machine Learning for Pharmaceutical Discovery and Synthesis с отраслевыми партнерами, которые включают Pfizer, Lilly, Bayer, BASF, Amgen, WuXi, Sunovion и Novartis. Фармацевтическая и биотехнологическая отрасли созревают для революционного прорыва, обеспеченного применением искусственного интеллекта.

Биофармацевтические компании США ежегодно тратят 75 миллиардов долларов на исследования и разработки. Стартапы и корпоративные гиганты вкладывают средства в технологические решения искусственного интеллекта, чтобы сократить время разработки лекарств, получить преимущество перед конкурентами и оставаться жизнеспособными в будущем.

ЧИТАЙТЕ ТАКЖЕ

Задать вопрос

Оставьте свое сообщение и контакты для связи.
Мы с вами обязательно свяжемся.