Een van de grootste uitdagingen in de farmaceutische industrie is het vinden van nieuwe, werkzame moleculen. Traditioneel is dit een extreem lang en kostbaar proces van vallen en opstaan. Onderzoekers van het MIT laten nu zien hoe kunstmatige intelligentie dit proces kan versnellen door in korte tijd miljoenen potentiële moleculen te screenen en de meest veelbelovende kandidaten te identificeren.

AI als krachtige partner in het lab

De kern van deze aanpak is niet dat AI het menselijk onderzoek vervangt, maar dat het een krachtige partner wordt. Onderzoekers zoals James Collins van het MIT combineren hun expertise in biologie en geneeskunde met de rekenkracht van deep learning-modellen. Deze modellen worden getraind op enorme datasets van bekende moleculen en hun eigenschappen. Vervolgens kunnen ze voorspellen welke nieuwe, nog onbekende moleculen de gewenste biologische werking zouden kunnen hebben, bijvoorbeeld om een bacterie te doden. Dit reduceert het aantal moleculen dat fysiek in het lab getest moet worden van miljoenen naar een handvol hoogstwaarschijnlijke kandidaten.

Een concreet voorbeeld: de strijd tegen antibioticaresistentie

Een urgent probleem waar deze methode al succesvol voor is ingezet, is de zoektocht naar nieuwe antibiotica. Door de opkomst van resistente bacteriën zijn veel bestaande medicijnen niet meer effectief. Het MIT-team gebruikte een AI-model om een database van meer dan 100 miljoen chemische verbindingen te doorzoeken op zoek naar moleculen die effectief zouden kunnen zijn tegen resistente bacteriën. Het model identificeerde een molecule, later halicin genoemd, die in het lab bleek te werken tegen een breed spectrum van resistente pathogenen. Dit hele proces van digitale screening tot labbevestiging was aanzienlijk sneller dan traditionele methoden.

De bredere impact voor de gezondheidszorg

Deze aanpak beperkt zich niet tot antibiotica. Hetzelfde principe kan worden toegepast op het ontdekken van medicijnen voor kanker, zeldzame ziekten of neurodegeneratieve aandoeningen zoals Alzheimer. Het versnelt niet alleen de ontdekkingsfase, maar kan ook helpen bij het optimaliseren van bestaande medicijnen, bijvoorbeeld door bijwerkingen te verminderen of de effectiviteit te verhogen. Voor farmaceutische bedrijven en biotech-startups betekent dit een potentiële besparing van jaren ontwikkelingstijd en honderden miljoenen euro’s aan onderzoekskosten.

Hoe kun je dit vandaag toepassen?

Hoewel het ontwikkelen van eigen AI-modellen voor medicijnontdekking voorbehouden is aan gespecialiseerde onderzoeksinstellingen en grote farmaceuten, kunnen kleinere spelers wel profiteren van de trend. Een praktische stap is het verkennen van samenwerkingen met academische instellingen die over deze expertise beschikken. Daarnaast kunnen bedrijven in de life sciences zich verdiepen in AI-gestuurde platforms voor data-analyse in hun eigen onderzoek, bijvoorbeeld voor het analyseren van klinische trial-data of het vinden van patronen in biomedische datasets.

Bron: MIT News