AI har længe været hyldet som en game-changer inden for lægemiddeludvikling. Håbet er, at det kan fremskynde udviklingen af nye behandlinger. Selvom over 150 lægemidler er under udvikling ved hjælp af AI, er kun ét blevet godkendt, og selv der var AI's rolle minimal. Udfordringer som regulatorisk usikkerhed og behovet for store mængder af højkvalitetsdata forsinker fremskridtene. Eksperter mener dog stadig, at AI’s potentiale ikke er udnyttet fuldt ud, og at gennembrud muligvis er lige om hjørnet, i takt med at samarbejde og klare regler fremmes.
Kunstig intelligens har været et varmt emne inden for lægemiddeludvikling i mere end et årti, da det menes at kunne accelerere opdagelsen og godkendelsen af nye terapeutiske stoffer. Men det potentiale har endnu ikke båret frugt, ifølge en ny analyse offentliggjort i JAMA Network Open. Selvom AI har bidraget til mere end 150 lægemidler under udvikling, er kun ét lægemiddel blevet godkendt til brug hos mennesker – og i det tilfælde blev AI kun brugt til statistisk analyse af de kliniske forsøg.
"Personligt tror jeg ikke, at AI i lægemiddeludvikling endnu er i nærheden af sit fulde potentiale.," siger Louise C. Druedahl, som er medforfatter til undersøgelsen som Post.Doc. ved Københavns Universitets Centre for Advanced Studies in Bioscience Innovation Law. "Jeg tror, vi kommer til at se meget mere i de kommende år."
"Men et usikkert regulatorisk landskab for AI i lægemiddeludvikling kan bremse yderligere fremskridt," siger medforfatter til artiklen, Timo Minssen, der er professor ved Københavns Universitet, og som studerer lovgivning og etik omkring nye sundhedsteknologier.
AI i tidlig lægemiddeludvikling
Ved at gennemgå en database med pressemeddelelser fra lægemiddelvirksomheder identificerede Druedahl og hendes medforfattere 164 lægemidler under udvikling, hvor producenterne rapporterede at have brugt AI på et eller andet tidspunkt. Omkring en tredjedel af disse lægemidler havde til formål at behandle kræft, mens en anden tredjedel retter sig mod neurologiske lidelser, fortæller Louise C. Druedahl.
AI var hyppigst blevet brugt til at hjælpe med til opdagelsen af lægemiddelmolekyler, faktisk gjaldt det for hele 125 af de 164 identificerede lægemidler. Da screening af potentielle kandidater til terapeutiske anvendelser handler meget om at analyse tal, kan kunstig intelligens hjælpe med at bearbejde de store datamængder til at evaluere nye spændende molekyler og måske helt fjerne behovet for laboratoriearbejde.
”Tilgangene ser ud til at variere. Nogle havde brugt platform-screening af lægemidler, hvor AI blev brugt til at analysere molekylære billeder af effekten af forskellige lægemidler på en celle, mens der i andre tilfælde blev anvendt deep generative modelling til virtuelt at designe nye molekyler,” forklarer Louise C. Druedahl.
Den næstmest brugte metode var til at finde mål for nye lægemidler. Lægemiddelproducenterne rapporterede, at maskinlæring havde hjulpet med at opdage forbindelser mellem "genetiske, kemiske og kliniske data", som ellers kunne være gået ubemærket hen. Det udgjorde 37 af de 164 undersøgte lægemidler, svarende til 22 %.
Det eneste AI-assisterede lægemiddel, der faktisk er kommet på markedet, er remestemcel-L, en stamcelleterapi. Men remestemcel-L er ikke ligefrem et skoleeksempel for AI's kraft til at accelerere lægemiddeludvikling. AI blev nemlig kun brugt til at analysere data efter afslutningen af det kliniske forsøg.
"En bayesiansk statistisk metode blev brugt til at vurdere sandsynligheden for at opnå signifikante resultater for det primære endepunkt ved studiets afslutning," skrev forskerne.
En oplagt begrænsning ved det nye studie er naturligvis, at den kun kunne finde de eksempler, hvor lægemiddelproducenter faktisk offentliggjorde deres brug af AI i pressematerialer.
"Vi ved desværre ikke, om producenterne bruger AI uden at kommunikere dette offentligt," siger Louise Druedahl.
Hvad holder AI i lægemiddeludvikling tilbage?
