Практикум 9 использование искусственного интеллекта при моделировании фармацевтических производств


Как искусственный интеллект поможет создавать дженерики с нуля



бет7/9
Дата20.02.2024
өлшемі217.03 Kb.
#492546
түріПрактикум
1   2   3   4   5   6   7   8   9
Практикум 9 ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ МОДЕЛИРОВАНИИ ФАРМАЦЕВТИЧЕСКИХ ПРОИЗВОДСТВ

Как искусственный интеллект поможет создавать дженерики с нуля
Например, создание технологий ИИ для производства лекарств. В Сеченовском университете создан исследовательский центр «Искусственный интеллект в Фарме», основная задача которого ускорить выведение на рынок лекарственных препаратов.

Эдуард Молчанов/РИА Новости
В Сеченовском университете создан исследовательский центр «Искусственный интеллект в Фарме», основная задача которого ускорить выведение на рынок лекарственных препаратов. Сейчас ученые планируют создать и внедрить первый в мире комплекс технологий искусственного интеллекта, который сможет выдавать полные технологические «рецепты» препаратов под конкретное производство. Подробнее о работе исследователей рассказал директор Института трансляционной медицины и биотехнологии МГМУ им. Сеченова, профессор Вадим Тарасов.
— Сеченовский Университет сейчас открывает первый в России центр по искусственному интеллекту в фарме. Какие задачи вы перед собой ставите?
— Обычно, когда говорят о применении методов искусственного интеллекта в разработке лекарств, имеют в виду, что нейросеть будет моделировать необходимые для создания нового препарата молекулы. Однако в этом случае новый препарат будет создан только лет через 10-15, когда будут проведены все необходимые испытания на клеточных и животных моделях, разработана лекарственная форма, проведены клинические испытания. Такие сроки связаны с большим количеством различных испытаний, которые необходимо провести на всех уровнях, чтобы доказать эффективность и безопасность нового препарата.
При этом в разработке лекарств есть другая очень важная задача – разработка технологий производства самой лекарственной формы, например, таблеток или инъекционного раствора.
close
100%

Вадим Тарасов
МГМУ им Сеченова
Данный процесс также достаточно сложный с технологической точки зрения, но там количество влияющих на результат параметров вполне понятно и оцифровать данный процесс можно значительно быстрее. Поэтому мы будем применять искусственный интеллект не для создания новых молекул, а для ускорения сроков разработки готовых лекарственных форм дженериков и оригинальных препаратов.

