How AI Helps Scientists Create Next-Generation Drugs

AstraZeneca активно впроваджує ШІ у розробку біологічних ліків, дотримуючись циклу «створити-виміряти-навчити». Моделі ШІ обчислюють перспективні молекули, дозволяючи вченим зосередитись на найбільш ймовірних кандидатах. Це скорочує час ітерацій і дає змогу працювати з цілями, які раніше вважалися невиліковними. У майбутньому ШІ допоможе створювати мультиспецифічні препарати, що впливають одразу на кілька мішеней. Компанія будує «лабораторію майбутнього» в Кендалл-сквер (Кембридж, Массачусетс), де ШІ та робототехніка утворюють безперервну замкнену систему відкриттів: ШІ робить прогнози, роботи виконують експерименти, а інструменти генерують дані, які одразу повертаються в моделі. AstraZeneca також інвестує в технології скринінгу для отримання додаткових наборів даних і прагне до de novo дизайну — повністю ШІ-генерованих біологічних препаратів. Для цього необхідні стандартизовані дані, надійні бенчмарки та команди, що розуміють перетин машинного навчання та біології. Особлива увага приділяється прогнозуванню безпеки за допомогою віртуальних клінічних випробувань — просунутих клітинних систем та мікроорганів, які генерують сигнали без традиційних вузьких місць тестування. За словами Пуджі Сапри, старшого віцепрезидента та керівника R&D biologics engineering в AstraZeneca, автоматизовані високопродуктивні системи зможуть щотижня створювати та оцінювати тисячі молекулярних взаємодій. Вчені залишаються в центрі процесу, забезпечуючи контроль, пояснюваність та етичність ШІ.