آنتروپیک چگونه با کلود روند توسعه دارو را سرعت می‌بخشد؟

yourstory.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

آنتروپیک در حال گسترش کاربرد دستیار هوش مصنوعی خود، کلود، فراتر از گفت‌وگو و برنامه‌نویسی است و بررسی می‌کند که این ابزار چگونه می‌تواند از برنامه‌های واقعی توسعه دارو پشتیبانی کند.

این شرکت اعلام کرده است که تیم علوم زیستی آن با شش سازمان همکاری می‌کند: بریستول مایرز اسکوئیب، بیگ‌هت بایوساینسز، جنریت بایومدیسینز، دایورجنس لبز، ان‌ودا و دِ کالمن گروپ. آنتروپیک همچنین فعالیت‌های مستقلی را در زمینه کشف دارو آغاز کرده است.

هدف این نیست که یک چت‌بات جای دانشمندان را بگیرد؛ بلکه آنتروپیک می‌خواهد بررسی کند که آیا هوش مصنوعی می‌تواند مسیر پیچیده توسعه دارو را سریع‌تر کند یا نه؛ مسیری که از شناسایی یک هدف دارویی امیدوارکننده آغاز می‌شود و طراحی مولکول‌ها، آماده‌سازی اسناد نظارتی و بررسی سوابق تولید را نیز در بر می‌گیرد.

کلود وارد فرایند طراحی دارو می‌شود

توسعه دارو تنها به کشف مولکولی با عملکرد مناسب محدود نمی‌شود. پژوهشگران باید طرح‌های اولیه را اصلاح کنند، آن‌ها را بیازمایند، از تولید یکنواخت محصول اطمینان یابند و ایمنی آن را پیش از رسیدن به بیماران ارزیابی کنند.

آنتروپیک در حال آزمایش کلود در مراحل مختلف این فرایند است و نتایج اولیه برخی از این آزمایش‌ها تصویری از زمینه‌هایی ارائه می‌کنند که هوش مصنوعی ممکن است در آن‌ها مفید باشد.

در شرکت جنریت بایومدیسینز، شش دانشمند با استفاده از کلود کد، طرح‌های جدیدی برای بخشی از دستورالعمل‌های ژنتیکی مورد استفاده در درمان سلول‌های CAR-T پیشنهاد کردند؛ روشی که در آن سلول‌های ایمنی برای حمله به سلول‌های سرطانی آماده می‌شوند.

به گفته آنتروپیک، یکی از این طرح‌ها حدود ۷۰ درصد کوتاه‌تر از نسخه استاندارد بود و در آزمایش‌های آزمایشگاهی عملکرد بهتری داشت. این طرح به سلول‌های ایمنی کمک کرد حدود ۱۰ برابر گیرنده بیشتری تولید کنند.

در دایورجنس لبز، کلود به تولید طرح‌های احتمالی برای درمان آلرژی غذایی با استفاده از آنتی‌بادی کمک کرد. هدف این رویکرد جدا کردن مولکول IgE، که در واکنش‌های آلرژیک نقش دارد، از سلول‌های ایمنی است. آنتروپیک می‌گوید کلود طی حدود یک ماه نزدیک به ۳۵ هزار طرح آنتی‌بادی تولید کرد.

پژوهشگران از میان این طرح‌ها، نمونه‌هایی را برای آزمایش‌های بیشتر انتخاب کردند. در این فرایند، نامزدهایی شناسایی شدند که می‌توانستند به IgE متصل شوند و نمونه‌های دیگری نیز یافت شدند که توانایی جدا کردن این مولکول را داشتند.

این نتایج هنوز مقدماتی هستند، اما نشان می‌دهند هوش مصنوعی چگونه می‌تواند به پژوهشگران امکان دهد پیش از انتخاب گزینه‌های مناسب برای بررسی دقیق‌تر، دامنه بسیار گسترده‌تری از راهکارهای احتمالی را ارزیابی کنند.

هوش مصنوعی به سراغ کاغذبازی‌های اداری هم می‌رود

همه موانع توسعه دارو به فعالیت‌های آزمایشگاهی مربوط نمی‌شوند. مستندسازی، کنترل کیفیت و تهیه پرونده‌های نظارتی نیز ممکن است هفته‌ها از وقت متخصصان را بگیرند.

آنتروپیک اعلام کرده است که کلود در شرکت ان‌ودا، ۱٬۰۶۱ صفحه از اسناد تولید را بررسی کرد و هر ۱۱ موردی را که بررسی‌کنندگان انسانی شناسایی کرده بودند، یافت؛ علاوه بر این، هفت مورد دیگر را نیز مشخص کرد. زمان بررسی اسناد ۸۹ درصد کاهش یافت و از بیش از ۲۵ ساعت به کمتر از سه ساعت رسید.

کلود همچنین پیش‌نویس اسناد نظارتی را تهیه کرد. به گزارش آنتروپیک، آماده‌سازی یکی از این اسناد با کمک کلود چهار ساعت زمان برد، در حالی که تهیه دستی آن حدود سه ماه طول می‌کشید.

این نتایج نشان می‌دهند نقش هوش مصنوعی ممکن است فراتر از کشف درمان‌های جدید باشد. این فناوری می‌تواند با کاهش زمان صرف‌شده برای بررسی اسناد، به پژوهشگران فرصت بیشتری بدهد تا شواهد علمی را ارزیابی کنند.

از آزمایش‌های اولیه تا داروهای واقعی

آنتروپیک همچنین در زمینه برنامه‌ریزی کارآزمایی‌های بالینی با بریستول مایرز اسکوئیب همکاری می‌کند. این شرکت به‌طور جداگانه میثرل مدیسین را نیز خریداری کرده است؛ مجموعه‌ای کوچک فعال در حوزه کشف دارو که بر شکل‌های نادر دیستروفی عضلانی تمرکز دارد.

این برنامه در آزمایش‌های انجام‌شده روی موش‌ها نتایج امیدوارکننده‌ای نشان داده است. اگر نامزدهای دارویی در بررسی‌های بعدی نیز نتایج مطلوب خود را حفظ کنند، احتمال دارد آزمایش روی انسان از اواخر سال ۲۰۲۸ آغاز شود.

با این حال، باید به یک نکته مهم توجه داشت: بخش عمده این فعالیت‌ها هنوز در مرحله پیش‌بالینی قرار دارند؛ یعنی درمان‌های مورد بررسی هنوز به مرحله آزمایش روی انسان نرسیده‌اند. طراحی بهتر و مستندسازی سریع‌تر نیز لزوماً به تولید داروهایی ایمن و مؤثر منجر نمی‌شود.

کلود ممکن است به پژوهشگران کمک کند سریع‌تر پیش بروند، اما آزمون واقعی این فناوری آن است که آیا دستاوردهای اولیه آن در مسیر طولانی و دشوار توسعه دارو نیز پابرجا می‌مانند یا نه. در پزشکی، یک آزمایش امیدوارکننده نقطه آغاز است، نه خط پایان.