A gyógyszerfejlesztés hagyományosan méregdrága művelet. Nem kis részben azért, mert még a kezdetben nagyon ígéretesnek vélt molekulák nagy része is elvérzik a kutatás, illetve a tesztelés későbbi szakaszában, és így minden ráköltött fillér megy a levesbe. Természetes, hogy minden gyógyszeripari cég igyekszik hatékonyabbá tenni a fejlesztés folyamatát, ezzel ugyanis költségeket takaríthatnak meg (illetve persze a gyorsabban kifejlesztett, jobb gyógyszer az egész emberiség javára válik, de azért ez mégis csak egy üzlet, ahol a profitról szól minden).

Új hatóanyagokra alapvetően két megközelítéssel lehet bukkanni: vagy előállítunk rengeteg molekulát próba-szerencse alapon, majd teszteljük, hogy hatnak-e nekünk előnyös módon a különféle betegségekre, vagy a megcélzott tünetegyüttes molekuláris mechanizmusait jól ismerve szándékosan olyan vegyületet tervezünk, amely kisebb-nagyobb valószínűséggel az elvárt funkciót fogja ellátni. Persze mindezt könnyebb mondani, mint megcsinálni, viszont a mesterséges intelligencia, a kiterjesztett valóság, illetve a gépi tanulás javíthatja az eredményes tervezés esélyeit.

A digitális technológiák elősegítik az értékteremtést a kutatásaink során. Segítik a gyógyítás szempontjából releváns betegségmechanizmusok azonosítását és a reményteljes molekulák felfedezését

– mondta Michel Pairet, a Boehringer Ingelheim (BI) igazgatótanácsának innovációért felelős tagja.

A cég egyik fejlesztése, amely az NTC (Új terápiás koncepciók) névre hallgat, abban segíti a kutatókat, hogy a betegségek mechanizmusaival kapcsolatos alapkutatásaik eredményeit (illetve más kutatóintézetek szakirodalomban elérhető egyéb eredményeit) más összefüggésben láthassák, mint erre általában lehetőségük van. A jelenleg még fejlesztési fázisban lévő projekt elemzi az adott területről elérhető eredményeket, és azokat a legkülönfélébb szempontok alapján rendezi csoportokba. Ezáltal olyan összefüggéseket azonosíthat, amelyek a kutatók elől rejtve maradtak volna.

Még előrehaladottabbak a molekulatervezéssel kapcsolatos mesterségesintelligencia-kutatások, ahol már egy mobilalkalmazás is meg tudja becsülni, hogy a kutató által elképzelt molekula stabil lehet-e, nem bomlik-e le a szervezetben még azelőtt, hogy kifejtené a hatását. Az alkalmazás, amely az ADAM (fejlett tervezőasszisztens a molekulákhoz) algoritmust futtatja, a kért szempontoknak megfelelően lépésről-lépésre változtatási javaslatokat tár a kutató elé a molekula felépítését illetően, amelyet az ember vagy elfogad, vagy nem.

Az adatpontok a molekulák fizikai tulajdonságait, különféle reakciókban mutatott viselkedésüket tartalmazzák. Ezeket elemezve dolgozik a big data-, illetve gépi tanulásos megoldásokat felvonultató algoritmus, és például azokat a molekularészleteket emeli ki a kutatóknak, amelyek a korábbi tapasztalatok alapján problémásak lehetnek. Ebben az esetben sokszor egy-egy atomcsoport hozzáadásával stabilizálható a vegyület.

Vagyis az ADAM főként abban segíti a kutatókat, hogy ne fussanak bele folyton ugyanazokba a buktatókba, amellyel elődeik esetleg már évtizedekkel korábban megbirkóztak (és vagy győztek vagy elbuktak). Praktikusan végtelen számú vegyületvariáció képzelhető el még a klasszikus kismolekulás gyógyszerhatóanyagok fejlesztésekor is (és akkor a fehérjetípusú modern hatóanyagokról nem is beszéltünk), senki nem lehet képes a sok millió molekulát észben tartani.

