Η φαρμακοβιομηχανία στρέφεται στην AI όχι για θεαματικές ανακαλύψεις, αλλά για να λύσει το πιο δύσκολο κομμάτι της ανάπτυξης φαρμάκων: τη γραφειοκρατία.
- Γράφει η Χριστίνα Χατζηπαλαμουτζή
Η τεχνητή νοημοσύνη δεν έχει ακόμη καταφέρει να λύσει το πιο σύνθετο πρόβλημα της φαρμακευτικής έρευνας – την ανακάλυψη νέων μορίων που οδηγούν σε ριζικές θεραπευτικές καινοτομίες. Ωστόσο, ήδη μεταμορφώνει τα λιγότερο «ελκυστικά», αλλά κρίσιμα στάδια της ανάπτυξης φαρμάκων, επιταχύνοντας κλινικές δοκιμές και ρυθμιστικές διαδικασίες.
Αυτό ανέφεραν στελέχη επτά μεγάλων φαρμακευτικών ομίλων και έξι μικρότερων βιοτεχνολογικών εταιρειών στο πρόσφατο JP Morgan Healthcare Conference, επισημαίνοντας ότι η AI μειώνει σημαντικά τον χρόνο και το κόστος διοικητικών και οργανωτικών εργασιών.
Κλινικές δοκιμές: από εβδομάδες σε ώρες
Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη για επιλογή κέντρων κλινικών μελετών, για τον εντοπισμό και ένταξη ασθενών, αλλά και την προετοιμασία φακέλων προς τις ρυθμιστικές αρχές
Διαδικασίες που παραδοσιακά απαιτούσαν εβδομάδες ανθρώπινης εργασίας, πλέον ολοκληρώνονται σε ελάχιστο χρόνο.
Χαρακτηριστικό παράδειγμα αποτελεί η Novartis, η οποία χρησιμοποίησε AI το 2023 σε μεγάλη καρδιαγγειακή μελέτη 14.000 ασθενών για το φάρμακο χοληστερόλης Leqvio.
Σύμφωνα με τον Chief Medical Officer της εταιρείας, Shreeram Aradhye, η επιλογή των κέντρων – μια διαδικασία που συνήθως διαρκεί τέσσερις έως έξι εβδομάδες – περιορίστηκε σε μια συνάντηση δύο ωρών, ενώ η ένταξη ασθενών ολοκληρώθηκε με μόλις 13 συμμετέχοντες πάνω από τον αρχικό στόχο.
«Η AI λειτουργεί ως ενισχυμένη ανθρώπινη νοημοσύνη, όχι ως τεχνητή αντικατάστασή της», σημείωσε χαρακτηριστικά.
Το κόστος της ανάπτυξης φαρμάκων παραμένει τεράστιο
Η ανάπτυξη ενός νέου φαρμάκου μπορεί να απαιτήσει: έως 10 χρόνια έρευνας και κόστος που αγγίζει τα 2 δισ. δολάρια
Γι’ αυτό και πολλές εταιρείες, όπως η Eli Lilly, η οποία συνεργάζεται με την Nvidia, επενδύουν συστηματικά στην AI, προσβλέποντας όχι μόνο σε ταχύτερες διαδικασίες, αλλά και σε αύξηση της πιθανότητας επιτυχίας των νέων φαρμάκων.
Σύμφωνα με τη McKinsey, η λεγόμενη agentic AI – συστήματα που λειτουργούν με υψηλό βαθμό αυτονομίας – θα μπορούσε να αυξήσει την παραγωγικότητα της κλινικής ανάπτυξης κατά 35% έως 45% μέσα στην επόμενη πενταετία.
Χιλιάδες έγγραφα για κάθε φάρμακο
Στελέχη των AstraZeneca, Roche και Pfizer, αλλά και μικρότερων βιοτεχνολογικών εταιρειών όπως οι Spyre και Nuvalent, περιέγραψαν τον τεράστιο όγκο τεκμηρίωσης που απαιτείται για κάθε φάρμακο.
Οι φάκελοι περιλαμβάνουν:
-
κλινικά δεδομένα
-
στοιχεία ασφάλειας
-
δεδομένα παραγωγής
-
προσαρμογή σε διαφορετικές ρυθμιστικές απαιτήσεις ανά χώρα
Όπως εξήγησε η οικονομική διευθύντρια της AstraZeneca, Aradhana Sarin, η σύνταξη, διασταύρωση και εναρμόνιση αυτών των εγγράφων συχνά απαιτεί τη χρήση εξωτερικών συνεργατών με υψηλό κόστος.
