Dərman istehsalında yeni bir dövr başlayır. Bu, bütövlükdə sənayenin transformasiyası anıdır.
Patrik Şvab adi bir əczaçılıq tədqiqatçısı deyil və onun iş mühiti də tipik əczaçılıq laboratoriyasına bənzəmir. Burada nə laboratoriya masaları, nə qaynayan məhlullar, nə də ağ xalatlar var. Əvəzində Şvab başdan-ayağa qara geyinir. Bu üslub isə vaxtilə dəmir yolu depoları və sənaye binaları ilə dolu olan, bu gün isə yenidənqurmadan sonra Londonun ən dəbli məkanlarından birinə çevrilmiş Kinqs-Kross rayonunda çalışan biri üçün tam yerinə düşür.
Şvab GSK adlı əczaçılıq nəhəngində çalışır. Onun vəzifəsi kompüter elmlərinin ən aktual istiqamətlərindən biri olan süni intellektdən istifadə etməklə dərman istehsalının gələcəyini yenidən düşünməkdir. Məqsəd laboratoriya avadanlıqlarının üzərindəki yükü mümkün qədər kompüterlərin üzərinə keçirməkdir: yəni dərmanların in silico (kompüter modelləri ilə), yoxsa in vitro (sınaq şüşələrində) hazırlanması.
Bu məqsədlə o, genomları “oxumağı” öyrədən Phenformer adlı proqram aləti yaradır. Genom məlumatlarını fenotiplərlə — yəni konkret genetik kombinasiyaların fiziki və davranış xüsusiyyətləri ilə — əlaqələndirməklə Phenformer genlərin xəstəliklərə necə səbəb olduğunu anlamağı öyrənir. Bu isə xəstəliklər və onların mexanizmləri barədə yeni hipotezlər irəli sürməyə imkan verir.
Transformerlərlə tanış olun
Boston mərkəzli biotexnoloji şirkət Insilico Medicine, görünür, dərman axtarışında “transformer” adlanan yeni nəsil süni intellekt modellərini tətbiq edən ilk şirkət olub. Hələ 2019-cu ildə şirkətin tədqiqatçıları sual vermişdilər: bu modellərdən bioloji və kimyəvi məlumatlara əsaslanaraq yeni preparatlar yaratmaq mümkündürmü? İlk hədəf idiopatik ağciyər fibrozuna — tənəffüs yollarını zədələyən xəstəliyə yönəlmişdi.
Əvvəlcə süni intellekt həmin xəstəliklə bağlı məlumat dəstləri üzərində öyrədildi və perspektivli bir hədəf zülal tapıldı. Daha sonra başqa bir model bu zülalla bağlana bilən, onun davranışını dəyişdirən, eyni zamanda həddən artıq toksik və ya qeyri-stabil olmayan molekullar təklif etdi. Bundan sonra işə kimyaçılar qoşuldu: seçilmiş molekullar sintez edildi və sınaqdan keçirildi. Nəticədə rentosertib adlı preparat ortaya çıxdı və o, bu yaxınlarda klinik sınaqların orta mərhələsini uğurla keçdi. Şirkətin məlumatına görə, dərman namizədinin hazırlanması 18 ay çəkib — halbuki bu proses adətən 4,5 il davam edir.
Hazırda Insilico-nun portfelində süni intellektlə hazırlanmış 40-dan çox preparat var; onlar xərçəng, bağırsaq və böyrək xəstəliklərinin müalicəsinə yönəlib. Bu yanaşma getdikcə daha geniş yayılır. Proqnozlara görə, bu sahəyə illik investisiyalar 2025–2030-cu illər arasında 3,8 milyard dollardan 15,2 milyard dollara yüksələcək.
Əczaçılıq və süni intellekt şirkətləri arasında tərəfdaşlıqlar da artıq adi hala çevrilib. 2024-cü ildə ümumi dəyəri 10 milyard dollar olan onlarla belə razılaşma elan edilib. Ötən ilin oktyabrında isə əczaçılıq nəhəngi Eli Lilly generativ neyron şəbəkələrinin işləməsini təmin edən çipləri istehsal edən Nvidia ilə əməkdaşlıq etdiyini açıqlayıb. Məqsəd dərmanların axtarışı və hazırlanmasını sürətləndirmək üçün sənayedə ən güclü superkompüteri yaratmaqdır.
Əczaçılıq sektorunun iqtisadi reallıqlarını nəzərə alsaq — klinik sınaqlara daxil olan preparatların 90 faizi uğursuz olur və uğurlu bir dərmanın hazırlanması 2,8 milyard dollara başa gəlir — səmərəliliyin hətta cüzi artımı belə böyük qazanc gətirə bilər. Sənayenin müxtəlif guşələrindən gələn hesabatlar göstərir ki, süni intellekt artıq bu cür nəticələr verməyə başlayıb. O, doklinik mərhələni 3–5 ildən 12–18 aya qədər azaldıb və uğurlu eksperimentlərin payını yüksəldib. 2024-cü ildə aparılmış bir araşdırma süni intellektlə kəşf edilən molekulların erkən klinik sınaqlarda 80–90 faiz hallarda uğurlu olduğunu göstərib; tarixi göstəricilər isə 40–65 faiz səviyyəsində idi.
Adətən yeni dərmanların hazırlanması perspektivli bioloji aktivliyə malik kiçik üzvi molekulların seçilməsi ilə başlayır. Süni intellekt real molekulları sınaq şüşələrinə salmadan, on milyardlarla molekulu əhatə edən kitabxanaları proqram simulyasiyaları ilə təhlil edə, onların effektivliyini, həllolma qabiliyyətini və toksikliyini yoxlaya bilir. AstraZeneca-da bu sahəyə rəhbərlik edən Cim Uezeroll qeyd edir ki, bu yanaşma “buğdanı samanlıqdan ayırmağı” əvvəlkindən iki dəfə sürətli edir. Şirkətin kiçik molekulların axtarışı ilə bağlı layihələrinin 90 faizdən çoxu artıq süni intellektə əsaslanır.
