Het gebruik van kunstmatige intelligentie bij het ontwerpen van geneesmiddelen zou farmaceutisch onderzoek een boost geven, zegt Gisbert Schneider. Op middellange termijn, computers zouden zelfs autonoom experimenten kunnen uitvoeren.

Het ontwerpen van medicijnen is een complexe en uitdagende taak. Hoe creëer je effectieve nieuwe medicijnen zonder nadelige bijwerkingen om 's werelds meest urgente gezondheidsproblemen aan te pakken? Medisch chemici moeten een scala aan interacties in overweging nemen:geneesmiddelen hebben op vele manieren een wisselwerking met cellen en organen in het menselijk lichaam, en deze verschillen vaak sterk van patiënt tot patiënt. Hoewel iteratief, vaak geautomatiseerd, testmethoden in het laboratorium hebben tal van potentiële aanknopingspunten opgeleverd voor de ontwikkeling van geneesmiddelen, er zijn beperkingen als het gaat om het ontwerpen en selecteren van de meest veelbelovende kandidaat-geneesmiddelen. De medicijnontwerper moet kiezen uit naar schatting 1060 medicijnachtige moleculen die - alleen theoretisch - kunnen worden gesynthetiseerd. Bovendien, het kost jaren van on-the-job-training om een ​​deskundige expert in medicinale chemie te worden.

Dit is waar kunstmatige intelligentie (AI) en machine learning van pas kunnen komen. Het inzetten van AI om chemici te helpen bij het ontwerpproces van geneesmiddelen is veelbelovend voor het nemen van betere beslissingen:het is veel efficiënter dan de menselijke geest als het gaat om het zeven door "grote" gegevens, AI genereert reproduceerbare resultaten en ondersteunt het ontdekkingsproces door parallel aan veel projectdoelen te denken.

De perfecte partner?

betere medicijnen, sneller ontdekt en geleverd – AI klinkt als een ideale partner in het lab. Maar hoewel een chemie-savvy AI-systeem in sommige opzichten beter kan presteren dan een menselijke chemicus door problemen te verwerken waar de menselijke geest mee worstelt, het is geen wondermiddel. In feite zijn onze verwachtingen met betrekking tot het ontwerp van geneesmiddelen met kunstmatige intelligentie misschien te hoog:we moeten toegeven dat we ons onvolmaakte begrip van menselijke ziektemechanismen hebben. Alleen wanneer de juiste gegevens worden gepresenteerd, leert een machine-intelligentie zinvolle relaties tussen medicijnmoleculen en hun fysiologische effecten.

Daarom hoeven onze wetenschappers niet bang te zijn dat computers ze helemaal zullen vervangen - er zullen zelfs meer medicinale chemici nodig zijn als we vooruitgang willen blijven boeken op dit gebied. Nu al, AI-modellen ondersteunen onze besluitvorming bij het ontdekken van geneesmiddelen, maar het integreren van AI in een geautomatiseerd proces voor het ontwerpen van geneesmiddelen vereist nieuw denken:het zal de setting veranderen, net zoals de software en technologie van de afgelopen jaren hebben gedaan om eigenschappen met een hoge mate van nauwkeurigheid veel sneller te voorspellen dan in een lab zonder automatisering.

Ontdekking automatiseren

Met voortdurende automatisering, over drie tot vijf jaar kunnen we voorzien dat computers productief en autonoom experimenten uitvoeren met behulp van robotica. Dit wordt inderdaad al op bepaalde plaatsen getest, vooral bij ETH Zürich en in de industrie. Ook mogen we verwachten dat AI de effecten van stoffen in een eerder ontwikkelingsstadium voorspelt en nieuwe chemische structuren suggereert met de gewenste eigenschappen. Dit zou betekenen dat er minder stoffen hoeven te worden getest die niet effectief blijken te zijn.

Op lange termijn, AI kan de sleutel zijn om de deur te openen naar effectievere en toegankelijker gepersonaliseerde geneeskunde. Maar het zal blijvend onderzoek en investeringen op dit gebied vergen, en fris interdisciplinair denken van experts in de AI, scheikunde, farmaceutisch en biotech domein.