Az emberi szervezet biológiai folyamatai rendkívül összetettek, ugyanakkor vannak olyan kérdések a gyógyszerkutatásban, amelyek újra és újra felbukkannak. A digitális asszisztensek segítségével e tekintetben sokkal hatékonyabban leszünk képesek dolgozni a közeljövőben. Az ADAM ebből mutat ízelítőt

– érvel Matthias Zentgraf, a BI ADAM-ért felelős kutatója. A digitális trendek a gyógyszerkutatás olyan szegmenseibe is beszűrődnek, amelyeket első látásra igen merevnek és nehezen változtathatónak gondolnánk. Természetesen folyamatos verseny dúl a különféle cégek között az új hatóanyagok kifejlesztéséért, amelyeket villámgyorsan szabadalmaztatnak, nehogy a konkurencia kiszagolja, és ő tegye meg elsőként az iparjogvédelem legfontosabb lépését. Vannak ugyanakkor olyan hangok, amelyek szerint a gyógyszerek több évtizedes szabadalmi védettsége gátat vet az innovációnak és lelassítja az új és sok esetben jobb gyógyszerek kifejlesztését.

hiszen a fejlesztő cég a szabadalom révén biztos lehet benne, hogy találmányának gyümölcseit 20 évig csak ő arathatja le, és ez esélyt teremt arra, hogy visszakeresse a befektetett milliárdokat. Ezt az ellentmondást már több gyógyszercég, így a BI is úgy próbálja feloldani, hogy a szerzői jogi védettség alternatív megoldásaihoz hasonló “open access” konstrukciókat kínál a tőle független gyógyszervegyészeknek. Az opnMe.com oldalon szerte a világról jelentkezhetnek kutatók, és ha kedvezően bírálják el a pályázatukat, akkor a 30 rendelkezésre álló (BI által szabadalmaztatott) molekula közül kaphatnak ingyen mintákat, amelyekkel aztán kísérletezhetnek – és cserébe a BI nem fogja őket szabadalomsértés miatt kiperelni a gatyájukból is.

Néhány hónap alatt eddig összesen 1700 mintát postáztak a jelentkezőknek. A reménybeli gyógyszerhatóanyagok szív- és légzőszervi betegségek, anyagcsere-rendellenességek, illetve fertőzések ellen lehetnek hatásosak. Hamarosan már a légzőszervi betegségek gyógyításában használható génterápiához szükséges adeno-asszociált vírusokat is postáznak az érdeklődő kutatóknak. E széleskörű együttműködéstől a gyógyszerfejlesztés felgyorsulását várják. Egyértelmű, hogy a modern gyógyszerkutatásban a gyorsaság a legfontosabb kényszer. A hatóanyagok kifejlesztését és a klinikai teszteket is fel kell gyorsítani egy cégnek, amely állni akarja a versenyt. E cél elérése ma már csak a digitalizáció révén lehetséges.

A digitális technológia nemcsak azt teszi lehetővé, hogy a termékeink hatásosságát és biztonságosságát tudjuk értékelni közel valós időben, de az új felhasználási területekre is rávilágíthat. Emellett a klinikai teszteket is felgyorsítja. A scleroderma okozta ritka tüdőbetegség ellen kifejlesztett hatóanyagunk klinikai tesztjeit kevesebb mint hat hónapon belül be fogjuk fejezni, miközben ugyanez korábban négy-öt évig tartott volna. Ha tehát sikeres lesz a teszt, akkor a betegek több mint négy évvel korábban hozzájuthatnak a gyógyszerhez

– mondta Hubertus von Baumbach, a BI igazgatótanácsi elnöke.

A BI-nek a humán üzletág mellett van állatgyógyászati részlege is, és ezt sem kíméli a digitalizáció. Természetesen az állattartásban más típusú aggodalmak övezik a betegségek terjedését, illetve az állatok egészségi állapotát. Haszonállatok esetében a későn felismert betegségek akár az állattartó vállalkozás tönkremenetelét is eredményezhetik. Egy belga startuppal, a Soundtalksszal együttműködve egy pilot projekt keretében olyan rendszert fejleszt a BI, amely disznótelepeken képes a köhögéssel járó felső légúti fertőzések megjelenését minden korábbi vizsgálati módszernél hamarabb detektálni.

A rendszer lelke néhány vezeték nélküli mikrofon, amelyet a malacok fölött helyeznek el az ólban. Amikor több száz sertés röfög, nyüszög egyszerre, az emberi fül gyakorlatilag képtelen elkülöníteni a köhögéseket. Ráadásul egy-egy köhintés még nem is jelent semmit, hiszen simán lehet, hogy a malac csak félrenyelt valamit. A Soundtalks mikrofonjai, illetve a mögöttük dolgozó algoritmus hangtani elemzésnek veti alá a rögzített hangzavart, és kiszűri belőle a köhögéseket. Amint ezek frekvenciája a problémás határ fölé emelkedett, értesítést küld a rendszer a gazdának és az állatorvosnak arról, hogy

Ma már nem a technika fejlettsége határozza meg leginkább, hogy az efféle informatikai módszerek elterjednek-e a mindennapi gyakorlatban, hiszen ehhez már adottak a technikai feltételek. Az pedig, hogy az emberek készek lesznek-e a korábban a kizárólagos kompetenciájukba tartozó kérdésekben hallgatni az algoritmusok javaslataira, azt ma még senki sem tudja.