AI kuriamos personalizuotos vaistų molekulės ir klinikinių tyrimų revoliucija

Dirbtinis intelektas (AI) jau pakeitė tai, kaip rašome tekstus, kuriame vaizdus ir bendraujame su technologijomis. Tačiau didžiausia jo įtaka tik prasideda – vaistų kūrime ir klinikiniuose tyrimuose. 2024–2025 m. farmacijos sektorius išgyvena tylų, bet milžinišką lūžį: nuo atsitiktinių atradimų pereinama prie tikslingai AI kuriamų, pacientui pritaikytų vaistų molekulių.

Kaip AI kuria naujas vaistų molekules

Klasikinis vaistų kūrimas trukdavo 10–15 metų ir kainuodavo milijardus eurų. Didžioji dalis molekulių žlugdavo dar prieš pasiekiant klinikinius tyrimus. AI šį procesą trumpina kelis kartus, nes:

• Generuoja naujas molekules – generatyviniai modeliai (panašūs į tuos, kurie kuria tekstą ar vaizdus) kuria chemines struktūras, atitinkančias norimas savybes.
• Numato aktyvumą – algoritmai prognozuoja, kaip molekulė sąveikaus su konkrečiu baltymu, receptoriumi ar viruso dalimi.
• Optimizuoja savybes – AI keičia molekulės dalis, kad ji būtų stabilesnė, mažiau toksiška, geriau pasisavinama.
• Filtruoja nesėkmes – dar kompiuterio ekrane atmetamos molekulės, kurios greičiausiai bus neveiksmingos ar pavojingos.

Šiandien jau veikia kelios AI platformos, galinčios per kelias dienas sugeneruoti dešimtis tūkstančių potencialių molekulių ir atrinkti keliolika geriausių, kurias verta sintetinti laboratorijoje. Tai radikaliai keičia vaistų atradimo logiką: vietoj metų trukmės bandymų su gyvūnais ir ląstelių kultūromis, didžioji dalis darbo persikelia į kompiuterinius modelius.

Personalizuotos vaistų molekulės: nuo „vieno vaisto visiems“ prie „vieno vaisto tau“

Didžiausia revoliucija – personalizacija. AI ne tik kuria molekules „vidutiniam pacientui“, bet ir leidžia jas pritaikyti konkrečioms žmonių grupėms ar net pavieniam žmogui.

Ką reiškia personalizuotas vaistas?

Personalizuotas vaistas – tai molekulė ar jų kombinacija, parinkta atsižvelgiant į:

• Genetinį profilį – mutacijas, susijusias su liga ar vaistų metabolizmu.
• Biomarkerius – baltymų, fermentų, receptorių išraišką, uždegimo žymenis.
• Gyvensenos duomenis – mitybą, fizinį aktyvumą, miego įpročius, rūkymą.
• Gretutines ligas – širdies, inkstų, kepenų būklę, imuninės sistemos ypatumus.

AI modeliai sujungia šiuos sluoksnius į vieną vaizdą ir padeda sukurti molekules, kurios tiksliau „pataiko“ į ligos mechanizmą konkrečiam pacientui. Tai ypač aktualu onkologijoje, retų ligų ir autoimuninių sutrikimų gydyme.

Skaitmeniniai dvyniai ir virtualūs pacientai

Viena įdomiausių krypčių – skaitmeniniai dvyniai (angl. digital twins). Tai kompiuteriniai modeliai, atspindintys konkretaus žmogaus organizmą: jo anatomiją, fiziologiją, genetiką ir ligos eigą.

AI leidžia:

• sukurti virtualų paciento modelį iš medicininių vaizdų, genetinių tyrimų ir laboratorinių duomenų,
• „išbandyti“ skirtingas vaistų molekules šiame modelyje,
• parinkti labiausiai tikėtiną veiksmingą ir saugią kombinaciją dar prieš skiriant ją realiam žmogui.

Tokie skaitmeniniai dvyniai jau bandomi kardiologijoje ir onkologijoje, o artimiausiais metais tikimasi jų proveržio ir kitose srityse, ypač ten, kur gydymas brangus ir rizikingas.

AI ir klinikinių tyrimų revoliucija

Klinikiniai tyrimai – brangiausia ir lėčiausia vaistų kūrimo dalis. Istoriškai tik maža dalis molekulių, pasiekusių kliniką, galiausiai tapdavo registruotais vaistais. AI čia keičia žaidimo taisykles keliais lygiais.

Greitesnė pacientų atranka

Viena didžiausių problemų – tinkamų dalyvių suradimas. AI gali:

• analizuoti elektroninius sveikatos įrašus ir greičiau rasti žmones, atitinkančius įtraukimo kriterijus,
• įvertinti riziką, kas gali patirti šalutinį poveikį,
• užtikrinti įvairesnes dalyvių grupes (pagal amžių, lytį, etninę kilmę), kad rezultatai būtų patikimesni.

