پایگاه خبری فولاد ایران - صنعت داروسازی در آستانه تحولی عظیم قرار دارد که ریشه در پیشرفتهای فناوری هوش مصنوعی (AI) دارد. طبق گزارش اکونومیست، برخلاف آزمایشگاههای سنتی با لولههای آزمایش و لباسهای سفید، پژوهشگران مدرن مانند دکتر پاتریک شواب در محیطهایی کاملاً دیجیتال و با استفاده از هوش مصنوعی در حال بازتعریف روند کشف و توسعه دارو هستند.
مهمترین دستاورد هوش مصنوعی در این حوزه، توانایی تحلیل دادههای زیستی گسترده و ارتباط دادن ژنومها با نشانگان بیماریها (فنوتیپ) است. ابزاری مانند «فنفرمر» میتواند مکانیسمهای پنهان بیماریها را کشف و فرضیههای جدیدی درباره چگونگی بیماریزایی مطرح کند. این رویکرد جایگزین روشهای سنتی آزمایشگاهی شده و سرعت فرآیندهای پژوهشی را چند برابر کرده است.
یکی از پیشگامان بهکارگیری مدلهای نوین هوش مصنوعی (مدلهای ترنسفورمر) در کشف دارو، شرکت «Insilico Medicine» است که با استفاده از هوش مصنوعی موفق به کشف دارویی برای بیماری فیبروز ریوی شده است. این پروژه از ۴.۵ سال به ۱۸ ماه کاهش زمان توسعه رسید. اکنون این شرکت بیش از ۴۰ داروی در حال توسعه در دست دارد و سرمایهگذاری در این حوزه از ۳.۸ میلیارد دلار در ۲۰۲۵ به ۱۵.۲ میلیارد دلار در ۲۰۳۰ پیشبینی میشود.
مشارکت شرکتهای دارویی بزرگ با شرکتهای هوش مصنوعی، مانند همکاری ایلیلی و انویدیا برای ساخت ابرکامپیوترهای تخصصی، روند تسریع توسعه داروها را سرعت بخشیده است.
اقتصاد پیچیده صنعت داروسازی (با نرخ شکست ۹۰ درصدی در مراحل آزمایش بالینی و هزینههای توسعه تا ۲.۸ میلیارد دلار برای هر داروی موفق) باعث شده که حتی بهبودهای جزئی در کارایی، ارزش اقتصادی زیادی داشته باشد. استفاده از هوش مصنوعی توانسته مرحله پیشبالینی را از ۳ تا ۵ سال به ۱۲-۱۸ ماه کاهش دهد و نرخ موفقیت داروها در آزمایشهای اولیه را از ۴۰-۶۵ درصد به ۸۰-۹۰ درصد برساند.
از دیگر کاربردهای مهم هوش مصنوعی، میتوان به طراحی بهتر آزمایشهای بالینی، انتخاب دقیقتر بیماران مستعد بهرهمندی از دارو و ساخت «بیماران مصنوعی» یا «همزاد دیجیتال» اشاره کرد که میتواند اندازه و هزینه آزمایشها را کاهش دهد و شانس بیماران واقعی برای دریافت درمان را افزایش دهد. مدلسازی نشان داده که این روشها میتوانند کنترلهای آزمایشهای بالینی را تا ۲۰-۴۰ درصد کاهش دهند.
در سطح مولکولی نیز هوش مصنوعی به پیشبینی دقیقتر ساختار پروتئینها، پیچیدگیهای RNA و ساختارهای سلولی کمک میکند که همه اینها برای طراحی داروهای پیشرفته حیاتی است. شرکتهایی مانند Recursion و Owkin در حال توسعه سیستمهای هوش مصنوعی هستند که قادر به شناسایی الگوهای ژنتیکی و بیولوژیکی فراتر از توان انسانها هستند.
اما این پیشرفتها سوال مهمی را ایجاد میکند: آیا شرکتهای دارویی سنتی در معرض تهدید و اختلال از سوی بازیگران جدید مبتنی بر هوش مصنوعی هستند؟ در حال حاضر همکاریها غالب است، اما با پیشرفت هوش مصنوعیهای عمومی در زیستشناسی، تعادل قدرت ممکن است تغییر کند.
در نهایت، اگر هوش مصنوعی بتواند کارایی در مراحل بالینی را بهبود بخشد، احتمال موفقیت داروها میتواند از ۵-۱۰ درصد به ۹-۱۸ درصد افزایش یابد؛ تغییری که به معنای کاهش ریسک و هزینههای توسعه دارو و افزایش سرمایهگذاری در این صنعت است. در بلندمدت، فناوری هوش مصنوعی میتواند امکان پیشرفتهای بیسابقه در سلامت انسان را فراهم کند.
منبع: Economist