Jak může umělá inteligence zvýšit rychlost a přesnost vývoje vakcín

Jak mohou AI a pokročilé postupy datové analýzy pomoci při vývoji a distribuci vakcín a dalších lékařských objevech.
Navzdory obrovskému pokroku v lékařství, ke kterému došlo v posledních desetiletích, je toho stále ještě hodně, co nám zbývá o lidském těle zjistit. Posláním průmyslu spojeného s biologickými vědami je proto trvale posouvat hranice výzkumu, a tím rozšiřovat naše kolektivní poznání. Reakce na infekční choroby je sice jen jedním z aspektů tohoto poslání, přesto však představuje nesmírně významnou oblast odpovědnou za zlepšování celosvětového zdraví a prodlužování délky života.
To, co obvykle odlišuje akutní onemocnění od chronických stavů, je naléhavost. Jakmile se objeví nový kmen, který způsobuje onemocnění, může dojít k situaci, že se potká jeho virová podstata se vzájemnou propojeností moderní společnosti a způsobí exponenciální nárůst případů vyžadujících léčbu. Tím se vytváří nesmírný tlak na vládu i zdravotní infrastrukturu, které musí začít podnikat kroky k omezení šíření nákazy a zahájit léčbu tak, aby bylo možné co nejrychleji obnovit normální společenský i ekonomický život.
Zásadní roli hrají v tomto ohledu organizace orientované na biologické vědy, které mohou prostřednictvím umělé inteligence (AI) a dalších pokročilých analytických metod pomoci významně urychlit cestu k vývoji a šíření těchto léčebných postupů.
Co se podílí na vývoji vakcíny?
Pocit naléhavosti, který přichází s infekčními chorobami, může sám o sobě urychlit vývoj, na jehož konci je hotová vakcína. Nutnost jednat okamžitě sjednocuje a energizuje celou řadu orgánů – od výzkumných a klinických pracovníků až po regulační orgány a výrobce – s cílem dát do rukou zdravotnických pracovníků co nejrychleji účinné léčivé přípravky.
I přesto, že všechny tyto skupiny pracují neúnavně a s odhodláním, může celý proces trvat roky. Připravenosti uvedení léčivého přípravku na trh předchází několik fází. Jsou to tyto:
►Průzkumná fáze; práce s tisíci potenciálních sloučenin s cílem připravit užší výběr kandidátů na vakcínu a výzkum imunitní odpovědi
►Předklinické stadium; laboratorní analýza vedoucí k identifikaci relevantních antigenů, jejímž výsledkem je návrh složení a struktury vakcíny
►Klinický výzkum; testování vakcíny na testovacích skupinách s různými charakteristikami
►Přezkum a schválení regulačními autoritami; ověření bezpečnosti vakcíny a dodržování zdravotních předpisů
►Výroba a kontrola kvality; vývoj léků v přípravě na masovou distribuci
Každý z těchto kroků je nutný proto, aby se zajistilo, že vyrobená vakcína bude účinná a bezpečná, aby byly správně pochopeny všechny vedlejší účinky a aby mohla být vyráběna na stejném základě v libovolném množství, dokud se hrozba onemocnění dostatečně neminimalizuje.
Složitost, regulace a náklady spojené s každou z těchto fází odjakživa zpomalovaly reakci na nově se objevující zdravotní situace. Dnes máme díky pokrokům v technologiích souvisejících s umělou inteligencí příležitost celý proces uvedení léčivého přípravku na trh významně urychlit.
Jak může AI v tomto procesu pomoci?
I když nikdy nebudeme moct očekávat, že se něco tak komplexního, jako je vývoj vakcíny, vyřeší přes noc, můžeme se snažit odstranit aspoň některé překážky a úzká místa, která mohou vývoj brzdit. Pokroky v automatizaci datové analýzy a zlepšení vizualizace toho, co se děje v každém kroku fáze průzkumu, mohou vyřešit některé z neefektivních kroků, a tím urychlit postup vývoje vakcíny a zefektivnit činnosti vedoucí k zvýšení objemu výroby.