Taip trumpėja pacientų įtraukimo fazė, kuri anksčiau galėdavo trukti metus ar ilgiau.

Virtualūs ir hibridiniai klinikiniai tyrimai

Po COVID-19 pandemijos išpopuliarėjo nuotoliniai klinikiniai tyrimai. AI čia atlieka svarbų vaidmenį:

• analizuoja išmaniuosius laikrodžius ir jutiklius (širdies ritmą, miegą, aktyvumą),
• automatiškai fiksuoja šalutinius reiškinius,
• padeda prognozuoti, kurie dalyviai gali nutraukti dalyvavimą ir laiku įsikišti.

Tokie tyrimai tampa pigiau, greičiau ir patogiau pacientams, nes mažėja kelionių į ligonines, daugiau duomenų renkama realiame gyvenime, o ne tik vizito metu.

AI modeliai, numatantys sėkmės tikimybę

Farmacijos įmonės vis dažniau naudoja AI, kad dar prieš brangiausias tyrimų fazes įvertintų:

• koks yra tikėtinas vaisto efektyvumas,
• koks gali būti šalutinių reiškinių profilis,
• ar verta tęsti projektą iki III fazės, ar geriau anksti jį nutraukti ir taupyti išteklius.

Tokie modeliai remiasi istoriniais tūkstančių klinikinių tyrimų duomenimis, biomarkeriais ir ankstyvais saugumo signalais. Tai ne tik mažina finansinę riziką, bet ir padeda išvengti nereikalingų eksperimentų su žmonėmis.

Generatyvinis AI farmacijoje: ką jis daro praktiškai?

Generatyvinis AI (t. y. modeliai, kurie „kuria“ naują turinį) farmacijoje jau taikomas keliuose etapuose:

• Molekulių dizainas – generuojamos struktūros, atitinkančios norimus fiziko-cheminius parametrus ir biologinį aktyvumą.
• Baltymų struktūrų prognozavimas – nuo „AlphaFold“ eros AI padeda atspėti, kaip atrodo baltymai, į kuriuos taikosi vaistai.
• Formulių optimizavimas – AI siūlo, kaip keisti pagalbines medžiagas, kad pagerėtų tirpumas, stabilumas, skonis.
• Dozavimo režimų kūrimas – modeliai padeda parinkti dozes ir vartojimo dažnį, kad būtų pasiektas optimalus poveikis su mažiausiu šalutiniu profiliu.

Vis daugiau startuolių ir didžiųjų farmacijos kompanijų kuria savo generatyvinius modelius, treniruotus ant nuosavų, ne viešai prieinamų duomenų. Tai tampa strateginiu pranašumu rinkoje.

Privalumai pacientams ir sveikatos sistemoms

AI kuriamos personalizuotos vaistų molekulės ir išmanūs klinikiniai tyrimai atneša apčiuopiamos naudos:

• Greitesnė naujų vaistų pasiūla – trumpesnis kelias nuo idėjos iki registracijos.
• Tikslesnis gydymas – mažiau „bandymų ir klaidų“, daugiau individualiai parinktų terapijų.
• Mažiau šalutinių reiškinių – vaistai kurti atsižvelgiant į genetines ir klinikines ypatybes.
• Efektyvesnis biudžetų naudojimas – mažiau nesėkmingų tyrimų, daugiau sėkmingų projektų.

Ilgainiui tai gali reikšti ir mažesnes vaistų kainas, nors čia daug priklausys nuo reguliavimo, kompensavimo modelių ir konkurencijos.

Iššūkiai ir rizikos: ne tik technologija, bet ir etika

Nors AI potencialas milžiniškas, kartu kyla ir rimtų klausimų.

Duomenų kokybė ir šališkumas

AI modeliai yra tokie geri, kokie geri duomenys, kuriais jie mokomi. Jei:

• tyrimuose dominuoja viena etninė grupė,
• trūksta vyresnio amžiaus ar vaikų duomenų,
• nepakankamai atspindimi lėtinėmis ligomis sergantys pacientai,

tada ir AI sprendimai gali būti šališki. Tai reiškia, kad personalizuoti vaistai gali būti „personalizuoti“ tik daliai visuomenės. Šią problemą jau aktyviai nagrinėja tiek reguliuotojai, tiek mokslininkai.

Privatumas ir duomenų apsauga

Personalizacija remiasi itin jautriais duomenimis: genetika, ligos istorija, net gyvenimo būdas. Europoje (įskaitant Lietuvą) tokius projektus riboja ir saugo BDAR (GDPR) ir sveikatos duomenų įstatymai.

Kyla klausimai:

• kas valdo paciento duomenis ir AI sukurtus modelius,
• kaip užtikrinti, kad duomenys nebūtų panaudoti draudimo ar darbo santykiuose,
• kaip skaidriai informuoti pacientus apie tai, kaip jų duomenys naudojami.

