Πώς η τεχνητή νοημοσύνη αλλάζει την ανακάλυψη φαρμάκων

Ας είμαστε ξεκάθαροι για τα φάρμακα: η ανακάλυψή τους είναι τραγικά αργή και ακριβή. Οι ερευνητές περνούν χρόνια ψάχνοντας εκατομμύρια μοριακές ενώσεις χειροκίνητα, ελπίζοντας ότι κάποια θα δουλέψει. Η τεχνητή νοημοσύνη αντιστρέφει αυτό εκπαιδεύοντας τα μοντέλα σε υπάρχοντα δεδομένα, μαθαίνοντας τι κάνει έναν υποψήφιο φάρμακο βιώσιμο, και στη συνέχεια προτείνοντας καινούρια αυτόματα. Εταιρείες όπως το DeepMind και το Exscientia έχουν ήδη φάρμακα σε κλινικές δοκιμές που ξεκίνησαν ως προβλέψεις τεχνητής νοημοσύνης. Αυτό δεν είναι πια επιστημονική φαντασία.

Αλλά εδώ είναι αυτό που σημαίνει πραγματικά για τη βιομηχανία. Το στενό λαιμό δεν ήταν μόνο η εύρεση καλών μορίων—ήταν η επικύρωσή τους χωρίς να χάσεις πέντε χρόνια και δισεκατομμύρια σε αποτυχημένες προσπάθειες. Η τεχνητή νοημοσύνη μειώνει αυτή τη φάση επικύρωσης γιατί μπορεί να προσομοιώσει πώς ένα φάρμακο αλληλεπιδρά με ανθρώπινες πρωτεΐνες πριν κανείς ακουμπήσει ένα δοκιμαστικό σωλήνα. Λιγότερα αποτυχημένα πειράματα σημαίνει πιο γρήγορα χρονοδιαγράμματα, χαμηλότερο κόστος και φάρμακα που φτάνουν στους ασθενείς νωρίτερα. Γιατί δεν θα ήθελαν οι φαρμακευτικές εταιρείες να υιοθετήσουν αυτό;

Το πρόβλημα είναι ότι η τεχνητή νοημοσύνη χρειάζεται ακόμα σταθερά δεδομένα εκπαίδευσης και ανθρώπους ερευνητές για να ερμηνεύσουν τα αποτελέσματα. Δεν μπορείς απλά να δείξεις ένα αλγόριθμο στον καρκίνο και να περιμένεις να βγάλει ένα φάρμακο. Οι εταιρείες που κερδίζουν εδώ δεν αντικαθιστούν χημικούς—τους δίνουν υπερδυνάμεις. Η τεχνητή νοημοσύνη χειρίζεται την κουραστική δουλειά της ταξινόμησης και πρόβλεψης, στη συνέχεια παραδίδει τους πιο υποσχόμενους υποψηφίους για να τους ερευνήσουν πραγματικά οι επιστήμονες. Αυτή η συνεργασία μεταξύ μηχανής και ανθρώπου είναι όπου προέρχεται η πραγματική ταχύτητα.