Səhvsiz sınaqlara doğru
Süni intellekt klinik sınaqların təkmilləşdirilməsində də mühüm rol oynayır. Yanaşmalardan biri “düşünən” və “məntiq yürüdən” kimi fəaliyyət göstərən süni intellekt agentlərindən istifadə edir. GSK-da süni intellekt üzrə rəhbər Kim Brenson Cogito Forge adlı agent əsaslı sistemi nümayiş etdirib. Biologiya ilə bağlı sual verildikdə, sistem cavab tapmaq üçün öz kodunu yaza, müvafiq məlumat dəstlərini toplaya, onları birləşdirə və nəticələri qrafiklərlə təqdim edə bilir.
Bundan sonra sistem xəstəliklə bağlı hipotez irəli sürür, yoxlanıla bilən proqnozlar təqdim edir və elmi ədəbiyyat üzərində axtarış apararaq bu hipotezi təsdiqləməyə və ya təkzib etməyə çalışır. Bu axtarışda üç agent iştirak edir: biri hipotezin lehinə arqumentlər tapır, digəri əleyhinə arqumentlər axtarır, üçüncüsü isə hansının haqlı olduğunu qiymətləndirir.
Süni intellektin potensial göstərdiyi başqa bir sahə sınaqlara xəstələrin seçilməsidir. O, tibbi qeydləri, biopsiyaları və görüntüləri analiz edərək yeni preparatdan kimin daha çox fayda görəcəyini müəyyənləşdirə bilir. Daha dəqiq seçim daha kiçik miqyaslı, daha sürətli və daha ucuz sınaqlara imkan yaradır.
Ən maraqlı tətbiqlərdən biri isə sintetik xəstələrin — bəzən “rəqəmsal əkizlər” adlandırılan modellərin — yaradılmasıdır. Bu zaman süni intellekt əvvəlki sınaqların məlumatlarını təhlil edir və xəstənin müalicə almadığı halda xəstəliyin necə inkişaf edəcəyini proqnozlaşdırmağı öyrənir. Sonra real sınaqda iştirak edən könüllüyə uyğun eyni xüsusiyyətlərə malik virtual xəstə yaradılır və real nəticələr onunla müqayisə edilir.
Bu yanaşma qəbul edilərsə, nəzarət qruplarının ölçüsü xeyli azala, bəzi hallarda isə ümumiyyətlə ləğv oluna bilər. 2025-ci ildə San-Fransisko mərkəzli Unlearn.AI şirkətinin dərc etdiyi modelləşdirmə göstərib ki, Parkinson xəstəliyinin erkən mərhələli sınaqlarında nəzarət qrupu 38 faiz, Altsheymer xəstəliyi üzrə tədqiqatlarda isə 23 faiz azaldıla bilər.
Zülallar, RNT molekulları və hüceyrədaxili mürəkkəb strukturlar kimi çətin obyektlərin modelləşdirilməsi də süni intellekt sayəsində sürətlə inkişaf edir. Solt-Leyk-Siti mərkəzli Recursion milyonlarla insan hüceyrəsinin müxtəlif kimyəvi və genetik dəyişikliklər altındakı görüntülərini toplayaraq süni intellektə genlər və molekulyar yollar arasındakı əlaqələri öyrədir. Nyu-York mərkəzli biotex startap Owkin isə xəstəxana pasiyentlərindən toplanmış yüksək keyfiyyətli molekulyar məlumatlarla modellərini təlim etdirir. Şirkətin rəhbəri Tom Klozel bildirir ki, bu işlər insan üçün əlçatmaz kəşflərə yol açaraq biologiyada həqiqi ümumi süni intellektə doğru irəliləyir.
Bu inkişaflar özlüyündə müəyyən suallar yaradır: ənənəvi əczaçılıq şirkətləri mövqelərini itirə bilərmi? OpenAI açıq şəkildə bəyan edir ki, modellər biologiyada yüksək imkanlara çata bilər və artıq həyat elmlərində kəşflər edə bilən sistemlər üzərində çalışır. Hazırda əczaçılıq şirkətlərinin üstünlüyü böyük həcmdə bioloji məlumatlara və onların kontekstinə sahib olmalarıdır. Buna görə də əməkdaşlıq ön plandadır: məsələn, OpenAI RNT vaksinlərinin pioneri olan Moderna ilə fərdiləşdirilmiş xərçəng vaksinlərinin hazırlanmasını sürətləndirmək üçün işləyir. Lakin bu balans dəyişə bilər.
Kim qalib gəlməsindən asılı olmayaraq, əgər süni intellekt klinik sınaqlarda da oxşar səmərəlilik əldə edərsə, molekulun bütün mərhələləri uğurla keçmə ehtimalı 5–10 faizdən 9–18 faizə yüksələ bilər. Bu, kiçik görünə bilər, lakin biznes üçün risklərin kəskin azalması və dərmanların hazırlanma xərclərinin əhəmiyyətli dərəcədə aşağı düşməsi deməkdir. Orta müddətdə bu, investisiyaları artırıb bazara çıxan preparatların sayını çoxalda, uzun müddətdə isə — əgər süni intellekt biologiyanın əsas problemlərini “həll edərsə” — insan sağlamlığının yaxşılaşdırılması üçün texniki imkanları demək olar ki, sonsuz edə bilər.
