Σε αυτή την εκδήλωση “Briefing: Τεχνητή Νοημοσύνη για την Επιστήμη” Νωρίτερα αυτή την εβδομάδα, η Anthropic ανακοίνωσε το Cloud Science, ένα νέο έργο.Πάγκος εργασίας τεχνητής νοημοσύνης για επιστήμονες“Το οποίο τραβάει κατακερματισμένα εργαλεία και σύνολα δεδομένων σε ένα ενιαίο περιβάλλον, δημιουργώντας αριθμούς και γραφικά. Η Anthropic, η οποία ήδη κυριαρχεί στη βιομηχανία με δημοφιλή εργαλεία κωδικοποίησης και ισχυρά μοντέλα τεχνητής νοημοσύνης, πλαισιώνει την κυκλοφορία γύρω από αυτό που λέει ότι είναι η ικανότητα της τεχνητής νοημοσύνης να “επιταχύνει δραματικά τον ρυθμό της επιστημονικής ανακάλυψης και την ανάπτυξη επεμβάσεων υγειονομικής περίθαλψης χρησιμοποιώντας ήδη μια μακρά λίστα με φαρμακοτεχνικές εφαρμογές.”
Η Anthropic προχώρησε επίσης παραπέρα, λέγοντας ότι θα αναπτύξει τα δικά της φάρμακα. Πρόεδρος του Τμήματος Επιστημών της Ζωής, Eric Kuderer Abrams είπε Η εταιρεία θα επικεντρωθεί στην ανακάλυψη θεραπειών για «παραμελημένες» ασθένειες.
Οι εταιρείες τεχνητής νοημοσύνης επιθυμούν να προσελκύσουν πελάτες επιστήμης και φαρμακευτικής βιομηχανίας – OpenAI, Αμαζόνα, Googleκαι άλλοι έχουν τα δικά τους εργαλεία και πλατφόρμες για τις βιοεπιστήμες. Αλλά η σχεδιαζόμενη κίνηση της Anthropic είναι μια από τις πιο άμεσες δημόσιες προσπάθειες μιας μεγάλης συνοριακής εταιρείας τεχνητής νοημοσύνης να αναπτύξει η ίδια φάρμακα. Αυτό το τοποθετεί στην ασυνήθιστη θέση της πώλησης λογισμικού σε άλλους δυνητικά ανταγωνιστικούς κατασκευαστές φαρμάκων. Η Anthropic συμμετέχει σε μια ευρύτερη κούρσα που περιλαμβάνει φαρμακευτικές εταιρείες που προέρχονται από την τεχνητή νοημοσύνη, όπως η Insilico, η Google DeepMind, η Isomorphic Labs, οι νεοφυείς επιχειρήσεις βιοτεχνολογίας και τα μεγάλα φαρμακεία που κατασκευάζουν ή αγοράζουν τα δικά τους εργαλεία τεχνητής νοημοσύνης.
Η Anthropic έχει παράσχει πολύ λίγες συγκεκριμένες λεπτομέρειες σχετικά με το τι ελπίζει να επιτύχει στην ανάπτυξη φαρμάκων. Στην εκδήλωση, η Kuderer-Abrams δεν είπε τι θα έκανε η εταιρεία εάν έβρισκε πολλά υποσχόμενα φάρμακα. Ο Anthropic δεν ανταποκρίθηκε ΑκρηΤα αιτήματα για σχόλια αναζητούν περισσότερες λεπτομέρειες, όπως ποιες ασθένειες σχεδιάζει να στοχεύσει πρώτα και εάν θα συνεργαστεί με άλλες εταιρείες για εργαστηριακές εργασίες, δοκιμές σε ζώα, κλινικές δοκιμές ή κατασκευή.
Η τεχνητή νοημοσύνη εφαρμόζεται σε «κάθε στάδιο της ανακάλυψης φαρμάκων».
