Quris использует ИИ, чтобы ускорить разработку лекарств и сократить количество испытаний на животных
Необходимость испытаний на животных печальна для процесса открытия лекарств, но, по-видимому, нет хорошей альтернативы мышам, даже если они не совсем точные человеческие аналоги. В Quris утверждают, что создали первый реальный вариант с помощью сочетания искусственного интеллекта с данными от «пациента на чипе», который обеспечивает надежное тестирование и автоматизацию при значительно более низкой стоимости — мышь не требуется.
Компания привлекла $9 млн финансирования, чтобы перейти от пилотного проекта к производственному, а звездная команда спонсоров и консультантов является многообещающим индикатором того, что этот подход имеет фундаментальные достоинства.
Основная идея логична: создать лучшую мелкомасштабную симуляцию человеческого тела и использовать ее для сбора данных, которые система машинного обучения может легко интерпретировать. Конечно, легче сказать, чем сделать, но как только исследователи придумали это, компания занялась разработкой.
Подход израильской компании основан на крупном Гарвардском исследовании, посвященном использованию так называемых «органов на чипе». Эти системы, все еще относительно новые, используют небольшое количество ткани, полученной из стволовых клеток («органоидов»), в качестве испытательного стенда для лекарств или лечения, что дает хорошее представление о том, как, например, человеческая печень может реагировать на комбинацию определенных веществ.
Исследователи из Гарварда обнаружили, что, соединив вместе несколько систем «орган на чипе» (например, печень, почки и клетки сердца), вы в конечном итоге получите удивительно эффективное моделирование человеческого тела. Конечно, нет ничего лучше настоящего, но эта последовательная органоидная система или «пациент на чипе» могла бы стать реальной альтернативой тестированию на мышах. Последнее по-прежнему является самым распространенным способом увидеть, как лечение влияет на всю систему органов, несмотря на то, что вещества, прошедшие фазу мыши, успешно проходят тесты на людях только примерно в 10% случаев.
Генеральный директор Quris рассказал, что, как только это исследование вышло, он и его коллеги осознали потенциал и начали работать над тем, что необходимо сделать с точки зрения инженерии и искусственного интеллекта, чтобы превратить это из экспериментальной системы в масштабируемый продукт. Это не просто замена мыши — это относительно недорогой метод проведения ограниченного тестирования на людях без людей.
«Допустим, у вас фармацевтическая компания. Вы хотите подождать, пока окажетесь на грани клинических испытаний, чтобы выяснить, действительно ли эффективна молекула, которая хорошо выглядит на бумаге? Вы можете сделать все открытия в области геномики, какие захотите, но это не поможет вам пройти мимо экспериментов на мышах, которые терпят неудачу в 90% случаев. Это позволяет вам выбрать «лошадь-победительницу» перед тем, как отправиться на скачки»
Принимая во внимание тот факт, что кандидаты на лекарства могут обойтись в сотни миллионов долларов, чтобы добраться до клинической стадии, более чем стоит потратить даже небольшое состояние, чтобы отсеять несколько вариантов, обреченных на неудачу. Если метод точный, тогда риск практически равен нулю, и он окупится, если избежать хотя бы одного дорогостоящего тупика. Другими словами, менталитет программного обеспечения «выходить из строя рано, выходить из строя дешево» на самом деле никогда не был подходящим вариантом.
В системе Quris используется то, что компания называет технологией «чип на чипе» — несколько органоидных систем (чипов) расположены последовательно (на другом чипе), но все равно на порядок меньше и эффективнее современных лабораторных систем. Чтобы запустить сотню смоделированных людей, как это делали исследователи из Гарварда, потребовались бы миллионы чипов, но система Quris использует меньше биологического материала. Она может быть автоматизирована и сопровождается хорошо обученной моделью машинного обучения.
Еще один аспект, который подчеркивает Quris, — уникальный набор данных будет управлять уникальным ИИ, который понимает и может помочь проводить и интерпретировать эксперименты. ИИ уже обучается работе с существующими и некоторыми готовящимися к выпуску лекарствами, изучая, что сигналы от различных датчиков означают для безопасности вещества. Это позволяет проводить эффективное тестирование на небольшом количестве чипов, а не, скажем, на 500 мышах.
Сами чипы тоже не все одинаковые. Путем тщательного манипулирования стволовыми клетками и тканями и их тщательного отбора можно тестировать разные типы людей, различные состояния или фенотипы. Если у компании есть лекарство, которое работает хорошо, но вызывает побочные эффекты в 10% случаев, автоматическое тестирование различных генетических предрасположенностей или осложняющих факторов может помочь выяснить, какие генетические факторы приводят к таким побочным эффектам.
Поскольку ИИ знает обо всем этом и каталогизирует все данные, он должен достаточно хорошо определять на основе относительно небольшого количества автоматических тестов, является ли лекарство хорошим кандидатом для тестирования на людях или нет. Без интерпретации ИИ данные внезапно превращаются в проблему с несколькими докторскими диссертациями. Но Бентвич сразу отметил, что они никоим образом не ожидают устранения биологической стороны и полагаются только на ИИ.
«Это действительно кажется очень большой возможностью. У меня были похожие идеи и в других областях химии, что вы можете использовать ИИ, чтобы делать эти прогнозы. Это, конечно, не заменит тестирование, но сужает процесс возможности и, на мой взгляд, это значительно ускорит задачу»
У бизнес-модели есть два варианта. Один из них — это предоставление фармацевтической компании услуги по скринингу их кандидатов на лекарства с оплатой, зависящей от точности результатов — например, лекарство, одобренное системой, достигает заданного этапа тестирования, как и прогнозировалось. Другой — работать над собственными препаратами. Прямо сейчас у компании есть лекарство от аутизма хрупкой Х-хромосомы, которое будет проходить клинические испытания в 2022 году.
«Это перестанет быть просто дорогостоящими экспериментами для фармацевтических компаний. Через 5-10 лет этим вполне смогут заниматься сотни миллионов людей. Если задуматься, сейчас мы живем довольно варварски. Вы идете к фармацевту, и он перечисляет возможные побочные эффекты, но вы не знаете наверняка. Вы что, подопытный кролик? Ответ: да, мы все — подопытные кролики. Но это лишь первый шаг»
