Nové standardy pro hodnocení umělé inteligence ve vývoji léčiv
Společnost Insilico Medicine představila nový hodnotící rámec s názvem Drug Discovery and Development (DDD) Benchmark as a Service. Cílem tohoto nástroje je objektivně posoudit schopnosti systémů umělé inteligence (AI) v procesu objevování a vývoje léčiv. Dosavadní metody testování AI modelů často narážely na problém, kdy modely dosahovaly vysokých výsledků díky tomu, že otázky v testech byly součástí jejich tréninkových dat, nikoliv díky schopnosti skutečného vědeckého úsudku.
Metodologie a cíle benchmarku
Nový benchmark je navržen tak, aby testoval modely na úkolech, které vyžadují komplexní sekvenční rozhodování, nezbytné pro přechod od teoretického vědeckého návrhu k reálnému léku. Rámec využívá validované datové sady vycházející z dvanáctileté historie výzkumu společnosti Insilico Medicine. Jedná se o formu slepého testu, při kterém modely čelí problémům, jež nebyly součástí jejich dosavadního tréninku.
Hodnocení se zaměřuje na několik klíčových oblastí farmaceutického výzkumu. Patří mezi ně porozumění biologii onemocnění, predikce chování molekul, plánování chemické syntézy a podpora klinického vývoje. Systém umožňuje nezávislé srovnání výkonnosti různých modelů a nabízí možnost zveřejňování výsledků na veřejném žebříčku.
Využití reálných zkušeností z praxe
Vývoj benchmarku vychází z praktických výsledků společnosti Insilico Medicine, která za dobu své existence nominovala 31 preklinických kandidátů a zajistila více než deset povolení pro zahájení klinických studií. Příkladem je léčivo Rentosertib, určené k léčbě idiopatické plicní fibrózy, které jakožto produkt AI vývoje vstoupilo do třetí fáze klinického testování. Tyto reálné projekty slouží jako referenční bod pro měření schopností ostatních algoritmů.
Význam pro oblast dlouhověkosti
Zavedení standardizovaných metrik reflektuje širší trend ve zdravotnictví, kde se pozornost přesouvá od schopnosti AI generovat teoretické odpovědi k její schopnosti činit spolehlivá rozhodnutí ověřitelná v laboratorních i klinických podmínkách. V kontextu výzkumu dlouhověkosti je tato změna zásadní, neboť vývoj terapií zaměřených na biologii stárnutí vyžaduje zpracování rozsáhlých dat a realizaci náročných rozhodnutí v raných fázích vývoje. Transparentní a standardizované testování AI systémů představuje jeden z nástrojů, jak zajistit validitu budoucích farmaceutických inovací.