Wie künstliche Intelligenz die Life Sciences beschleunigt

Künstliche Intelligenz, Maschinelles Lernen - Entstehung, Forschungsstand & Ausblick (April 2019).

Anonim

Der Medikamentenentwicklungszyklus ist lang und mit hohen Risiken behaftet - er dauert im Durchschnitt 10 bis 15 Jahre, wobei letztlich nur 12 Prozent der in klinischen Studien befindlichen Medikamente die Zulassung der US-amerikanischen Gesundheitsbehörde FDA erhalten (1). Um dies in die richtige Perspektive zu rücken: 22, 7 Prozent aller weltweiten Ausgaben für Forschung und Entwicklung stammten 2017 aus der Gesundheitsbranche, nur 23, 1 Prozent aus der Computer- und Elektronikindustrie, aber der Produktlebenszyklus und die Kosten sind viel höher (2). Zum Beispiel dauerte das ursprüngliche iPhone zweieinhalb Jahre, um vom Konzept bis zum Start zu entwickeln, und schätzungsweise 150 Millionen US-Dollar in Forschung und Entwicklung (3). Im Gegensatz dazu belaufen sich die durchschnittlichen Kosten für neue Medikamente und Biologika auf 2, 87 Milliarden US-Dollar, wenn man die Forschungs- und Entwicklungskosten nach der Zulassung berücksichtigt, die im Mai 2016 vom The Tufts Centre for Study of Drug Development (CSDD) veröffentlicht wurden (4). Für Pharmafirmen, die mehr als vier Medikamente auf den Markt gebracht haben, liegen die mittleren Kosten nach einer Analyse des Branchenexperten Matthew Herper von Forbes (5) bei erstaunlichen 5, 3 Milliarden Dollar. Künstliche Intelligenz kann die Zeit erheblich verkürzen, die Unternehmen für neue Medikamente in Forschung und Entwicklung investieren.

Venture Capital und Private Equity AI Startups in den Life Sciences

Eine Reihe von zukunftsorientierten Risikokapitalgesellschaften und Investoren haben frühzeitig auf KI-Startups in den Biowissenschaften gesetzt. Viele der aufstrebenden KI in Pharma und Biotech befinden sich in der Phase der Wirkstoffforschung. AI kann die Zeit, die zur Entdeckung neuer Medikamente benötigt wird, erheblich reduzieren, was zu echten Kosteneinsparungen führt. AI wird in der Arzneimittelforschung und -entwicklung auf verschiedene Arten eingesetzt:

  • Organische Synthese und Design
  • Bewertung der synthetischen Komplexität
  • Automatisierung des Moleküldesigns
  • Vorhersage von organischen Reaktionsergebnissen
  • Computergestützte Synthese
  • Computergestützte Retrosynthese basierend auf molekularer Ähnlichkeit
  • Vorhersage der Wirksamkeit von Medikamenten im Test
  • Entdecken Sie den Off-Label-Gebrauch
  • Vorhersage der Toxizität vor klinischen Studien
  • Personalisierte Medizin

Zum Beispiel setzt Startup Atomwise patentierte strukturbasierte Faltungsneuronalnetzwerke ein, um die Bindung von kleinen Molekülen an Proteine ​​vorherzusagen, wodurch der Wirkstoffentdeckungsprozess beschleunigt wird. Seine AtomNet-Lösung ermöglicht die Analyse von 10 bis 20 Milliarden chemischen Verbindungen pro Tag, wodurch die Zeit für den Entdeckungs- und Optimierungsprozess von Jahren auf Wochen verkürzt wird. Atomwise wird von Y Combinator, OS Fund, Khosla Ventures, Tencent Holdings, Baidu Ventures, Dolby Family Ventures und anderen Investoren nach Angaben von Crunchbase finanziert.

Das biopharmazeutische TwoXAR-Unternehmen mit Sitz in Palo Alto, das von OS Fund, Andreessen Horowitz Bio Fund, CLI Ventures, Stanford-StartX Fund und Softbank Ventures unterstützt wird, bietet eine KI-gestützte Wirkstoffforschungsplattform zur Identifizierung von In-vivo- Tests mit prädiktiver Technologie.