Είπαν οι ειδικοί Ακρη Η αβεβαιότητα γύρω από τα σχέδια της Anthropic αντανακλά την ευρύτερη αβεβαιότητα γύρω από την ίδια την έκρηξη των ναρκωτικών της τεχνητής νοημοσύνης. Η «ανακάλυψη φαρμάκων AI» μπορεί να σημαίνει πολλά πράγματα. «Είναι ένας πραγματικά ευρύς όρος», εξήγησε ο Namshik Han, καθηγητής στο Πανεπιστήμιο του Cambridge και συνιδρυτής της startup AI CardiaTec. Η τεχνητή νοημοσύνη εφαρμόζεται σε «κάθε στάδιο της ανακάλυψης φαρμάκων», είπε, από την εύρεση και τη βελτίωση νέων ενώσεων μέχρι την υποστήριξη της έρευνας, της ανάλυσης δεδομένων, των κλινικών δοκιμών, ακόμη και της κατασκευής. Είπε ότι κάθε μεγάλη φαρμακευτική εταιρεία θα χρησιμοποιήσει την τεχνητή νοημοσύνη με κάποιο τρόπο. Ο Μάθιου Τοντ, καθηγητής ανακάλυψης φαρμάκων στο University College του Λονδίνου, επανέλαβε το συναίσθημα ότι η τεχνητή νοημοσύνη εξαπλώνεται ήδη στην ανακάλυψη και την έρευνα φαρμάκων, περιγράφοντάς την ως μια «πιασάρικη φράση» δεδομένου του ευρέος φάσματος χρήσεών της.
Δεν υπάρχει αμφιβολία ότι η τεχνητή νοημοσύνη αλλάζει την ανάπτυξη των φαρμάκων. Αναφέροντας πολλές πρωτοβουλίες φαρμακευτικών κολοσσών όπως η AstraZeneca, η Novo Nordisk και η GSK, ο Hahn είπε ότι η τεχνητή νοημοσύνη μπορεί ήδη να βοηθήσει στη δημιουργία πιθανών ιδεών για φάρμακα, όπως η πρόταση νέων μορίων που θα μπορούσαν να αλληλεπιδράσουν με μέρη του σώματος, όπως κυτταρικούς υποδοχείς που είναι ήδη γνωστό ότι εμπλέκονται σε μια συγκεκριμένη ασθένεια ή αποτελούν στόχους για υπάρχοντα φάρμακα. Είναι εξαιρετικά χρήσιμο για την επιτάχυνση της έρευνας και για να βοηθήσει στη «δοκιμή δρόμου» νέων ιδεών για φάρμακα, είπε ο Τοντ. Δεδομένης της εργασίας της Anthropic σε πρωτοποριακά μοντέλα, η εταιρεία υποτίθεται ότι θα χρησιμοποιήσει γενετική τεχνητή νοημοσύνη για να αναζητήσει τεράστιες χημικές και βιολογικές δυνατότητες και να βοηθήσει τους ερευνητές να δημιουργήσουν συνδέσεις που μπορεί να είναι δύσκολο ή αργό να βρουν διαφορετικά, προτείνοντας νέες ιδέες για φάρμακα, εντοπισμό νέων στόχων ασθενειών ή βρίσκοντας νέες χρήσεις για υπάρχοντα φάρμακα.
Ωστόσο, υπάρχει ακόμη πολύς δρόμος για να φτάσει το φάρμακο που έχει σχεδιαστεί με τεχνητή νοημοσύνη στους ασθενείς. Ο Todd είπε ότι το πεδίο είναι «πολύ μακριά» από τη λήψη ρυθμιστικής έγκρισης για ένα φάρμακο σχεδιασμένο από AI για ανθρώπινη χρήση. Πρόσθεσε ότι η διαδικασία ανακάλυψης φαρμάκων δεν θα πραγματοποιηθεί ανεξάρτητα, με την ανθρώπινη συνδρομή και επίβλεψη να απαιτείται ανά πάσα στιγμή. Τόσο ο Todd όσο και ο Hahn επισημαίνουν ότι η έλλειψη δημοσίως διαθέσιμων υψηλής ποιότητας πειραματικών δεδομένων, όπως το πώς συμπεριφέρονται οι διαφορετικές χημικές ουσίες στο σώμα, μπορεί επίσης να επιβραδύνει τις προσπάθειες ανάπτυξης φαρμάκων, τονίζοντας ότι ακόμη και για καλά μελετημένους τομείς της βιολογίας εξακολουθούν να υπάρχουν μεγάλα κενά στην κατανόηση του πώς λειτουργούν τα πράγματα.
Τα μοντέλα τεχνητής νοημοσύνης «δεν είναι ακόμη κοντά στο να κάνουν τα πειράματα περιττά».