Η AI πλέον αναλαμβάνει μεγάλο μέρος αυτής της επαναλαμβανόμενης και χρονοβόρας εργασίας.
Η «χαμένη μέση διαδρομή» της ανάπτυξης φαρμάκων
Ο Jorge Conde, εταίρος της Andreessen Horowitz, επενδύει σε εταιρείες που στοχεύουν αυτό που αποκαλεί «το χαοτικό μεσαίο στάδιο» της ανάπτυξης φαρμάκων.
Η εταιρεία Alleviate Health, στην οποία επένδυσε 4,3 εκατ. δολάρια, χρησιμοποιεί AI για: επικοινωνία με ασθενείς, εκπαίδευση, προεπιλογή και προγραμματισμό επισκέψεων
Σύμφωνα με τον ίδιο, η ένταξη ασθενών στις μελέτες μοιάζει με «διαρροή σε χωνί», καθώς πολλοί εγκαταλείπουν τη διαδικασία πριν την ολοκλήρωση.
AI στις διοικητικές εργασίες: ήδη ευρεία χρήση
Όπως ανέφερε ο αναλυτής της TD Cowen, Brendan Smith, η χρήση AI – συμπεριλαμβανομένων μεγάλων γλωσσικών μοντέλων όπως το Microsoft Copilot – έχει γίνει πλέον κοινή πρακτική για διοικητικές εργασίες στον φαρμακευτικό κλάδο.
Ωστόσο, εκτιμά ότι θα χρειαστούν έναν έως τρία χρόνια για να μπορέσουν οι επενδυτές να μετρήσουν με σαφήνεια τη συμβολή της AI στη μείωση του χρόνου ανάπτυξης φαρμάκων, καθώς το οικονομικό όφελος διαφέρει ανάλογα με τον τρόπο εφαρμογής.
GSK, Genmab και ITM σχεδιάζουν περαιτέρω εξοικονόμηση
Η GSK αξιοποιεί συνδυασμό ψηφιακών και AI εργαλείων με στόχο να επιταχύνει όλες τις κλινικές της μελέτες κατά 15%.
Η στρατηγική αυτή οδήγησε σε εξοικονόμηση περίπου 8 εκατ. στερλινών σε μελέτες τελικού σταδίου για το φάρμακο άσθματος Exdensur, το οποίο έλαβε έγκριση στις ΗΠΑ τον προηγούμενο μήνα.
Η δανέζικη Genmab σχεδιάζει να αξιοποιήσει agentic AI βασισμένη στο chatbot Claude της Anthropic, με στόχο την αυτοματοποίηση της μετα-κλινικής ανάλυσης δεδομένων και τη δημιουργία πινάκων, γραφημάτων και κλινικών εκθέσεων.
Η γερμανική ITM έχει αναπτύξει σύστημα AI που μετατρέπει εκτενή κλινικά reports σε πρότυπα αρχεία FDA, εξοικονομώντας εβδομάδες εργασίας, αν και η τεχνολογία δεν έχει ακόμη τεθεί σε πλήρη εφαρμογή.
Το μεγάλο ερώτημα: πότε θα έρθει το «AI φάρμακο»;
Ο επικεφαλής έρευνας της Amgen, Jay Bradner, σημείωσε ότι η τεχνητή νοημοσύνη ήδη αποδίδει καρπούς σε πολλαπλά στάδια της ανάπτυξης φαρμάκων.
«Όλοι περιμένουν το AI φάρμακο. Πότε θα το δούμε;» ανέφερε. «Πιστεύω ότι αυτά τα μόρια βρίσκονται ήδη σήμερα στα pipelines».
Κάντε like στη σελίδα μας στο facebook για να μαθαίνετε όλα τα νέα
Διαβάστε επίσης
ΠΕΦ: Το επενδυτικό clawback αλλάζει τον χάρτη της φαρμακοβιομηχανίας
Φαρμακοβιομηχανία: Επιθεωρήσεις πριν την έγκριση καθυστερούν τα νέα φάρμακα
