Quris використовує ШІ, щоб прискорити розробку ліків і скоротити кількість випробувань на тваринах
Необхідність випробувань на тваринах сумна для процесу відкриття ліків, але, схоже, немає доброї альтернативи мишам, навіть якщо вони не зовсім точні людські аналоги. У Quris стверджують, що створили перший реальний варіант за допомогою поєднання штучного інтелекту з даними від «пацієнта на чипі», який забезпечує надійне тестування та автоматизацію за значно нижчою вартістю — миша не потрібна.
Компанія залучила $9 млн фінансування, щоб перейти від пілотного проєкту до виробничого, а зіркова команда спонсорів і консультантів є перспективним індикатором того, що цей підхід має фундаментальні переваги.
Основна ідея логічна: створити кращу дрібномасштабну симуляцію людського тіла і використовувати її для збору даних, які система машинного навчання може легко інтерпретувати. Звісно, легше сказати, ніж зробити, але щойно дослідники придумали це, компанія взялася за розробку.
Підхід ізраїльської компанії ґрунтується на великому Гарвардському дослідженні, присвяченому використанню так званих «органів на чипі». Ці системи, все ще відносно нові, використовують невелику кількість тканини, отриманої зі стовбурових клітин («органоїдів»), як випробувальний стенд для ліків або лікування, що дає добре уявлення про те, як, наприклад, людська печінка може реагувати на комбінацію певних речовин.
Дослідники з Гарварду виявили, що, з'єднавши разом кілька систем «орган на чипі» (наприклад, печінку, нирки і клітини серця), ви зрештою отримаєте напрочуд ефективне моделювання людського тіла. Звісно, немає нічого кращого за справжнє, але ця послідовна органоїдна система, або «пацієнт на чипі», могла б стати реальною альтернативою тестуванню на мишах. Останнє досі є найпоширенішим способом побачити, як лікування впливає на всю систему органів, хоча речовини, які пройшли фазу на мишах, успішно проходять тести на людях лише приблизно в 10% випадків.
Генеральний директор Quris розповів, що, щойно це дослідження вийшло, він і його колеги усвідомили потенціал і почали працювати над тим, що необхідно зробити з точки зору інженерії та штучного інтелекту, щоб перетворити це з експериментальної системи на масштабований продукт. Це не просто заміна миші — це відносно недорогий метод проведення обмеженого тестування на людях без людей.
«Припустімо, у вас фармацевтична компанія. Ви хочете чекати, поки опинитеся на межі клінічних випробувань, щоб з'ясувати, чи дійсно ефективна молекула, яка добре виглядає на папері? Ви можете зробити будь-які відкриття в галузі геноміки, які забажаєте, але це не допоможе вам оминути експерименти на мишах, які зазнають невдачі в 90% випадків. Це дозволяє вибрати «коня-переможця» ще до того, як вирушити на перегони»
Беручи до уваги той факт, що кандидати на ліки можуть коштувати сотні мільйонів доларів, щоб дійти до клінічної стадії, більш ніж варто витратити навіть невеликий статок, щоб відсіяти кілька варіантів, приречених на невдачу. Якщо метод точний, тоді ризик практично дорівнює нулю, і він окупиться, якщо уникнути хоча б одного дорогого глухого кута. Іншими словами, менталітет програмного забезпечення «виходити з ладу рано, виходити з ладу дешево» насправді ніколи не був придатним варіантом.
У системі Quris використовується те, що компанія називає технологією «чип на чипі» — кілька органоїдних систем (чипів) розташовані послідовно (на іншому чипі), але все одно на порядок менші й ефективніші за сучасні лабораторні системи. Щоб запустити сотню змодельованих людей, як це робили дослідники з Гарварду, знадобилися б мільйони чипів, але система Quris використовує менше біологічного матеріалу. Її можна автоматизувати, і вона супроводжується добре навченою моделлю машинного навчання.
Ще один аспект, який підкреслює Quris, — унікальний набір даних керуватиме унікальним ШІ, який розуміє і може допомогти проводити та інтерпретувати експерименти. ШІ вже навчається роботі з наявними та деякими ліками, що готуються до випуску, вивчаючи, що сигнали від різних датчиків означають для безпеки речовини. Це дозволяє проводити ефективне тестування на невеликій кількості чипів, а не, скажімо, на 500 мишах.
Самі чипи теж не всі однакові. Шляхом ретельного маніпулювання стовбуровими клітинами і тканинами та їх ретельного відбору можна тестувати різні типи людей, різні стани або фенотипи. Якщо в компанії є ліки, які добре працюють, але викликають побічні ефекти в 10% випадків, автоматичне тестування різних генетичних схильностей або ускладнюючих факторів може допомогти з'ясувати, які генетичні чинники призводять до таких побічних ефектів.
Оскільки ШІ знає про все це і каталогізує всі дані, він має досить добре визначати на основі відносно невеликої кількості автоматичних тестів, чи є ліки хорошим кандидатом для тестування на людях чи ні. Без інтерпретації ШІ дані раптово перетворюються на проблему з кількома докторськими дисертаціями. Але Бентвич одразу зазначив, що вони ніяким чином не очікують усунення біологічної складової і не покладаються лише на ШІ.
«Це справді здається дуже великою можливістю. У мене були схожі ідеї й в інших галузях хімії, що ви можете використовувати ШІ, щоб робити ці прогнози. Це, звісно, не замінить тестування, але звужує можливості процесу і, на мою думку, значно прискорить завдання»
У бізнес-моделі є два варіанти. Один з них — надання фармацевтичній компанії послуги скринінгу їхніх кандидатів на ліки з оплатою, що залежить від точності результатів — наприклад, ліки, схвалені системою, досягають заданого етапу тестування, як і прогнозувалося. Інший — працювати над власними препаратами. Наразі в компанії є ліки від аутизму, пов'язаного з крихкою Х-хромосомою, які пройдуть клінічні випробування у 2022 році.
«Це перестане бути просто дорогими експериментами для фармацевтичних компаній. Через 5-10 років цим цілком зможуть займатися сотні мільйонів людей. Якщо задуматися, зараз ми живемо досить варварсько. Ви йдете до фармацевта, і він перелічує можливі побічні ефекти, але ви не знаєте напевно. Ви що, піддослідний кролик? Відповідь: так, ми всі — піддослідні кролики. Але це лише перший крок»