AI-Start Insilico Medicine, gegründet 2014 von Alex Zhavoronkov (unterstützt von Pavillion Capital, WuXi AppTec, BOLD Capital von Peter Diamandis und anderen), nutzt generative adversarial networks (GANs) für die Entdeckung neuer Molekülmoleküle, Biomarkerentwicklung und Alternsforschung (6).

Das in London ansässige Unternehmen BenevolentAI will KI über den gesamten F & E-Prozess hinweg bereitstellen, nicht nur in der Phase der Wirkstoffforschung. Im April 2018 wird das AI-Startup mit 200 Millionen Dollar von Family Offices, Woodford Investment Management und anderen Investoren unterstützt (7). Es hat ein Parkinson-Medikament in klinischen Phase-2B-Studien und eine ALS-Medikation, die für Studien in fünf Jahren geplant ist (8).

AI-Investitionen von Global Pharmaceutical Giants

Laut FiercePharma sind die Top-15-Pharmaunternehmen laut J & Johnson ($ 76 Mrd.), Roche ($ 54 Mrd.), Pfizer ($ 53 Mrd.), Novartis ($ 50 Mrd.), Sanofi ($ 41 Mrd.), Merck & Co. ( 40 Milliarden Dollar), GlaxoSmithKline (39 Milliarden Dollar), Bayer (29 Milliarden Dollar), AbbVie (28 Milliarden Dollar), Gilead Sciences (26 Milliarden Dollar), Eli Lilly (23 Milliarden Dollar), Amgen (23 Milliarden Dollar), AstraZeneca (23 Milliarden Dollar), Teva ( 22 Milliarden Dollar) und Bristol-Meyers Squibb (21 Milliarden Dollar) (9). Hier sind einige Beispiele, wie die drei Unternehmen auf dieser Liste künstliche Intelligenz integrieren:

Johnson & Johnson

Die Life Sciences von Johnson & Johnson Innovation haben einen Inkubator namens JLABS. Zu den Start-ups mit KI-Technologie gehören Analytics 4 Life (10), WinterLight Labs (11), A2A Pharmaceuticals, Envisagenics, Fited, Human Microbiology Institute und Savor Health (12).

Roche

Das Unternehmen für Präzisionsmedizin, GNS Healthcare, kündigte eine Kooperation mit der Roche-Tochter Genentech an, um neue Krebsmedikamente und Marker für Patientenreaktionen zu entdecken und zu validieren (13).

Pfizer

Pfizer arbeitet mit IBM Watson Health for Drug Discovery zusammen, um die immunonkologische Forschung und Entwicklung zu unterstützen (14). IBM Watson Health for Drug Discovery ist eine AI-Lösung, die Daten aus vier Millionen Patenten, 25 Millionen Medline-Abstracts und über eine Million Volltext-Zeitschriftenartikeln enthält, die regelmäßig aktualisiert werden.

Pfizer und XtalPi (unterstützt von Google, Sequoia China und Tencent) arbeiten zusammen, um Quantenmechanik und computergestütztes KI-Lernen zu kombinieren, um pharmazeutische Eigenschaften molekularer Verbindungen für die Entdeckung und Entwicklung von Medikamenten vorherzusagen (15).

In führenden akademischen Einrichtungen wurden kürzlich Lösungen zur Entdeckung von AI-Medikamenten entwickelt. Ein Stanford-Forscherteam entwickelte eine Methode zur Arzneimittelentdeckung mit "One-Shot-Learning", die die Menge an Daten, die zur Identifizierung neuer Arzneimittel benötigt werden, stark reduziert (o). Im Mai 2018 gründeten Forscher am MIT das Konsortium "Machine Learning for Pharmaceutical Discovery and Synthesis" mit Industriepartnern wie Pfizer, Lilly, Bayer, BASF, Amgen, WuXi, Sunovion und Novartis (16).

Die Pharma- und Biotech-Industrie ist reif für Störungen durch künstliche Intelligenz. US-amerikanische Biopharmaunternehmen geben jährlich 75 Milliarden US-Dollar für Forschung und Entwicklung aus (17). Start-ups und Unternehmens-Giganten investieren gleichermaßen in Technologielösungen für künstliche Intelligenz, um die Entwicklungszeit von Medikamenten zu verkürzen, Vorteile gegenüber der Konkurrenz zu erzielen und in der Zukunft rentabel zu bleiben.

