Тренд на цифровую трансформацию производств, активно развивающийся в последние годы, не обошел стороной и фармацевтику. С 2005 года количество случаев внедрения искусственного интеллекта в медицинские процессы выросло почти в 62 раза. О том, как с помощью таких технологий можно улучшить здоровье человека и ускорить разработку лекарств, рассказала директор по акселерации и партнерам биомедицинского кластера Фонда «Сколково» Камила Зарубина.
Искусство фармацевтического интеллекта
Искусственный интеллект (ИИ), используемый в фармацевтике и других отраслях биопромышленности, представляет собой узконаправленный тип машинного интеллекта. Он предназначен для решения конкретных задач с использованием автоматизированных алгоритмов. Его цель — находить скрытые закономерности и собирать информацию из огромных объемов данных способами, недоступными человеку. Применение варьируется от автоматизации производственных процессов и клинических приложений до открытия новых лекарств.
У разработки лекарственного препарата есть несколько этапов:
- поиск молекулы или лекарственного кандидата;
- поиск мишени;
- соединение молекулы с мишенью и подтверждение концепции механизма действия молекулы;
- доклинические и клинические исследования.
ИИ-алгоритмы можно использовать на каждом этапе разработки. Например, провести анализ молекулы, сделать предварительную модель ее воздействия на мишень. Далее проверить, каким будет ее механизм воздействия на определенные органы человека. После этого моделируются доклинические и клинические исследования.
Все знают, что разработка лекарства — это очень долго и дорого. И вся фарминдустрия нацелена на сокращение риска для человека до возможного минимума. Классические методы проверки препарата на безопасность занимают много времени. А алгоритмы математического моделирования позволяют сократить срок разработки без ущерба безопасности будущего лекарства.
Быстрее, лучше, точнее
Таким образом, можно говорить сразу о двух позитивных эффектах, которые дает искусственный интеллект фармацевтической отрасли. Во-первых, он сокращает время на разработку, а во-вторых — позволяет оптимизировать затраты и сделать итоговую стоимость препарата ниже. У нас есть несколько резидентов, которые работают над ИИ-сервисами для моделирования процесса разработки лекарственных препаратов.
Например, SaaS-платформа «Энроллми.ру» помогает организовывать клинические и наблюдательные исследования. Сегодня этот сервис объединяет более четырех тысяч врачей в 125 городах по всей стране. С его помощью ученые могут делиться лучшими практиками, быстрее подготавливать исследования и находить участников, оптимизировать бюджет. При этом специальное ПО надежно защищает данные пациентов.
Еще один яркий пример из числа участников проекта «Сколково» - «Инсилико». Компания с мировым именем разрабатывает ПО, интегрирующее в себе омиксные данные и глубокое обучение для оценки токсичности, фармакокинетических свойств и воздействия препаратов на организм. Другой резидент — «Онкоюнайт» — разрабатывает тест-системы для раннего обнаружения и мониторинга эффективности лечения меланомы. Сейчас она также переходит на другие нозологии.
Также врачи часто сталкиваются с проблемой, когда новые болезни или последующие штаммы уже известных инфекций становятся все более устойчивы к антибиотикам. Живым организмам свойственно приспосабливаться к окружающей среде и выживать, несмотря на неблагоприятные факторы. То же происходит с болезнями — антибиотик со временем перестает действовать на бактерии, поскольку они адаптируются. Соответственно, лечения не происходит. Хотелось бы, чтобы и в этом нам помог искусственный интеллект.
Однако пока это просто перспективное направление — какие-то конкретные продукты, готовые к внедрению в реальную клиническую практику, пока назвать трудно. Но очевидно, что специальным образом обученные нейросети могли бы выявлять пациентов, у которых велик шанс возникновения антибиотикорезистентности, и советовать аналог препарата, который в данном случае подойдет лучше. Плюс ИИ-алгоритмы могут ускорить разработку антибиотиков нового поколения — но это уже среднесрочная перспектива с горизонтом порядка десяти лет. И в целом это уже ближе к предиктивной медицине.
Опережая время
Собственно, предиктивность — это один из неоспоримых аспектов медицины будущего. Чтобы выйти на новый уровень качества жизни, нам необходимо совершить переход от лечения болезней к их предупреждению. Большие данные и технологии машинного обучения позволят точнее оценивать риски появления у пациента конкретного заболевания. Благодаря этому врач сможет назначить препараты, которые остановят болезнь на ранних стадиях или вообще предотвратят заражение.
Подобные проекты уже существуют — например, облачная платформа Webiomed, разработанная резидентом «Сколково», компанией «К-Скай». На основе загруженных медицинских данных сервис прогнозирует возможное развитие заболеваний, а также дает рекомендации по лечению или назначению дополнительных обследований. Сейчас в системе хранятся около 200 млн обезличенных данных пациентов из 11 регионов России. Специалисты постоянно совершенствуют нейросеть, обучая ее находить в медданных новые взаимосвязи. В конечном итоге это приведет к разработке более эффективных планов профилактики и лечения.
Кстати, год назад «К-Скай» заключила соглашение о сотрудничестве с другим сколковским стартапом — компанией «СберМедИИ». Ее платформа MDDC объединяет более 50 новейших разработок и решений в области ИИ. А теперь пользователи платформы получат также доступ к инструментам прогнозирования около 40 заболеваний, которые становятся основными причинами смертности в России.
За этими технологиями — наше будущее. Но, к сожалению, именно этот факт также является одним из барьеров на пути развития ИИ в медицине и фармакологии. Врачи, взаимодействуя с инновационными платформами и цифровыми помощниками, часто не понимают, почему алгоритм предлагает им те или иные решения. А непонимание порождает сомнения в совершенстве искусственного интеллекта. Но если речь идет о здоровье и жизни пациента — ошибки недопустимы. Конечно, ИИ никогда полностью не заменит врача, но чтобы специалист доверял своей консультационной системе, она должна гарантировать точность прогнозов на 100%. Только тогда будет возможно широкое внедрение современных технологий в медтехе.
Второй спорный момент — довольно длительная разработка. Для того, чтобы нейросеть научилась качественно и эффективно помогать в создании лекарств и анализе данных, ее нужно хорошо обучить. Для этого привлекаются медицинские эксперты, что увеличивает временные затраты на отработку технологии.
И, наконец, стоимость разработки ИИ. Сегодня отрасль испытывает недостаток кадров, обладающих достаточными компетенциями и опытом для работы с нейронными сетями в специфике фармтеха. Поэтому каждый продукт не только создается долго, но и стоит дорого. Однако здесь важно понимать, что любая нейросеть все равно обойдется дешевле проведенного по всем правилам классического исследования. Поэтому со временем эти затраты неизбежно окупятся — ИИ будет совершенствоваться, ускоряя разработку и внедрение новых лекарств и повышая их эффективность. А следом придет и доверие профессионалов.