Zde jsou některé z rolí, které může AI hrát v každé fázi:
Průzkumná/předklinická
Počáteční fáze objevu léčiva často zahrnují proces filtrování, kterým se na základě předchozích studií a léčby zužuje počet kandidátů na vakcínu. Výzkumníci mohou s pomocí umělé inteligence zpracovat obrovské digitální datové knihovny (například analyzovat vlastnosti tisíců farmaceutických sloučenin) s výrazně vyšší přesností, než by to bylo možné ručně, a vytipovat potenciální kandidáty na léčivo. AI lze v těchto fázích použít také pro sekvencování DNA na základě komplexních údajů o člověku, což umožňuje lékařům provádět testy genetické shody a imunitní odpovědi.
Klinický vývoj a pokusy
Jakmile byly identifikovány vhodné sloučeniny, postupuje se směrem k reálnému testování. Různí pacienti budou na léčbu reagovat odlišně, v závislosti na faktorech, jako je věk a předchozí zdravotní anamnéza. Testy proto musí být dostatečně komplexní, aby pokryly i okrajové případy, kdy by pacient mohl na léčbu špatně reagovat.
Trénování algoritmů hlubokého učení umožňuje výzkumníkům provádět tyto testy v dříve nepředstavitelném měřítku, dokonce ještě před tím, než je kandidát na vakcínu pacientům fyzicky podán. Tyto algoritmy lze použít k identifikaci a odběru vzorků protilátek a díky tomu bojovat proti infekčním chorobám extrémně rychleji a s významně nižšími náklady. Pokročilá analýza a vizualizace dat odpovědi člověka na potenciální vakcíny pak mohou být využity při rychlém testování, což umožňuje provádět složitější analýzu a snížit chybovost.
Výroba a QA
Po schválení vakcinačních přípravků regulačními autoritami se začíná závod o co nejrychlejší vývoj a distribuci léčiv v rámci rozsáhlé sítě nemocnic a klinik. To má zásadní dopad na provoz výrobců těchto produktů, kteří musí činit rychlá rozhodnutí o takových věcech, jako je výrobní kapacita, kvalita produktu či optimální řešení balení.
Kombinace technologií využívajících umělou inteligenci a snímače dovoluje výrobcům pracovat s granulárními daty, a tím zvýšit efektivitu dodavatelského řetězce. Tím se mohou v rámci svých výrobních postupů vyhnout riziku vzniku nesrovnalostí mezi nabídkou a poptávkou a minimalizovat riziko poničení produktů během distribuce.
Rychlejší léčba v době, kdy je potřeba
Ohnisko virové nákazy může přinést nepředvídatelné výzvy pro všechny, kdo se podílejí na řízení veřejného zdravotnictví, od politiků a zdravotnických orgánů až po klinické lékaře a výrobce. Zatímco ti první mohou začít podnikat rychlé kroky k testování infekce a zavádět v identifikovaných skupinách ochranná opatření, ti druzí jsou často pod narůstajícím tlakem dodat léčivé přípravky na trh co nejrychleji. Schopnost nalézt nové efektivní postupy ve vývoji vakcín znamená, že se může podstatně změnit způsob léčby identifikovaných případů, zmírnit tlak na infrastrukturu zdravotní péče a přispět ke zvýšení počtu vyléčených.
Možnosti umělé inteligence dávají všem, kdo se podílejí na vývoji, možnost jednat pod tlakem rychleji. Techniky, jakými jsou hluboké učení a pokročilá vizualizace dat, umožňují výzkumníkům opírat se o existující výzkum prováděný za účelem řešení složitých problémů souvisejících s hledáním vhodných léčivých přípravků k léčbě infekcí způsobených novými viry. Využitelnost AI sahá až po výrobu a distribuci, tedy tam, kde výrobci hrají významnou roli při uvádění těchto léků na trh s velkou rychlostí a v podmínkách velké nejistoty. 
Chcete-li se dozvědět více o roli AI ve farmaceutickém průmyslu, tak navštivte stránku věnovanou biologickým vědám na webu www.rockwellautomation.com (11.5.2020)