„Dirbtinis intelektas įrodė, kad gali pagreitinti tai, ką žmonės jau moka daryti: rašyti programinę įrangą, apibendrinti pajamų ataskaitas ir automatizuoti įprastas užduotis.
Ar jis gali padėti atrasti tai, ko žmonės dar nežino, yra trilijono dolerių vertės klausimas. Niekas taip nepatvirtintų DI pažado, kaip vaistų nuo tokių ligų kaip Alzheimerio liga ir vėžys kūrimo proceso tobulinimas.
Vis dėlto vaistų kūrimas yra ta sritis, kurioje DI susiduria su užsispyrusia žmogaus biologijos realybe. Volstritas laukia įrodymų, kad DI gali pakeisti vaistų gamybos ekonomiką. Kol tai neįvyks, investuotojai neturi daug priežasčių apdovanoti vaistų gamintojų taip, kaip jie apdovanojo įmones, kuriančias DI įrankius.
Laboratorijoje DI jau dabar užtikrina efektyvumo šuolį, prognozuodamas, kaip baltymai lankstosi, nustatydamas galimus vaistų taikinius ir virtualiai tikrindamas milijonus molekulių. Tradiciškai mokslininkai vaistų taikinius daugiausia rinkdavosi rankiniu būdu, remdamiesi geriausiai žinomų tyrimų duomenimis, kad nuspręstų, kurie baltymai gali būti svarbūs ligai, o tada mėnesius ar metus tikrindavo šias hipotezes laboratorijoje.
„Roche“ „Genentech“ skaičiavimo biologė Aviv Regev sukūrė tai, ką ji vadina „ciklo laboratorija“. DI modeliai prognozuoja perspektyvius taikinius ir molekules, tyrėjai eksperimentiškai išbando šias prognozes, o gauti duomenys grąžinami į modelius, siekiant pagerinti jų kitą prognozių etapą.
Regev teigia, kad šis metodas išplėtė mokslinių tyrimų programų, kurias mokslininkai gali realiai vykdyti, spektrą. Jo privalumas yra ne tas, kad DI samprotauja geriau nei žmonės, sako ji, o tai, kad jis gali įsisavinti ir panaudoti daug daugiau biologinių žinių nei bet kuris individualus tyrėjas. „DI nėra protingesnis“, – sako ji interviu. „Tačiau mūsų mokslininkams padeda tai, kad jis labai, labai plačiai koduoja informaciją.“
Be jokios abejonės, vyksta stulbinantis mokslas. Kyla klausimas, ar kuris nors iš jo pasiekia galutinį rezultatą. Pastaraisiais dešimtmečiais tokios technologijos kaip genomika, automatizavimas ir didelio našumo patikra išplėtė mokslininkų galimybes generuoti ir išbandyti idėjas, tačiau niekada patikimai nepadidino kiekvieno tyrimų dolerio grąžos.
Problema yra ne idėjų trūkumas. Problema yra tų idėjų pavertimas vaistais, kurie veikia žmonėms. Tik maždaug 1 iš 10 vaistų kandidatų, kurie patenka į žmonių tyrimus, galiausiai pasiekia rinką, o daugelis nesėkmių įvyksta po daugelio metų tyrimų ir milijardų investicijų.
Skaičiavimo srityje Moore'o dėsnis atspindi inovacijų dinamiką, skatinančią eksponentinį augimą. lustų našumo srityje. Tačiau vaistų tyrimai tam tikra prasme judėjo priešinga kryptimi: laikui bėgant lėtesni ir brangesni. Mokslininkai šį pasikeitimą pavadino Eroomo dėsniu, Moore'o dėsniu, parašytu atvirkščiai.
Jackas Scannellas, kuris kartu parašė 2012 m. straipsnį, kuriame buvo sukurtas šis terminas, teigia, kad dalis problemos yra paprasta mažėjanti grąža: kiekvienas naujas vaistas turi pranokti ankstesnius, įskaitant pigius generinius vaistus, kurie jau veikia. Teoriškai tai yra tokia siena, kurią dirbtinis intelektas (DI) ir sukūrė tam, kad sugriautų, ieškodamas sukauptų mokslo žinių ir atskleisdamas galimybes, kurių nebūtų radęs joks žmonių tyrėjas.
