Jon Kapla om AIs roll i läkemedelsindustrin
AI förändrar framtidens läkemedelsindustri
När Nobelpriset i kemi 2024 tilldelades en AI-modell, blev det ett tydligt erkännande av AIs inflytande och potential inom vetenskapliga och industriella processer. Utvecklingen markerar att AI inte bara är ett verktyg, utan en katalysator för innovation inom läkemedelsutveckling.
Jon Kapla, beräkningsbiolog på AFRY, har en stark bakgrund inom farmaceutiska beräkningsmetoder och har använt AI-modeller som AlphaFold2, för att förutsäga strukturer på prekliniska läkemedelskandidater. Han utforskar nu potentialen i nya AI-baserade verktyg för proteindesign som erbjuder unika möjligheter inom läkemedelsforskningen såväl som den bioteknologiska industrin.
— AI och maskininlärning har visat sig ovärderliga för att snabbt lösa tidigare olösta strukturer, säger Jon.
Han betonar att AI-modellernas förmåga att förutse proteiners struktur och funktion kan påskynda läkemedelsutvecklingsprocessen avsevärt. Nobelpriset i kemi belyser dessa framsteg, där Demis Hassabis och John Jumper med AlphaFold2 har löst det 50-åriga mysteriet om proteinstrukturer.
Potential att radikalt förändra hur vi utvecklar läkemedel – men har vi resurserna?
En av de största utmaningarna för läkemedelsföretagen är de höga kostnaderna att föra ett läkemedel till kliniska prövningar, där de flesta inte når marknaden på grund av bristande effekt eller oförutsedda biverkningar. Här kan AI hjälpa till att förutse vilka molekyler som har störst chans att klara sig igenom alla prövningar, vilket är en stor vinst då fler läkemedel skulle kunna nå marknaden.
— Man kan även se miljömässiga vinster, till exempel genom att försöka minimera det laborativa arbetet och därmed användandet av miljöskadliga kemikalier, berättar Jon.
Han tillägger även att man måste väga dessa laborativa fördelar mot den energiåtgång som krävs för att använda verktygen då AI ofta kräver stora beräkningsresurser så som lagring, grafikkort och processorer. Det är något som inte framgår för slutanvändarna av verktyg som OpenAIs generativa AI-modell, ChatGPT, men som är väldigt tydligt när man applicerar modeller på molekylära problem.
— En diskussion som nyligen har blossat upp handlar om den omfattande resursanvändningen hos dessa verktyg. Förra året belyste amerikanska forskare de stora datacenter som behövs för att träna och driva stora modeller som ChatGPT, vilket kräver enorma mängder elektricitet och kylvatten. Det kommer krävas krafttag framöver från såväl hårdvaru- och mjukvaruutvecklare som energisektorn för att göra framtidens AI-verktyg mer hållbara, säger Jon.
Vidare belyser han att etiska överväganden är centrala i diskussionen kring AI inom läkemedel. Jon betonar vikten av att förstå AI-modellernas begränsningar och alltid komplettera med experimentella tester.
— Det är viktigt att känna till modellernas svagheter när man tolkar svaren, avslutar han.
Denna medvetenhet är avgörande för att säkerställa en säker och ansvarsfull användning av AI inom läkemedelsutveckling.
Teknologins kraft att förändra och skapa hållbarhet
AI representerar en revolutionerande kraft inom läkemedelsindustrin, där teknologins potential att förändra läkemedelsutveckling på ett djupgående sätt bara har börjat utforskas. Jon Kaplas insikter understryker den betydande roll AI spelar för att öka precision, effektivitet och hållbarhet i denna process. Med AIs hjälp kan vi se fram emot en framtid där nya och förbättrade läkemedel utvecklas snabbare och mer kostnadseffektivt, samtidigt som vi navigerar noggrant genom de etiska överväganden som följer med denna utveckling. Genom att fortsätta att integrera artificiell intelligens på ett ansvarsfullt sätt kan vi accelerera övergången till ett hållbart samhälle och skapa bestående värde för kommande generationer.