Η τεχνητή νοημοσύνη δεν είναι σε θέση να διορθώσει πολλά από τα πιο αργά μέρη της ανακάλυψης φαρμάκων. Ο Frank von Delft, καθηγητής χημικής δομικής βιολογίας στο Πανεπιστήμιο της Οξφόρδης και επικεφαλής του τμήματος κρυσταλλογραφίας πρωτεϊνών στο Κέντρο Ανακάλυψης Φαρμάκων της Οξφόρδης, είπε ότι οι άνθρωποι έχουν δίκιο να ενθουσιάζονται με τα προηγμένα μοντέλα τεχνητής νοημοσύνης, αλλά «δεν είναι ακόμη κοντά στο να κάνουν τα πειράματα περιττά». Τα υποψήφια φάρμακα δεν έχουν ακόμη δοκιμαστεί στον πραγματικό κόσμο για να επιβεβαιωθεί η αποτελεσματικότητα και η τοξικότητά τους και εάν έχουν πρακτικές ιδιότητες που τους επιτρέπουν να παρασκευάζονται, να αποθηκεύονται και να παραδίδονται με ασφάλεια ως φάρμακα. Όλα αυτά απαιτούν εξειδικευμένο εργατικό δυναμικό, πολλά χρήματα, χρόνο και ειδικά κλινική εργασία σε ανθρώπους – το σημείο όπου πολλοί υποσχόμενοι υποψήφιοι φάρμακα αποτυγχάνουν. Εάν η Anthropic ήθελε να αναπτύξει ένα φάρμακο, «θα έπρεπε να ξοδέψει πολλά για δοκιμές», είπε ο von Delft.
Ο Anthropist μπορεί να είναι πρόθυμος να προσπαθήσει. Πέρυσι, η εταιρεία Επιστρατεύει ενεργά βιολόγους και χτίζει τα δικά της υγρά εργαστήριαΌσο γράφω αυτό το άρθρο, έχω πολλά Ζωντανές εφαρμογές Πρόσληψη για ρόλους βιοεπιστημών. Η Anthropic «στρατολογεί ενεργά» και στην περιοχή, είπε ο Χαν, προσθέτοντας ότι η εταιρεία έχει έρθει σε επαφή με αρκετούς συναδέλφους ακαδημαϊκούς. Χωρίς να κατονομάσει ονόματα, ο Χαν είπε ότι πιστεύει ότι η Anthropic έχει στρατολογήσει με επιτυχία έναν μικρό αριθμό υποψηφίων πέρα από μεγάλες φαρμακευτικές εταιρείες και αναγνωρισμένα ακαδημαϊκά ιδρύματα.
Με όλη αυτή την πολυπλοκότητα, όποια ασθένεια κι αν επιλέξει η Anthropologie, οποιαδήποτε ανταμοιβή είναι πιθανό να είναι πολύ μακριά – τουλάχιστον, το καλύτερο μέρος μιας δεκαετίας, δεδομένου Πόση ώρα Συνήθως χρειάζεται ένα νέο φάρμακο για να περάσει από κλινικές δοκιμές. «Υπάρχει πάντα μια τεράστια καθυστέρηση» στις δοκιμές φαρμάκων, είπε ο Τοντ. «Χρειάζεται χρόνος για να δείξουμε πειραματικά ότι κάτι είναι ασφαλές». Κανένα φάρμακο σχεδιασμένο με τεχνητή νοημοσύνη δεν έχει περάσει ποτέ κλινικές δοκιμές και έγκριση FDA για να φτάσει στην αγορά. Ορισμένοι υποψήφιοι για προηγμένη τεχνητή νοημοσύνη έχουν μπήκα Κλινικός δοκιμές, αλλά είναι δύσκολο να γνωρίζουμε πόσο θα συνεισφέρει η τεχνητή νοημοσύνη, πού χρησιμοποιήθηκε κατά τη διάρκεια της διαδικασίας ή εάν αυτοί οι υποψήφιοι ξεπερνούν τα παραδοσιακά φάρμακα. Η τεχνητή νοημοσύνη μπορεί να επιταχύνει μέρος της έρευνας, αλλά τα φάρμακα πρέπει ακόμα να αποδειχθούν με τον παλιομοδίτικο τρόπο: μέσω αργών, μεθοδικών δοκιμών που διεξάγονται στον πραγματικό κόσμο.