Tačiau galimybių radimas nėra tas pats, kas įrodyti, kad jos veikia. Ląstelių kultūros, laboratoriniai gyvūnai ir kompiuteriniai modeliai lieka netobulais žmogaus kūno pakaitalais. Scannellas vaizdžiai iškelia iššūkį: DI mokymas naudojant šiandienos duomenis gali būti „kaip bandymas išmokyti savo „Waymo“ San Franciskui, priverčiant varlę važinėtis dviračiu po Albukerkę“. Autonominės transporto priemonės veikia, nes tikri automobiliai nuvažiavo milijonus tikrų mylių. Medicina niekada neturėjo nieko panašaus į švarų žmogaus kūno žemėlapį.
Štai kodėl net Dirbtinio intelekto šalininkai pripažįsta, kad jo potencialo įrodymui prireiks dar kelerių metų. Ericas Kaudereris-Abramsas, vadovaujantis gyvybės mokslams „Anthropic“, teigia, kad dirbtinis intelektas pakreips kreivę, vienu metu atakuodamas kelias kliūtis, kad padidintų vaisto klinikinės sėkmės tikimybę. Vis dėlto, kalbėdamas kaip tik tuo metu, kai „Anthropic“ pristatė naują platformą „Claude Science“, jis pažymi, kad pramonė dar tik „antrame etape“.
Investuotojams tai sukuria dilemą. Sunku pripažinti vaistų gamintojų nuopelnus, kai vaisto pateikimo į rinką kaina beveik nepagerėjo, tik išaugo. Vis dėlto dirbtinio intelekto pažanga vaistų atradimo srityje yra per didelė, kad būtų galima ją ignoruoti. Farmacijos generaliniai direktoriai, įskaitant „Eli Lilly“ Davidą Ricksą ir „Novartis“ Vasą Narasimhaną, skiria milijardus skaičiavimo galiai, partnerystėms ir naujoms tyrimų platformoms. „Goldman Sachs“ apskaičiavo, kad dabartinė dirbtinio intelekto naudos vaistų kūrimui vertė per ateinantį dešimtmetį gali siekti net 400 milijardų dolerių, sutrumpinant kūrimo terminus, sumažinant išlaidas ir padidinant vaistų sėkmės tikimybę.
Skirtumas yra tarp šiandienos ekonomikos ir rytojaus galimybių. Kol kas dirbtinis intelektas leidžia atlikti tyrimus laboratorijos taptų produktyvesnės nekeičiant svarbiausio rodiklio: kiek sėkmingų vaistų sukuriama iš kiekvieno tyrimų dolerio. Kol šis skaičius nepagerės, Volstritas neturi daug priežasčių persvarstyti sektoriaus vertinimo.
Laikui bėgant, tai gali pasikeisti. Dirbtinis intelektas gali būti platesnio biotechnologijų renesanso dalis, tačiau tik tuo atveju, jei pramonė gali pagerinti grįžtamąjį ryšį tarp atradimų ir įrodymų. Tai reiškia turtingesnius žmonių duomenis, geresnius pacientų stebėjimo būdus ir klinikinius tyrimus, kurie gali greičiau pateikti atsakymus.
Biotechnologijų investuotojas Rodas Wongas, „RTW Investments“ vadovaujantis partneris, teigia, kad didėjanti konkurencija iš Kinijos gali tapti šio pokyčio katalizatoriumi. Kinijos pranašumas, anot jo, yra greitis, kuriuo įmonės gali pereiti nuo tyrimų idėjų prie klinikinių įrodymų. Šis spaudimas gali priversti JAV permąstyti tyrimų sistemą, kuri tapo vis lėtesnė ir brangesnė.
Jei šios dalys susijungs, Eroomo dėsnis pagaliau gali pradėti veikti. Jei taip atsitiks, laimės ne tos įmonės, kurios pačios kuria dirbtinio intelekto modelius, o tos, kurios derina galingus įrankius su giliausiais biologiniais duomenimis ir galimybe vykdyti pasaulines vaistų kūrimo programas. Šie pranašumai yra palankūs didžiausioms įsitvirtinusioms farmacijos įmonėms, pažymi „Citi“ sveikatos priežiūros strategas Traveris Davisas.
Tačiau biologija veikia pagal savo laikrodį, o ne pagal puslaidininkių ciklą. Revoliucija dar gali būti tikra, bet mes jos tikrai nežinosime dar kelerius metus. Vaistų kūrimo srityje „tikras“ ir „greitas“ retai kada yra tas pats.“ [1]
1. Can AI Make Better Drugs? It Needs Time --- The technology has arrived in the drug lab. But should investors pay up for it? Wainer, David. Wall Street Journal, Eastern edition; New York, N.Y.. 13 July 2026: B10.
Komentarų nėra:
Rašyti komentarą