AI als gamechanger in Life Sciences & Health- Deel 1
In een tijdperk waarin technologische vooruitgang exponentieel groeit, staat artificial intelligence (AI) centraal in de evolutie van Life Sciences. Van het versnellen van geneesmiddelenontwikkeling tot het verbeteren van diagnostische nauwkeurigheid en precisie, AI opent voor farmaceutische bedrijven deuren naar innovaties die voorheen ondenkbaar waren. Het vermogen van AI om enorme datasets te analyseren, verborgen patronen bloot te leggen en voortdurend te leren, maakt het een onmisbare tool voor wetenschappers, onderzoekers en zorgprofessionals. Maar hoe vertaalt deze technologie zich concreet naar impact in de praktijk? In deze vierdelige blog nemen we een duik in de mogelijkheden én uitdagingen van AI in de gezondheidszorg. In dit eerste deel van de blog bespreken we AI en de ontdekking en ontwikkeling van nieuwe geneesmiddelen.
Ontdekking van geneesmiddelen
De ontdekking van nieuwe moleculen als aangrijpingspunt voor geneesmiddelen is grotendeels afhankelijk van het efficiënt analyseren van grote datasets. De introductie van AI heeft de geneesmiddelenontwikkeling en -ontdekking dan ook drastisch versneld en biedt farmaceutische bedrijven strategische voordelen1, waaronder:
Versneld onderzoek: AI-algoritmen kunnen enorme hoeveelheden gegevens analyseren om daar chemische verbindingen tussen te identificeren die geschikt zijn voor geneesmiddelenontwikkeling. Dit omvat het screenen van databases met bestaande chemische verbindingen, evenals het synthetiseren van nieuwe moleculen. Hierdoor kunnen onderzoekers binnen enkele uren miljoenen opties evalueren, wat zonder de hulp van AI maanden zou duren.
Personalized medicine: Door patiëntgegevens, zoals medische geschiedenis en genetische profielen, te analyseren, maakt AI het mogelijk om therapieën op maat te ontwikkelen. Deze behandelingen zijn beter afgestemd op individuele patiënten, wat de effectiviteit en uiteindelijk ook de levenskwaliteit verbetert.
Vroegtijdige uitsluiting van ongeschikte medicijnen: AI kan toxiciteit en mogelijke bijwerkingen van medicijnen in een vroeg stadium voorspellen, waardoor niet-succesvolle medicijnen snel worden uitgesloten. Dit voorkomt de inzet van proefpersonen of -dieren, bespaart bedrijven tijd en kosten, en verhoogt de de kans op een positieve beoordeling van kostbare geneesmiddelenprojecten.
Drug repurposing: AI maakt het mogelijk om bestaande medicijnen te analyseren op nieuwe toepassingsmogelijkheden. Dit kan bijzonder waardevol zijn in crisissituaties, zoals pandemieën, waarin snelheid en efficiëntie cruciaal zijn om patiënten snel te helpen.
Virtuele trials: Met AI kunnen virtuele klinische trials worden uitgevoerd die menselijke of dierlijke reacties simuleren. Dit vermindert de afhankelijkheid van dierproeven, verlaagt de kosten en kan leiden tot nauwkeurigere en betrouwbaardere resultaten.
AI in geneesmiddelenontwikkeling in de praktijk
AI biedt dus ongekende mogelijkheden om de ontdekking van geneesmiddelen te versnellen en te verbeteren, maar de kracht van deze technologie komt pas echt tot zijn recht in de samenwerking tussen verschillende partijen. Een voorbeeld hiervan is hoe er binnen Oncode Accelerator, een publiek-private samenwerking die als aanjager fungeert voor preklinisch kankeronderzoek, wordt gewerkt met AI. Oncode Accelerator zet AI succesvol in om data uit verschillende bronnen te harmoniseren en nieuwe therapieën te identificeren voor moeilijk behandelbare kankertypen.2 Op die manier helpt AI de kankeronderzoekers bij het efficiënter gebruikmaken van bestaande data, met de verwachting om deze inzichten te kunnen vertalen naar klinisch relevante toepassingen.
Een ander baanbrekend voorbeeld van AI in de geneesmiddelenontwikkeling is AlphaFold, een technologie van DeepMind die de 3D-structuur van eiwitten met ongekende precisie kan voorspellen. Dit heeft een revolutie teweeggebracht in ons begrip van biologie en biedt farmaceutische bedrijven een krachtige tool om sneller en efficiënter nieuwe geneesmiddelen te ontwikkelen. AlphaFold heeft bijvoorbeeld bijgedragen aan het versnellen van onderzoek naar ziekten zoals Alzheimer en bepaalde kankervormen, doordat het inzicht geeft in eiwit-interacties en doelmoleculen.3
Deel 2 van deze blog gaat in op de toepassingen van AI in klinische trials.
Referenties
- José Jiménez-Luna J, et al. Artificial intelligence in drug discovery: recent advances and future perspectives. Expert Opinion on Drug Discovery. 2021;16:9, 949-959.
- https://www.oncodeaccelerator.nl/our-approach
- https://www.nvon.nl/nvox/alphafold-een-revolutie-in-eiwitvoorspellingen