Искусственный интеллект в фармацевтике: возможности и риски
Фармацевтическая индустрия сталкивается с растущими вызовами, связанными с разработкой новых лекарств. В этом контексте использование искусственного интеллекта (ИИ) и хемоинформатики открывает новые горизонты для оптимизации исследований и прогнозирования токсичности химических соединений. Однако наряду с возможностями возникают серьезные риски, требующие внимательного анализа и контроля.
Мировой опыт показывает, что от начала разработки до вывода на рынок лекарственных препаратов проходит до 15 лет, а стоимость этого процесса зачастую исчисляется миллиардами долларов. В крупнейших фармкомпаниях огромный объем финансовых ресурсов тратится на оптимизацию физико-химических соединений. И это не случайно, ведь само по себе химическое пространство — это целая Вселенная. На сегодняшний день науке известно чуть более 360 млн химических соединений, и это лишь вершина айсберга.
Необходимость обработки огромного объема информации о химических соединениях привел к настоящему буму в развитии исследований in silico, то есть использования методов компьютерного моделирования для решения разнообразных проблем в медицинской химии.
ИИ становится мощным инструментом, позволяющим устанавливать молекулярную структуру (даже в отсутствии эталонного спектра) и прогнозировать влияние химических молекул на организм (как по структуре, так и по спектру).
Кроме того, ИИ решает и ряд других проблем, в частности, хемоинформатические методы способны прогнозировать репродуктивную токсичность вещества. В отличие от экспериментального способа, такой анализ происходит за считанные секунды.
Об этом рассказал Максим Валерьевич Федоров, и.о. директора Института проблем передачи информации им. А.А. Харкевича.
По его словам, центральный метод в хемоинформатике — QSAR (quantitative structure-activity relationship) — является мощным инструментом количественного предсказания и описания связи структуры с биологической активностью. С его помощью можно прогнозировать различные свойства молекул, включая их действие на организм. Генератор ИИ может быть использован для оптимизации соединений-лидеров, для поиска в заданной области химпространства лучших кандидатов при разработке лекарств, для обхода патентных ограничений, а также для изучения структуры химического пространства.
«Несмотря на все плюсы использования технологий ИИ, они вместе с тем несут большие потенциальные риски для человечества. Достаточно сказать, что в результате проведенного одной из американских фармкомпаний эксперимента, нейросеть за несколько часов изобрела 40 тыс. новых ядовитых и токсичных для организма соединений, некоторые из которых оказались опаснее боевых отравляющих веществ. Достаточно сравнить эти данные всего с 13 тыс. опасных химических и биологических веществ, внесенных в Федеральный регистр за почти 30 лет работы. По подсчетам экспертов, только за прошедший год в мире было синтезировано свыше 4 млн новых молекул (т.е. около 10 тыс. молекул в день). В то же время в базу данных (БД) внесено около 6 тыс. записей о токсичности», — отметил М.В. Федоров.
По мнению ученого, такая асимметрия между скоростью синтеза новых молекул и детальным анализом их физико-химических и токсикологических свойств вызвана тем, что анализ химических соединений на их токсичность проводится в основном экспериментальными методами, то есть человеком. Поэтому в деле решения этой проблемы большие надежды возлагаются на машинное обучение анализа веществ.
Как подчеркнул М.В. Федоров, для идентификации веществ необходима БД с масс-спектрами. При этом наиболее широко используемая БД NIST содержит спектры только для 350 тыс. соединений, что соответствует примерно 0,2% от описанного молекулярного континуума.
В РФ своей БД для такой процедуры до сих пор нет, что затрудняет проведение судебно-медицинской экспертизы по веществам, оборот которых регулируется (наркотические вещества, сильнодействующие лекарственные препараты). Поэтому необходим сбор и структурирование информации о химических веществах (свойства, токсичность, применение и т.д.), а хемоинформатика позволит проводить более эффективный анализ и прогнозирование потенциально химических рисков.
«Очень важно иметь собственную независимую химическую БД, содержащую информацию о химических веществах, их спектральных характеристиках и способах их получения. Это позволит легко получать полный доступ к данным (без ограничений извне), контролировать качество и точность информации. В России в рамках проекта Синтелли начата работа по созданию такой БД. Она уже содержит данные о свыше 155 млн опасных веществ, а модуль прогнозирования свойств позволяет предсказать более 40 параметров токсичности», — заключил эксперт.
По словам ученого, такую БД будет удобно адаптировать, исходя их интересов именно российской науки и промышленности, контролировать безопасность и конфиденциальность данных. Это важно не только для обеспечения безопасности страны, в том числе технологической, но и контроля за обращением опасных веществ и предотвращения негативных последствий их неправильного использования.
По материалам XVIII конгресса «Разработка и регистрация лекарственных средств»
