Yapay Zeka İlaç Keşfini 18 Aya İndirdi
Londra’nın King’s Cross semtinde, siyahlar içindeki Dr. Patrick Schwab, ilaç üretiminin geleceğini yeniden yazıyor. GSK’nın yapay zeka bölümünde çalışan Schwab, beyaz önlükler ve deney tüpleri yerine “in silico” (bilgisayar destekli) ilaç tasarımına odaklanıyor. Geliştirdiği Phenformer yazılımı, genomları okuyarak hastalıkların altında yatan mekanizmaları çözüyor ve yeni tedavi hipotezleri üretiyor.
Haberi PodCast olarak dinlemek isterseniz;
Süper Bilgisayarlar ve “Transformer” Modelleri
Bu devrimin öncülerinden Insilico Medicine, yapay zekanın “transformer” modellerini kullanarak idiyopatik pulmoner fibroz için 18 ayda bir ilaç adayı (rentosertib) geliştirmeyi başardı. Normalde 4,5 yıl süren bu süreçteki hızlanma, sektörde bir dönüm noktası oldu. Şu anda şirketin 40’tan fazla yapay zeka destekli ilacı geliştirme aşamasında.
Sektördeki bu ivme, dev iş birliklerini de beraberinde getirdi:
- Eli Lilly & Nvidia: İlaç keşfi için sektörün en güçlü süper bilgisayarını kuruyorlar.
- OpenAI & Moderna: Kişiselleştirilmiş kanser aşıları için güçlerini birleştirdiler.
Başarı Oranları İkiye Katlandı
Geleneksel ilaç geliştirmede klinik denemelerin %90’ı başarısız olurken, yapay zeka destekli moleküllerin erken aşama başarı oranı %80-90‘a ulaştı. Klinik öncesi aşama ise 3-5 yıldan 12-18 aya düştü. AstraZeneca, küçük molekül keşif sürecinin %90’ından fazlasının artık yapay zeka destekli olduğunu belirtiyor.
Klinik Denemelerde “Dijital İkizler” Dönemi
Yapay zeka sadece molekül bulmakla kalmıyor, klinik denemeleri de dönüştürüyor:
- Hasta Seçimi: Sağlık kayıtlarını analiz ederek ilacın en çok işe yarayacağı hastaları belirliyor.
- Sentetik Hastalar: Gerçek katılımcılara karşılık gelen “dijital ikizler” oluşturarak kontrol grubu ihtiyacını azaltıyor. Unlearn.AI’ın modellemesine göre, bu yöntem Parkinson çalışmalarında kontrol grubu boyutunu %38 oranında küçültebiliyor.
Gelecek: Biyolojiyi Çözmek
Recursion ve Owkin gibi şirketler, milyonlarca hücre görüntüsü ve hasta verisiyle yapay zeka fabrikaları kurarak biyolojinin şifresini çözmeye çalışıyor. Eğer yapay zeka biyolojiyi tam anlamıyla modellerse, insan sağlığını iyileştirmenin sınırları ortadan kalkabilir.
Özet ve Kritik Çıkarımlar:
- Hız ve Verimlilik: İlaç keşif süresi 5 yıldan 1.5 yıla, başarı oranı ise %40’tan %90’a çıkıyor.
- Maliyet Düşüşü: 2.8 milyar dolarlık ilaç geliştirme maliyeti, dijital süreçlerle azalıyor.
- Dijital İkizler: Klinik denemelerde gerçek hastalar yerine yapay zeka simülasyonları (kontrol grubu olarak) kullanılmaya başlanıyor.
- Dev İş Birlikleri: İlaç devleri (GSK, Eli Lilly) ile teknoloji devleri (Nvidia, OpenAI) arasındaki sınırlar kalkıyor.
- Biyolojik Modelleme: Yapay zeka, protein katlanmasından hücre simülasyonuna kadar biyolojinin en karmaşık süreçlerini çözüyor.
Kaynak: The Economist / GSK / Insilico Medicine
Bu haber ilgini çekebilir.