Подробнее


rush-academy.ru
Перейти



Реклама
Но начнем мы с дженериков, как наиболее распространенных препаратов на российском и международном рынке. Более того, создание инструментов на основе ИИ в данной области не требует изменения регуляторного поля, которое крайне жестко регламентирует процесс разработки лекарств.
— Дженерик – это копия препарата. Они производятся по истечению срока действия патента и монополии компании-патентодержателя. Но ведь в патенте описан состав препарата. Почему его, тем не менее, трудно произвести и для чего здесь нужно привлекать ИИ?
— Можно провести аналогию с кулинарией: вы хотите приготовить какое-то блюдо, спрашиваете у подруги рецепт и по нему готовите. Но получилось невкусно, хотя вроде бы состав у вас есть, все правильно. Почему так произошло? Да потому что, если хозяйку расспрашивать более подробно, выяснится, что она не рассказала о многих нюансах.
На самом деле окажется, что, добавляя, допустим, яйца, хозяйка отделила желток от белка, а не клала их вместе. Все это, ставилось на плиту, например, на 20 минут сначала, а не на 35, на определенной температуре, с добавлением масла. Эти нюансы нужно знать, и они в патенте не указаны.
Технологические нюансы являются одной из самых больших тайн при любом производстве препаратов, будь то дженерик или оригинальный.
То есть у нас есть состав лекарства, мы знаем, какая молекула используется, но получить таблетку совершенно идентичную по своим свойствам, как и где она должна распадаться, за какое время высвобождаться действующее вещество, задача не самая простая.
— Что же делают в этих случаях?
— Технологи изучают нормативную документацию, патенты, открытые источники и пытаются воспроизвести технологию создания препарата. Иногда это сделать легче, а иногда технологии вообще толком не описаны, приходится додумывать. Потом нужно масштабировать, — это тоже проблема, так как тут есть свои нюансы производства. Одно дело в лаборатории сделать лекарство, а другое дело – на заводе, в больших количествах.
Мы планируем создать и обучить нейросетевую модель, которая будет помогать разрабатывают эту технологию, а потом ее масштабировать. Это позволит быстрее и качественнее делать готовую лекарственную форму, будь то дженерик, который нужен прямо сейчас для импортозамещения и обеспечения наших пациентов лекарствами, или оригинальный препарат.
— То есть вы работаете над ИИ, который создаст эту технологию производства препарата за технолога?
— Мы работаем над инструментами на основе методов ИИ, который поможет технологу ускорить процесс.
Возьмем дженерик. Мы просим технолога воссоздать производство препарата: он сидит и один-два месяца собирает нужную информацию, потом предлагает варианты технологий создания препарата. Из них выбирается та, которая больше всего приближена к производственной площадке. Параллельно подбираются сырье и материалы, — они тоже влияют на технологию.
Затем технолог вручную создает несколько разных таблеток с разными технологическими подходами и передает их на изучение в аналитическую лабораторию. Там аналитики смотрят, какая из таблеток больше всего похожа на оригинал. Если попадания в точку нет, процесс повторяется. В среднем это занимает 12-15 месяцев.
Если мы говорим про искусственный интеллект, то он значительно ускоряет процесс сбора информации, он отсекает все лишнее, сводя количество ошибок к минимуму, и предлагает наиболее рациональные технологические варианты: как технологию делать, из какого сырья, в каких форматах и с чем работать.
— Эти технологии искусственного интеллекта уже созданы?
— Мы только начинаем. У нашей команды есть огромный опыт разработки лекарств: мы создали более 200 дженериков. Наши коллеги из Института системного программирования РАН, под руководством академика Арутюна Аветисяна, имеют большой опыт создания решений в области искусственного интеллекта.
Мы эти компетенции хотим объединить, потому что сейчас вся российская фарма занимается дженериками. Поэтому задача ускорения их производства востребована прямо сейчас, а не через 5-7 лет.
— Какие у вас ближайшие шаги по применению технологий искусственного интеллекта?
— На основе нашего опыта создания лекарств мы проведем обучение нейросети. К сожалению, мы не можем использовать данные, которые были получены в результате создания тех 200 препаратов, так как каждая разработка выполнялась в режиме коммерческой тайны.
Поэтому нам необходимо собрать данные в процессе совместной работы с индустриальными партнерами. Для этого технолог должен вместе с IT-специалистом пройти весь путь создания лекарства, и далеко не одного. Здесь много хитростей, ведь нейросеть должна учесть технико-экономические параметры конкретного производства. Например, какие условия на этом производстве, какое сырье доступно.
— На каком количестве данных вы планируете обучать нейросетевую модель?
— Это коммерческая тайна, связанная с договоренностями с нашими индустриальными партнерами.
— Когда примерно она будет готова?
— Программа работ рассчитана на 3 года с разными решениями, которые будут экономически целесообразны. Никому не нужно решение за 20 млн руб., которое сократит производство лишь на две недели. За эту сумму можно нанять еще несколько технологов, и так или иначе ускорить или распараллелить процесс.
Мы сможем представить технологические результаты нашей работы в течение полутора-двух лет. Как раз в течение этого срока у нас будет идти разработка препаратов, будет идти набор данных.
— Когда нейросеть будет готова, насколько она сможет сократить время разработки препаратов по вашим ожиданиям?
Если говорить о дженериках, то надеемся, что на 30-40%. Сейчас процесс занимает около 15 месяцев, если нам удастся сократить до 10, это будет прекрасно.
Плюс потом регистрация идет тоже примерно год-полтора с учетом изучения биоэквивалентности препарата на пациентах или здоровых добровольцах, в зависимости от типа препарата. Минздрав будет получать качественно подготовленное досье, к которому, мы надеемся, будет минимум вопросов в ходе государственной экспертизы. Это снижает сроки выпуска препарата на рынок, а сокращение этого срока на 3-6 месяцев – это большое количество спасенных человеческих жизней и сохраненного здоровья.
Есть некоторые стадии, которые точно будут сокращены: это сбор и анализ данных. А есть вещи, которые связаны с наработкой количества образцов. Тут мы не можем сказать, поможет ли нейросеть уменьшить их число и насколько, и как эти изменения будут влиять на общие сроки выпуска лекарства.
Если пофантазировать, то идеальным было бы сокращение процесса создания дженерика с получением регистрационного досье до года. Тогда пациенты и в целом страны были бы защищены от значительного количества рисков. Кроме того, это добавит конкурентоспособности нашей фармотрасли.
— Есть ли прецеденты в мире подобные?
— На данный момент отсутствуют промышленно внедренные решения с подтвержденным экономическим эффектом в данной области. Я не думаю, что никто этим не занимался. Просто о таких вещах, как правило, не кричат, а потихоньку внедряют у себя на производстве.
Повторяю: технологии производства – это строжайшая коммерческая тайна, режим секретности. Кто будет быстрее и дешевле создавать новые или воспроизведенные лекарства, тот получит хорошее преимущество.
— Получается, настанет время, когда в России за год можно будет сделать любой дженерик, а не ждать лекарств с Запада?
— Да, в нынешних условиях это будет серьезным достижением и очень полезной разработкой.



Сейчас ученые планируют создать и внедрить первый в мире комплекс технологий искусственного интеллекта, который сможет выдавать полные технологические «рецепты» препаратов под конкретное производство.
Обычно, когда говорят о применении методов искусственного интеллекта в разработке лекарств, имеют в виду, что нейросеть будет моделировать необходимые для создания нового препарата молекулы. Однако в этом случае новый препарат будет создан только лет через 10-15, когда будут проведены все необходимые испытания на клеточных и животных моделях, разработана лекарственная форма, проведены клинические испытания. Такие сроки связаны с большим количеством различных испытаний, которые необходимо провести на всех уровнях, чтобы доказать эффективность и безопасность нового препарата.
При этом в разработке лекарств есть другая очень важная задача – разработка технологий производства самой лекарственной формы, например, таблеток или инъекционного раствора.
Данный процесс также достаточно сложный с технологической точки зрения, но там количество влияющих на результат параметров вполне понятно и оцифровать данный процесс можно значительно быстрее. Поэтому необходимо применять искусственный интеллект не для создания новых молекул, а для ускорения сроков разработки готовых лекарственных форм дженериков и оригинальных препаратов.
Но начнем мы с дженериков, как наиболее распространенных препаратов на российском и международном рынке. Более того, создание инструментов на основе ИИ в данной области не требует изменения регуляторного поля, которое крайне жестко регламентирует процесс разработки лекарств.


Достарыңызбен бөлісу:
1   2   3   4   5   6   7   8   9




©dereksiz.org 2024
әкімшілігінің қараңыз

    Басты бет