인공 지능이 신약 개발을 재편하는 방법

인공 지능은 어떻게 신약 발견을 향상하고 비용을 절감하며 신약을 더 빨리 시장에 출시할 수 있습니까? 이 기사에서는 AI가 우리가 알고 있는 신약 개발을 어떻게 재편하고 있는지 살펴봅니다.

게시일 : 4 년 2022 월 XNUMX 일

가혹한 현실 확인: 잠재적으로 생명을 구할 수 있는 약물의 96%가 시장에 출시되지 않습니다. 에 이르기까지 과도한 비용 $ 1.3 ~ $ 2.8 억, 그리고 가파른 규제 부담으로 인해 새로운 치료법이 시장에 침투하기가 어렵습니다.

평균적으로 12 ~ 15 년 실험실에서 임상 시험을 거쳐 최종적으로 FDA 승인을 받는 약물에 대한 테스트입니다.

결론? 선별된 5,000개의 약물 중 하나만이 시장에 출시됩니다.

이궁.

여기서 질문이 생깁니다. 인공 지능(AI) 기반 기술이 신약 발견을 향상하고 비용을 절감하며 신약을 더 빨리 출시할 수 있는 방법은 무엇입니까?

COVID-19 모델은 약물 개발의 미래입니까?

정상적인 상황에서 COVID-19 백신은 발견, 임상 시험 및 승인 프로세스를 거치는 데 XNUMX년 이상이 걸렸을 것입니다. 그러나 절박한 시기에는 절박한 조치가 필요하기 때문에 FDA(연방 의약품국)는 다음과 같은 새로운 프로그램을 시작했습니다. 코로나바이러스 치료 가속화 프로그램(CTAP).

이 프로그램의 목적은 "가능한 한 빨리 새로운 의료 제품을 환자에게 제공하는 동시에 효과적인지 여부와 이점이 위험을 능가하는지 판단하는 데 도움을 줍니다." 전통적인 약물 발견 방법을 AI와 병합함으로써 CTAP를 통해 약물 스크리닝이 더욱 효과적이 되어 더 빠른 발견 및 승인 프로세스가 가능해졌습니다.

그리고 효과가있었습니다.

작년에 런던에 본사를 둔 회사인 BenevolentAI는 류마티스 관절염 환자를 돕기 위해 만들어진 약물인 바리시티닙을 COVID-19 치료를 위한 강력한 후보로 성공적으로 식별했습니다. AI 기반을 통해 지식 그래프, BenevolentAI는 48시간 이내에 바리시티닙에서 항염증 및 항바이러스 화합물을 식별했습니다.

중증 코로나바이러스는 염증 조절 장애와 관련이 있기 때문에(면역 반응이 과도하게 진행되고 바이러스가 신체를 통해 더 빨리 퍼질 수 있음을 의미) 이것은 돌파구임이 입증되었습니다. 현재 바리시티닙은 FDA 승인을 받았습니다.

신약 개발 분야에서 AI 및 기계 학습의 부상

이 기사를 위해 조사하는 동안 우리는 현재 제약 연구 및 개발(R&D)을 위해 AI 및 기계 학습(ML)을 활용하는 235개 조직을 발견했습니다. Exscientia AI, Pfizer, AstraZeneca와 같은 업계 주요 업체들이 앞장서면서 약물 개발을 위한 AI 및 ML의 채택은 계속해서 증가할 것입니다.

2015년 투자자들은 AI 기반 제약 R&D에 500억 달러를 투자했습니다. 2021년에는 투자 금액이 4.4억 달러 이상으로 증가하여 연평균 43.6% 성장했습니다. 그리고 성장이 곧 둔화될 것으로 예상되지 않습니다. 대신 연구원들은 시장 가치가 향후 20년 동안 XNUMX억 달러 이상으로 성장할 것으로 예측합니다.

AI 기반 R&D 채택의 증가는 투자 증가와 시장에 진입하는 스타트업의 수와 일치합니다.

AI가 약물 개발을 재편하는 방법

약물 발견 프로그램은 특정 질병이 있거나 사용 가능한 의료 제품이 충분하지 않은 질병이 있을 때 시작됩니다. 많은 경우에 연구자들은 새로운 구조를 찾는 것이 아니라 대신에 20,000개의 기존 의약품 이미 마케팅 승인을 받았습니다. 이러한 약물에는 새로운 치료법을 발견하는 데 활용할 수 있는 풍부한 문헌, 임상 데이터 및 IP가 있습니다. 어려움은 기존 약물의 데이터를 새로운 질병과 싸우기 위해 적용하는 것입니다.

그러나 연구자들이 넘어야 할 한 가지 거대한 산이 있습니다. 공공 데이터는 대부분 비정형이며 근본적으로 다릅니다. 이는 이러한 데이터 소스가 분석하기 어려울 뿐만 아니라(전통적인 의미에서) 서로 다르다는 것을 의미합니다.

연구자가 (은퇴하기 전에) 의미 있는 통찰력을 추출하려면 이러한 서로 다른 데이터 세트를 연결하고 구성하고 정확성을 검증해야 합니다.

바로 여기에서 AI가 등장합니다. 자연어 처리(NLP)와 같은 분야는 엄청난 양의 자연어 데이터를 분석하고, 문맥상의 뉘앙스를 이해하고, 약물, 목표 및 예상되는 치료 결과를 몇 분 만에 연결할 수 있습니다.

PatSnap의 Synapse 링크 문헌, 특허 및 시퀀스 데이터와 같은 CII(Connected Innovation Intelligence) 플랫폼은 연구원의 전임상 스크리닝 프로세스를 지원합니다. 또한 연구자는 지식 그래프를 생성하여 적절한 약물 후보를 찾는 데 걸리는 시간을 줄일 수 있습니다.

BenevolentAI가 보여준 것처럼 지식 그래프는 게임 체인저입니다. 그들은 연구자들이 일반적으로 관련이 없는 것으로 간주되는 약물, 표적 및 질병 사이의 연결을 만드는 데 도움을 줄 수 있습니다. 이러한 관계가 발견되면 연구자는 예측을 하고, 새로운 경로를 모델링하고, 결과를 테스트함으로써 이러한 통찰력에 따라 행동할 수 있습니다.

PatSnap의 AI 기반 커넥티드 이노베이션 인텔리전스 플랫폼과 회사가 신약 개발을 가속화하는 데 어떻게 도움이 되는지 자세히 알아보려면 연결된 혁신 인텔리전스에 대한 최종 가이드 다운로드.

작성자 바이오

크리스티안 아구에시 PatSnap 고객 성장 팀의 프로젝트 관리자입니다. 그는 Laurier University에서 생화학 학부 및 경영학 석사 학위를 취득했습니다. Covid 기간 동안 Christian은 정원 가꾸기와 달리기를 포함한 몇 가지 취미를 시작했습니다. 그는 2022년 봄에 첫 마라톤을 완주할 계획입니다.