Nová architektura AI pro urychlení objevování léčiv
Společnosti Insilico Medicine a Liquid AI oznámily partnerství, jehož cílem je zefektivnit proces objevování a vývoje nových léčiv. Jejich spolupráce vyústila ve vývoj nového modelu umělé inteligence, který je navržen tak, aby zkrátil časové osy výzkumu a zároveň zajistil bezpečnost citlivých dat.
Současné procesy objevování nových léků často zahrnují roky experimentování a velké množství dat, což může zpomalit příchod nových terapií k pacientům. Tento nový přístup se snaží řešit tyto výzvy integrací pokročilé umělé inteligence do výzkumných procesů.
Výsledkem partnerství je model LFM2-2.6B-MMAI, který představuje jednotný systém umělé inteligence schopný řešit různé úkoly v oblasti objevování léčiv. Patří sem predikce chování molekul v těle i návrh nových sloučenin. Jednou z klíčových charakteristik tohoto modelu je jeho schopnost plně fungovat na soukromých serverech společností, což eliminuje potřebu přenosu citlivých informací do cloudových prostředí.
Model LFM2-2.6B-MMAI se vyznačuje kompaktní velikostí, disponuje 2,6 miliardami parametrů, a přitom dosahuje výsledků, které jsou srovnatelné nebo i překonávají modely desetkrát větších rozměrů. Tradiční modely umělé inteligence ve farmaceutickém výzkumu bývají objemné a vyžadují rozsáhlé cloudové superpočítače a značné objemy dat. Ramin Hasani, generální ředitel společnosti Liquid AI, k tomu uvedl, že praktická použitelnost základních modelů ve vědách pramení spíše z jejich efektivní architektury než z pouhého zvětšování rozsahu. Partnerství s Insilico podle něj dokládá možnost snižování nákladů na inteligenci při současném zvyšování kvality výstupu.
Pro farmaceutické společnosti to znamená možnost udržet proprietární molekulární data, klinické cíle a další citlivé informace na vlastních serverech. Tím se snižuje riziko spojené s přenosem dat a zároveň se vědcům umožňuje plně využívat potenciál umělé inteligence.
Model AI je navržen tak, aby pomáhal výzkumníkům odpovídat na komplexní otázky, jako například: které molekuly jsou pravděpodobně bezpečné a účinné; jak lze sloučeninu upravit pro lepší fungování napříč více kritérii; které molekuly se budou vázat na správné proteinové cíle; a jak lze molekulu efektivně vyrobit v laboratoři. Bylo zaznamenáno, že model dosáhl až 98,8% úspěšnosti v optimalizaci více parametrů a rovněž vyniká v chemickém uvažování, kdy navrhuje logické syntetické kroky pro nové sloučeniny.
Insilico Medicine se dlouhodobě zaměřuje na nemoci související se stárnutím, včetně fibrózy a neurodegenerativních poruch. Urychlením raných fází objevování léčiv mohou modely jako LFM2-2.6B-MMAI přispět k tomu, aby se terapie pro tyto stavby dostaly k pacientům dříve. Alex Zhavoronkov, generální ředitel společnosti Insilico Medicine, se vyjádřil, že vysoce efektivní modely vědecké AI usnadní více vědcům dosahování jejich cílů, zkrátí časové osy objevování a v konečném důsledku pomohou pacientům.
Z pohledu investic toto partnerství naznačuje posun v oblasti farmaceutické umělé inteligence. Místo sledování stále větších cloudových modelů se Insilico a Liquid AI zaměřují na menší, agilní systémy, které nabízejí vysoký výkon a ochranu dat. Pro velké farmaceutické společnosti to představuje kombinaci rychlosti, efektivity a důvěrnosti.
Pokud bude tento model široce přijat, mohl by vytvořit nové příjmové toky pro Insilico Medicine a posílit jeho pozici v oblasti objevování léčiv řízeného umělou inteligencí. Důraz na on-premise, bezpečné nasazení odlišuje tento přístup na trhu, kde správa dat a dodržování regulačních předpisů získávají stále větší význam. Tento vývoj má potenciál k dřívějším průlomům a cílenějším terapiím, zejména v oblasti dlouhověkosti, kde by nemoci související s věkem mohly být řešeny dříve, než zásadně omezí život.