En läkemedelsmolekyl utvecklad genom maskininlärning? Ett tillkännagivande har gjorts att en klinisk fas I-studie av DSP-1181, som skapades med artificiell intelligens (AI), har initierats i Japan.

Detta projekt tog mindre än 12 månader för att slutföra "den utforskande forskningsfasen, " och detta representerar "en bråkdel av det typiska genomsnittet på 4,5 år med konventionella forskningstekniker, ", sa företagets pressmeddelande.

Om du möjligen kan slå armarna runt detta:Det är uppfunnit av artificiell intelligens. Visst ett tecken på att man kan se framsteg när det gäller maskinens intelligens när det gäller att upptäcka droger?

BBCs teknologireporter Jane Wakefield rapporterade att det finns två grupper bakom detta framsteg, (1) brittiska nystartade Exscientia och (2) japanska läkemedelsföretaget Sumitomo Dainippon Pharma. (Psykiatri och neurologi är bland det senare företagets viktigaste fokusområden för forskning).

Hon sa att läkemedlet kommer att användas för att behandla patienter som har tvångssyndrom (OCD).

Exscientia sa att det är ett företag "i framkanten av artificiell intelligens-driven läkemedelsupptäckt och design." De känner att de har nått "en kritisk milstolpe" i utvecklingen av AI och medicin.

De pekade på deras AI-fördel när det gäller det prekliniska läkemedelsfyndningsstadiet-vilket resulterar i potentialen att påskynda leveransen av nya behandlingar.

Trots allt, anser att "det tar cirka 10 till 15 år för ett läkemedel att gå från den första upptäckten till marknaden. Det är för lång tid, " anmärkte de.

De beskrev sig själva vidare på sin webbplats som "ett fullstack AI-läkemedelsupptäcktsföretag."

Betyder vad? Specifikt, de genererar sin egen data "innan de kombinerar den analytiska kraften hos AI med kreativiteten och expertisen hos våra vetenskapsmän i världsklass."

Intressant, det var tillbaka i december då Natur ställde en fråga om AI inom medicin. "Läkemedelsindustrin befinner sig i en nedgång i läkemedelsupptäckten. Hur mycket kan AI hjälpa?"

Artikeln av David Freedman sade "den globala läkemedelsindustrin på 1 biljon dollar har varit i en läkemedelsutveckling och produktivitetsglidning i minst två decennier. Läkemedelsföretagen spenderar mer och mer - de 10 största betalar nu nästan 80 miljarder dollar om året - för att komma med färre och färre framgångsrika droger."

Vad är problemet? Freedman sa, "droger som är lättast att hitta och som säkert och effektivt behandlar vanliga sjukdomar har alla hittats; det som återstår är att leta efter droger som löser problem med komplexa och svårfångade lösningar..."

Freedmans beskrivning av hur forskare använder AI-verktyg för läkemedelsutveckling var lärorik:"Dessa verktyg fungerar inte genom att expertutvecklade analytiska tekniker är inprogrammerade i dem; snarare matar användarna dem provproblem (en molekyl) och lösningar (hur molekylen i slutändan beter sig som ett läkemedel) så att programvaran kan utveckla sina egna beräkningsmetoder för att producera samma lösningar."

BBC sa att molekylen DSP-1181 uppnåddes genom algoritmer som sållade genom potentiella föreningar. Dessa kontrollerades mot en "stor" databas med parametrar.

Koda om reportern Rebecca Heilweil hjälpte till att klargöra vad denna kontroll mot parametrar innebar för forskare:

"Det finns massor av möjliga molekyler som kan vara användbara i mediciner, alldeles för många för att alla medicinska forskare i världen ska kunna testa manuellt. Men genom att använda olika typer av AI, ett datasystem kan hitta på och bryta genom olika molekyler, jämföra dem mot olika parametrar och lära sig de mest lovande föreningarna snabbare än en människa kunde."

Precis som artificiell intelligens i allmänhet har utlöst krav på försiktighet och översyn inom andra områden än medicin, det är rimligt att förvänta sig liknande tankar om läkemedelsupptäckt.

En rubrik i Koda om ger dig en antydan till diskussionerna framöver. "Skulle du ta en drog som upptäckts av artificiell intelligens?"

"Artificiell intelligens är verkligen kraftfull, skrev Heilweil, "men vissa är skeptiska till att tekniken är tillförlitlig... och ifrågasätter vilken roll den ska spela inom områden som vår sjukvård. Och inom läkemedelsforskning, några har uttryckt oro för att tekniken kan vara överhypad."

Pressmeddelandet från Exscientia talar specifikt om DSP-1181 som en fas I-klinisk studie som har inletts i Japan för behandling av tvångssyndrom som en första indikation.

Allt som allt, vi förstår. AI kommer att spela en viktig roll i läkemedelsupptäcktens genombrott ... eller kommer det att göra det?

Vetenskap translationell medicin drev en redaktionellt oberoende kommentar den 31 januari av Derek Lowe. Det är en oberoende blogg från förlagen. Han har arbetat för flera stora läkemedelsföretag med projekt för upptäckt av läkemedel. Han ställde frågor om vad vi anser vara en revolution för upptäckt av läkemedel.

Kommentaren noterade att det tog ett år att komma in på kliniken. "Om det stämmer, det är verkligen en snabb väg in i mänskliga prövningar, men låt oss titta på vad det kan ge dig. Kommer det här att bli en revolution för upptäckt av droger?" frågade han.

Lowe, sedan, bråkade inte om hastighetskanten. "Exscientia kan mycket väl ha flyttat en substans med hög hastighet in på kliniken. Men det här exemplet kommer inte att påskynda läkemedelsupptäckten mycket."

Överväga, han sa, informationen som matas in i programvaran. "Det finns helt enkelt inte tillräckligt med tillförlitlig information för att matas in i ens den största artificiella intelligensprogramvaran i världen för att man ska kunna förutsäga vad som kommer att hända mot tillstånd som OCD, depression, ångest, och andra mänskliga psykiatriska tillstånd på hög nivå, " argumenterade han. "Och det är problemet. Läkemedel misslyckas i fas II eftersom vi inte har valt rätt mål, eftersom vår biokemiska förståelse av sjukdomstillståndet är felaktig och/eller ofullständig. "

En av läsarnas kommentarer som reagerade på hans kommentar ifrågasatte inte hans poäng, men hävdade att AI-företagets tillkännagivande fortfarande markerade framsteg.

"Även om jag håller med Derek om att det finns mycket överhype kring 'AI i läkemedelsupptäcktsutrymmet, sa en kommentar, "det betyder inte att det inte görs verkliga påtagliga vinster här också... Så även om detta är stegvisa framsteg, ökad effektivitet från ny teknik, även mot kända mål eller potentiellt härledda kemiska ämnen, bör välkomnas med öppen, om man med rätta är skeptisk, armar... Det här är inte ett trollspö, det är ett annat verktyg i verktygslådan."

Heilweil skrev att "Så anmärkningsvärt som utvecklingen av det nya läkemedlet verkar, det finns fortfarande utrymme för en viss sund skepsis." "utvecklingen av AI-assisterade läkemedel väcker frågor om hur bekväma människor ska vara med dessa nya forskningsmetoder. På sikt, hur kommer AI-designade läkemedel att skilja sig från de som utvecklats av människor ensam? Vem ska utforma reglerna för användningen av AI i läkemedelsforskning?

© 2020 Science X Network