Η Takeda εντατικοποιεί τις προσπάθειές της για την ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης υπογράφοντας συμφωνία 1,7 δισεκατομμυρίων δολαρίων με την Iambic.
Η ιδιωτική εταιρεία Iambic δήλωσε σήμερα, σύμφωνα με το Reuters ότι έχει συνάψει μια πολυετή συνεργασία, η οποία αποτιμάται άνω των 1,7 δισεκατομμυρίων δολαρίων με την ιαπωνική Takeda Pharmaceutical για τη χρήση τεχνητής νοημοσύνης. Απώτερος στόχος είναι ο σχεδιασμός φαρμάκων μικρών μορίων που στοχεύουν στον καρκίνο και τις γαστρεντερικές παθήσεις. Σύμφωνα με τη συμφωνία, η Iambic θα λαμβάνει προκαταβολές και θα μπορούσε να κερδίσει περισσότερα από 1,7 δισεκατομμύρια δολάρια σε αναπτυξιακά και εμπορικά ορόσημα, καθώς και δικαιώματα επί των πωλήσεων.
Η συμφωνία σηματοδοτεί την τελευταία κίνηση της Takeda να ενσωματώσει την τεχνητή νοημοσύνη στις ερευνητικές της δραστηριότητες, μετά από μια παρόμοια συμφωνία με την Nabla Bio πέρυσι που επικεντρώθηκε σε φάρμακα με βάση τις πρωτεΐνες.
Να σημειωθεί ότι, οι φαρμακευτικές εταιρείες στρέφονται όλο και περισσότερο στις τεχνολογίες τεχνητής νοημοσύνης για να επιταχύνουν την ανακάλυψη και να μειώσουν το κόστος, με τους ειδικούς να προβλέπουν ότι τα χρονοδιαγράμματα θα μπορούσαν να μειωθούν στο μισό τα επόμενα χρόνια.
Η Takeda θα αποκτήσει επίσης πρόσβαση στο NeuralPLexer, το μοντέλο της Iambic που προβλέπει πώς τα μόρια φαρμάκων συνδέονται με τις πρωτεΐνες. Ο Διευθύνων Σύμβουλος της Iambic, Tom Miller, δήλωσε στο Reuters ότι η κατανόηση της πρωτεϊνικής δομής είναι κρίσιμη στην ανάπτυξη φαρμάκων. «Αν δεν γνωρίζετε το σχήμα αυτού που προσπαθείτε να αποτυπώσετε... είναι σαν να προσπαθείτε να φτιάξετε ένα γλυπτό στο σκοτάδι», είπε.
Οι υπάρχουσες μέθοδοι παραγωγής φαρμάκων μπορεί να διαρκέσουν έως και έξι χρόνια πριν από την έναρξη διεξαγωγής κλινικών δοκιμών. Η Iambic δήλωσε ότι η προσέγγισή της, που συνδυάζει προβλέψεις τεχνητής νοημοσύνης με αυτοματοποιημένα εργαστήρια, μπορεί να συμπιέσει αυτό το χρονοδιάγραμμα σε λιγότερο από δύο χρόνια.
Ο επικεφαλής επιστημονικός διευθυντής της Takeda, Christopher Arendt, δήλωσε ότι η τεχνολογία θα μπορούσε να συντομεύσει σημαντικά τα χρονοδιαγράμματα έρευνας, αν και η ταχύτητα είναι μόνο ένα μέρος της ελκυστικότητας. «Όταν αρχίζετε να προσθέτετε μια μηχανή τεχνητής νοημοσύνης στην ανάπτυξη φαρμάκων μικρού μορίου, σημαίνει ότι μπορείτε να προχωρήσετε πιο γρήγορα», ανέφερε ο Arendt σε συνέντευξή του, προσθέτοντας ότι η μοριακή ποιότητα είναι εξίσου κρίσιμη.
Ο Miller από την πλευρά του υπογράμμισε ότι τα εργαλεία τεχνητής νοημοσύνης μπορούν να εξοικονομήσουν μήνες παραδοσιακής εργαστηριακής εργασίας, αλλά «το πιο σημαντικό πράγμα είναι ότι δημιουργούμε κάτι που δεν θα μπορούσε να είχε γίνει πριν», κατέληξε.
