از ۴۹ میلیارد ترکیب تا یک دارو؛ هوش مصنوعی چگونه مسیر کشف دارو را تغییر می‌دهد؟

به گزارش گروه دانشگاه خبرگزاری دانشجو؛ تأیید مشروط داروی «Mprosevir» در چین، فراتر از یک خبر دارویی، نشانه‌ای از تغییر در یکی از زمان‌برترین مراحل صنعت داروسازی است؛ مرحله‌ای که در آن پژوهشگران باید از میان حجم بسیار بزرگی از ترکیبات شیمیایی، مولکولی را پیدا کنند که هم اثرگذاری مناسبی داشته باشد و هم از نظر سمیت و ویژگی‌های دارویی قابل استفاده باشد.

در این پروژه، پژوهشگران دانشگاه وست‌لیک، آزمایشگاه وست‌لیک، جست‌وجوی خود برای یافتن ترکیب مناسب را در کتابخانه‌ای شامل حدود ۴۹ میلیارد ترکیب آغاز کردند. فناوری کتابخانه‌های رمزگذاری‌شده DNA یا DEL ابتدا بیش از ۱۰۰ گزینه را شناسایی کرد، اما در مرحله بعد هوش مصنوعی توانست این فهرست را در چند روز به ۹ مولکول کاهش دهد. آزمایش‌های بعدی نشان داد ۶ مورد از این ۹ مولکول فعالیت قابل توجهی دارند و در نهایت WLU۶۹۳۷ به‌عنوان گزینه اصلی انتخاب شد.

اهمیت این اتفاق دقیقاً در همین نقطه مشخص می‌شود. هوش مصنوعی در این پروژه قرار نیست جای دانشمند را بگیرد و یک دارو را به‌تنهایی «اختراع» کند؛ بلکه مسئله اصلی، کاهش حجم جست‌وجوی انسانی است. پژوهشگر به جای آنکه تعداد بسیار زیادی از گزینه‌ها را به‌صورت یک‌به‌یک بررسی کند، از مدل هوش مصنوعی برای پیدا کردن گزینه‌هایی استفاده می‌کند که ارزش آزمایش بیشتر دارند.

این تفاوت کوچک به نظر می‌رسد، اما در صنعت دارو می‌تواند تعیین‌کننده باشد. هرچه مرحله کشف و انتخاب مولکول سریع‌تر و دقیق‌تر انجام شود، منابع انسانی و آزمایشگاهی کمتری برای بررسی گزینه‌های نامناسب مصرف خواهد شد.

نکته مهم دیگر این است که هوش مصنوعی در این پروژه فقط در ابتدای مسیر استفاده نشد. پس از انتخاب WLU۶۹۳۷، تیم تحقیقاتی حدود دو سال روی بهینه‌سازی این مولکول، افزایش اثرگذاری، بهبود ویژگی‌های دارویی و کاهش سمیت آن کار کرد و هوش مصنوعی در بخش‌های مختلف این فرآیند نیز مورد استفاده قرار گرفت.

به همین دلیل، آنچه در چین اتفاق افتاده را نباید صرفاً «ساخت یک دارو با هوش مصنوعی» دانست. اتفاق مهم‌تر، شکل‌گیری یک چرخه مشترک میان مدل‌های هوش مصنوعی و آزمایشگاه است؛ یعنی مدل گزینه‌ها را پیشنهاد می‌دهد، آزمایشگاه آنها را بررسی می‌کند، نتایج آزمایش دوباره وارد مدل می‌شود و مدل با داده‌های واقعی دقیق‌تر می‌شود. تیم وست‌لیک از این رویکرد با عنوان ترکیب DEL و AI یاد کرده است.

از این منظر، عدد ۴۹ میلیارد شاید جذاب‌ترین بخش ماجرا باشد، اما مهم‌ترین پیام پروژه چیز دیگری است: هوش مصنوعی در داروسازی دیگر فقط ابزاری برای تحلیل داده‌های پزشکی نیست و می‌تواند وارد مرحله‌ای شود که پیش از تولید دارو، درباره مناسب‌ترین مولکول‌ها تصمیم‌گیری می‌شود.

البته این اتفاق به معنای حذف آزمایشگاه یا کوتاه شدن قطعی تمام مراحل تولید دارو نیست. Mprosevir نیز با وجود تأیید مشروط، مسیر توسعه و ارزیابی‌های دارویی و بالینی خود را طی کرده است. آنچه هوش مصنوعی تغییر می‌دهد، بیشتر بخش «جست‌و‌جو و انتخاب» است؛ بخشی که اگر سریع‌تر و دقیق‌تر انجام شود، می‌تواند مسیر رسیدن یک مولکول امیدوارکننده به آزمایش‌های بالینی را کوتاه‌تر کند. گزارش‌ها می‌گویند کل مسیر این پروژه از کشف نامزد دارویی تا تکمیل کارآزمایی‌های بالینی حدود ۳.۵ سال طول کشیده است.

در نتیجه، شاید مهم‌ترین رقابت آینده صنعت دارو نه فقط بر سر ساخت مدل‌های هوش مصنوعی قوی‌تر، بلکه بر سر ایجاد ارتباط میان هوش مصنوعی، داده‌های آزمایشگاهی و توانایی آزمایش سریع پیش‌بینی‌های مدل‌ها باشد؛ همان جایی که پروژه Mprosevir تلاش کرده این سه بخش را به یک چرخه واحد تبدیل کند. اگر این مدل در پروژه‌های دیگر نیز تکرار شود، ممکن است در سال‌های آینده شاهد تغییری باشیم که در آن هوش مصنوعی نه به‌عنوان جایگزین دانشمند، بلکه به‌عنوان ابزاری برای جست‌و‌جو در مقیاسی فراتر از توان انسان، به یکی از اجزای ثابت فرآیند کشف دارو تبدیل شود.