Der er flere hindringer, der skal overvindes, før potentialet i AI i lægemiddeludvikling kan realiseres, mener Timo Minssen.
At træne AI til lægemiddeludvikling vil kræve enorme mængder af højkvalitetsdata – mere end nogen enkelt lægemiddelproducent i øjeblikket har adgang til, siger han.
"Virksomheder vil sandsynligvis skulle samarbejde og dele data" for at nå denne kritiske grænse, og "nye former for 'coopetition', eller samarbejde mellem konkurrenter, må overvejes," tilføjer Minssen.
Det ville kræve justeringer af eksisterende love og virksomhedsregler, der styrer forretningshemmeligheder, immaterielle rettigheder og databeskyttelseslove, der dækker medicinske data.
Men alle data er ikke skabt ens.
”Indenfor forskning og udvikling lægemidler kommer data ofte fra forskellige kilder såsom kliniske forsøg, prækliniske studier og virkelige beviser, som kan være ufuldstændige, inkonsekvente eller støjende,” siger Minssen.
”Standardisering af dataindsamlings- og kurationsprocesser på tværs af industrien er afgørende, sammen med udvikling af robuste rammer for dataintegration for at harmonisere og rense data fra forskellige kilder for at øge kompatibilitet og anvendelighed,” uddyber Minssen.
Regulatorisk usikkerhed og etiske overvejelser
En anden hindring er, at de juridiske standarder for AI i lægemiddeludvikling endnu ikke er fastlagt. Både den amerikanske FDA og Det Europæiske Lægemiddelagentur kræver "grundig validering" af AI-værktøjer, hvilket kan være "tidskrævende og ressourcekrævende," siger Minssen.
"Mere klarhed er nødvendig for virksomhederne, ikke kun om hvilket bevisniveau der forventes, men også hvordan det kan demonstreres og opnås," tilføjer han.
Det hjælper ikke, at mange AI-modeller, især deep learning-modeller, er "black boxes" med uigennemsigtige beslutningsprocesser. Forståeligt nok kan det gøre en tilsynsmyndighed tilbageholdende med at stole på deres konklusioner.
"At demonstrere pålideligheden og reproducerbarheden af AI-modeller er afgørende for regulatorisk godkendelse," siger han. "Offentliggørelse af detaljerede protokoller og resultater for at lette reproducerbarhed kan også hjælpe med at opbygge tillid og troværdighed hos regulerende myndigheder."
FDA og EMA er i øjeblikket ved at genoverveje deres retningslinjer og procedurer vedrørende AI i lægemiddeludvikling. Minssen siger, at han håber, at samarbejde med industriledere tidligt i udviklingsprocessen kunne hjælpe med at "strømligne godkendelsesprocessen."
Etikken i brugen af AI i lægemiddeludvikling vil også kræve omhyggelig opmærksomhed, siger Minssen. "AI-modeller kan arve skævheder fra træningsdata, hvilket kan føre til forkerte eller skævvredne resultater. Brug af mangfoldige og repræsentative datasæt til træning af AI-modeller og implementering af teknikker til afhjælpning af skævheder er vigtige skridt," forklarer han.
"Sikring af etisk brug af AI i lægemiddelforskning og -udvikling, især i beslutninger der påvirker patienters helbred og sikkerhed, kræver etablering af etiske retningslinjer og rammer," tilføjer Minssen. "Oprettelse af tilsynskomitéer til at gennemgå AI-applikationer og deres virkninger og fremme gennemsigtighed i AI's beslutningsprocesser kan hjælpe med at sikre etisk brug."
Hvad har vi i vente?
”AI har potentialet til at revolutionere lægemiddelforskning og -udvikling,” og gøre processen ”mere effektiv, nøjagtig og omkostningseffektiv,” siger Minnsen.
Siden 2020 er brugen af AI i lægemiddeludvikling skiftet fra primært at "omforme" eksisterende molekyler til at behandle forskellige tilstande til at "opdage" nye lægemidler, ifølge en analyse offentliggjort i Drug Discovery Today.
I 2023 nåede 46 "AI-opdagede" lægemidler – hvor AI identificerede et nyt behandlingsmål eller lægemiddelmolekyle – fase 2 eller 3 kliniske forsøg, viste analysen. Det betyder, at det første ægte AI-opdagede lægemiddel kan være lige om hjørnet – og det er måske om ganske kort tid på et apotek nær dig.