Reguliavimas ir atsakomybė

Jei AI sukurtas vaistas sukelia netikėtą žalą, kas atsako?

• programinės įrangos kūrėjas,
• farmacijos kompanija,
• gydytojas, skyręs vaistą,
• ar visi kartu?

Europos Sąjunga 2024–2025 m. priima naujus AI reguliavimo dokumentus, kurie paveiks ir medicininius AI sprendimus. Tikėtina, kad aukštos rizikos srityse (kaip sveikata) bus reikalaujama skaidrumo, audituojamų modelių ir aiškios atsakomybės grandinės.

Kaip šios tendencijos palies Lietuvą?

Lietuva jau dabar aktyviai investuoja į biotechnologijas ir sveikatos duomenų ekosistemą. Keli aspektai ypač svarbūs artimiausiais metais:

• Nacionaliniai sveikatos duomenų centrai – centralizuoti anonimizuoti duomenys gali tapti pagrindu AI tyrimams ir bendriems projektams su tarptautinėmis farmacijos įmonėmis.
• Startuoliai – Vilniuje ir Kaune atsiranda įmonių, kuriančių AI sprendimus diagnostikai, vaistų atradimui ir klinikinių tyrimų valdymui.
• Universitetų ir verslo partnerystės – bendrai kuriami moksliniai projektai, kuriuose AI taikomas genetikos, onkologijos, kardiologijos srityse.

Jei šios iniciatyvos bus nuosekliai remiamos, Lietuva gali tapti regioniniu centru, kuriame testuojami ir diegiami AI paremti vaistų kūrimo ir klinikinių tyrimų sprendimai.

Ko tikėtis per artimiausius 5–10 metų?

Žvelgiant į dabartinę kryptį, tikėtina, kad:

• vis daugiau naujų vaistų kandidatų bus sukurti AI pagalba nuo pat pirmos dienos,
• klinikiniuose tyrimuose plačiai bus naudojami skaitmeniniai biomarkeriai ir nuotolinė stebėsena,
• onkologijoje ir retų ligų gydyme atsiras mažų, labai tikslinių vaistų „nišos“,
• reguliuotojai sukurs aiškesnes taisykles AI modelių patvirtinimui ir priežiūrai.

Galiausiai, pacientas išvys ne „AI“ kaip atskirą produktą, o išmanesnę, greitesnę ir labiau pritaikytą sveikatos priežiūrą, kurioje AI taps nematoma, bet esmine infrastruktūros dalimi.

Išvada: AI – naujas vaistų kūrimo variklis

AI kuriamos personalizuotos vaistų molekulės ir klinikinių tyrimų revoliucija – tai ne futuristinė vizija, o jau vykstantis pokytis. Nuo generatyvinių modelių, kuriančių molekules kompiuteryje, iki skaitmeninių dvynių ir nuotolinių tyrimų – visa tai keičia farmacijos pramonės logiką.

Didžiausias iššūkis dabar – ne vien technologija, o atsakingas jos taikymas: kokybiški duomenys, etiškas naudojimas, skaidrumas ir aiškus reguliavimas. Jei šie klausimai bus išspręsti, AI gali paversti vaistų kūrimą iš lėto ir brangaus proceso į lankstų, greitą ir pacientui draugišką ekosistemą.

DUK apie AI kuriamas vaistų molekules ir klinikinius tyrimus

Ar AI sukurtus vaistus saugiau vartoti nei įprastus?

AI nepašalina rizikos, tačiau padeda ją geriau numatyti. Kad ir kaip būtų sukurtas vaistas, jis vis tiek praeina tuos pačius griežtus klinikinių tyrimų etapus. AI leidžia anksčiau identifikuoti potencialiai pavojingas molekules ir jų atsisakyti, todėl iki paciento dažniau „ateina“ saugesni kandidatai.

Ar AI pakeis gydytojus skiriant vaistus?

AI labiau veiks kaip išmanusis pagalbininkas. Jis analizuos duomenis, siūlys personalizuotas gydymo strategijas ir įspės apie rizikas, tačiau galutinius sprendimus priims gydytojas kartu su pacientu. Teisiniai ir etiniai standartai artimiausiu metu išlaikys žmogaus atsakomybę centre.

Ar pacientas gali atsisakyti, kad jo duomenys būtų naudojami AI modeliams?

Taip. Pagal ES ir Lietuvos teisę paciento sutikimas ir informuotumas yra būtini. Dažniausiai duomenys tyrimams yra anonimizuojami, tačiau žmogus turi teisę žinoti, kaip jie naudojami, ir atsisakyti dalyvauti. Tai ypač svarbu kuriant pasitikėjimą AI sprendimais sveikatos sektoriuje.