Copyright © 2018 Cami Rosso Alle Rechte vorbehalten.

Verweise

1. PhRMA. "2017 Biopharmaceutical Industry Profile". Zugriff am 4. Juli 2018. //phrma-docs.phrma.org/industryprofile/pdfs/2017IndustryProfile_Brochure.pdf.

2. Statista. "Prozentsatz der globalen Ausgaben für Forschung und Entwicklung im Jahr 2017, nach Industriebereichen". Zugriff auf den 4. Juli 2018. //www.statista.com/statistics/270233/percentage-of-global-rundd-sending-by-industry/

3. Nieto-Rodriguez, Antonio. "Ist das iPhone das beste Projekt in der Geschichte?" CIO . 3. November 2017.

4. DiMasi, Joseph A., Grabowski, Henry G., Hansen, Ronald W. "Innovation in der pharmazeutischen Industrie: Neue Schätzungen der F & E-Kosten." Journal of Health Economics . Mai 2016.

5. Herper, Matthäus. "Wie viel kostet pharmazeutische Innovation? Ein Blick auf 100 Unternehmen. " Forbes . 11. August 2013.

6. Hale, Conor. "Pfizer startet eine neue Zusammenarbeit mit XtalPi für die Modellierung von AI-Medikamenten." FierceBiotech . 9. Mai 2018.

7. Lunden, Ingrid. "BenevolentAI, das AI nutzt, um Medikamente und Energielösungen zu entwickeln, kostet $ 115 Millionen bei $ 2B." TechCrunch . 18. April 2018.

8. Ebenda

9. Sagonowsky, Eric. "Die Top 15 der Pharmaunternehmen bis 2017 Umsatz." FiercePharma . 15. Mai 2018.

10. Johnson & Johnson (2017, 11. Mai). Johnson & Johnson Innovation kündigt 40+ ansässige Unternehmen an, die jetzt bei JLABS @ Toronto sind (Pressemitteilung). Von // jlabs.jnjinnovation.com/news/johnson-johnson-innovation-announces-40-resident-companies-now-jlabs-toronto

11. Johnson & Johnson (2018, 5. Januar). Johnson & Johnson Innovation führt Spitzenforschung mit 15 neuen Kooperationen durch, die das Potenzial haben, das Leben von Patienten zu beeinflussen (Pressemitteilung). Von //www.jnj.com/media-center/press-releases/johnson-johnson-innovation-champions-leading-edge-science-with-15-new-collaborations-with-potential-to-impact-patients- Leben

12. Johnson & Johnson (2018, 21. Juni). Johnson & Johnson Innovation eröffnet JLABS @ NYC in Zusammenarbeit mit dem New York State und dem New York Genome Center (Pressemitteilung). //jlabs.jnjinnovation.com/news/johnson-johnson-innovation-new-york-state-and-new-york-genome-center-collaborate-launch

13. GNS Healthcare (2017, 19. Juni). GNS Healthcare gibt Zusammenarbeit bekannt, um die Entwicklung von Krebsmedikamenten mit der kausalen Machine Learning- und Simulationsplattform von REFSTM anzukurbeln (Pressemitteilung). Von //www.gnshealthcare.com/news/gns-healthcare-announces-collaboration-to-power-cancer-drug-development/

14. Pfizer (2016, 1. Dezember). IBM und Pfizer beschleunigen die Immunonkologie-Forschung mit Watson für die Wirkstoffforschung (Pressemitteilung).

15. Altae-Tran, Han. Ramsundar, Bharath, Pappu, Aneesh S., Pande, Vijay. "Low Data Drug Discovery mit One-Shot Learning." American Chemical Society. 3. April 2017.

16. Koperniak, Stefanie. "Anwenden von maschinellem Lernen auf Herausforderungen in der Pharmaindustrie." MIT News . 17. Mai 2018.

17. PhRMA. "2017 Biopharmaceutical Industry Profile". Zugriff am 4. Juli 2018. //phrma-docs.phrma.org/industryprofile/pdfs/2017IndustryProfile_Brochure.pdf.

Mehr