Η τελευταία εταιρεία που κυκλοφόρησε από ένα εργαστήριο Ιατρικής του Στάνφορντ έχει 37.000 υπαλλήλους και κανένας από αυτούς δεν είναι άνθρωπος. Δεν υπάρχει χώρος εργαστηρίου, δεν υπάρχει μισθοδοσία και δεν υπάρχουν διαλείμματα για μεσημεριανό γεύμα. Σε μια μελέτη που δημοσιεύτηκε στις 17 Σεπτεμβρίου στο περιοδικό Science, οι ερευνητές περιγράφουν μια πλήρως στελεχωμένη με τεχνητή νοημοσύνη εικονική εταιρεία βιοτεχνολογίας που ανέλυσε δεκάδες χιλιάδες κλινικές δοκιμές, αποκάλυψε ένα βιολογικό σήμα που προβλέπει ποια φάρμακα θα πετύχουν και σχεδίασε ανεξάρτητα μια θεραπεία για τον καρκίνο του πνεύμονα στην οποία έφτασε αργότερα μόνη της μια μεγάλη φαρμακευτική εταιρεία.
Μια ολόκληρη εταιρεία φαρμάκων από πράκτορες
Το έργο είναι το πνευματικό τέκνο του James Zou, αναπληρωτή καθηγητή της επιστήμης βιοϊατρικών δεδομένων στο Stanford Medicine, και του μεταπτυχιακού φοιτητή Harrison Zhang, ο οποίος ηγήθηκε της εργασίας. Βασίζεται στο «εικονικό εργαστήριο» πρακτόρων επιστημόνων τεχνητής νοημοσύνης που ξεκίνησε η ομάδα του Zou το 2025 — αλλά αυτή τη φορά η ομάδα προχώρησε παραπέρα, δημιουργώντας μια ολόκληρη εταιρεία με δεκάδες χιλιάδες πράκτορες τεχνητής νοημοσύνης εκπαιδευμένους για να υποστηρίξουν τον πλήρη αγωγό ανάπτυξης φαρμάκων.
"Η ιδέα μας ήταν να δούμε πόσο μακριά θα μπορούσαμε να το προωθήσουμε αυτό. Θα μπορούσαμε να δημιουργήσουμε μια εταιρεία βιοτεχνολογίας που θα αναλαμβάνει τα πάντα, από την αναζήτηση στόχων φαρμάκων μέχρι το σχεδιασμό κλινικών δοκιμών;" είπε ο Zou στην ανακοίνωση της Stanford Medicine. «Θα μπορούσαμε να έχουμε μια πλήρως αντιπροσωπευτική εταιρεία που αντιμετωπίζει τις εξαιρετικά περίπλοκες προκλήσεις της ανακάλυψης φαρμάκων;»
Η εικονική εταιρεία αντικατοπτρίζει το οργανόγραμμα μιας καθιερωμένης βιοτεχνολογίας: ένας επικεφαλής επιστημονικός πράκτορας ηγείται ερευνητικών ομάδων χωρισμένες σε εξειδικευμένα τμήματα που εργάζονται παράλληλα σε βασικά στοιχεία του σχεδιασμού φαρμάκων, από τον εντοπισμό μοριακών στόχων μέχρι το σχεδιασμό κλινικών δοκιμών.
Τι βρήκαν 37.000 πράκτορες σε 50.000 δοκιμές
Μια από τις μεγαλύτερες προκλήσεις στην ανακάλυψη φαρμάκων είναι η πρόβλεψη ποια μόρια θα επιβιώσουν από κλινικές δοκιμές - μια διαδικασία που οι σημειώσεις Zou μπορεί να κοστίσει δεκάδες ή και εκατοντάδες εκατομμύρια δολάρια και να διαρκέσει πολλά χρόνια. Στους παράγοντες ανατέθηκε μια σχολαστική εργασία: αντί να σαρώνουν την επιστημονική βιβλιογραφία ευρέως, κάθε παράγοντας ανέλυσε μια συγκεκριμένη κλινική δοκιμή και ανακτούσε δεδομένα για την ασφάλεια και την αποτελεσματικότητα. Συνολικά, κατέγραψαν περίπου 50.000 δοκιμές σε λιγότερο από μια εβδομάδα, ένα έργο που ο Zou λέει ότι θα χρειαζόταν χρόνια στους ανθρώπους ερευνητές.
Οι παράγοντες στη συνέχεια εξέτασαν μοριακά δεδομένα που συλλέχθηκαν κατά τη διάρκεια αυτών των δοκιμών και κατασκεύασαν δύο συστήματα βαθμολόγησης. Η πρώτη μέτρησε πόσο συγκεκριμένα ένα φάρμακο στοχεύει έναν συγκεκριμένο τύπο κυττάρου, αντί να επηρεάζει πολλούς τύπους κυττάρων γενικά. Η δεύτερη μετρούμενη "διτροπικότητα" - εάν η δραστηριότητα ενός στοχευόμενου γονιδίου συμπεριφέρεται σαν διακόπτης φωτός, που ανάβει και σβήνει ή σαν ροοστάτη με μια σειρά από ενδιάμεσες καταστάσεις.
Το μοτίβο που προέκυψε ήταν εντυπωσιακό. Τα φάρμακα που στόχευαν γονίδια που μοιάζουν με διακόπτες με συγκεκριμένο κυτταρικό τρόπο είχαν 40% περισσότερες πιθανότητες να προχωρήσουν από τις δοκιμές φάσης 1 στη φάση 2, 48% περισσότερες πιθανότητες να φτάσουν στην αγορά και είχαν 32% λιγότερες ανεπιθύμητες ενέργειες σε σύγκριση με φάρμακα που είχαν ευρεία δράση. Το αποτέλεσμα παρέμεινε σε καρκίνους, εγκεφαλικές παθήσεις, καρδιακές παθήσεις και παθήσεις των νεφρών και των πνευμόνων.
«Η επιστήμη που ανακάλυψαν οι παράγοντες είναι πραγματικά συναρπαστική και δείχνει ότι αυτά τα μονοκύτταρα χαρακτηριστικά μπορούν να χρησιμοποιηθούν για την παρασκευή καλύτερων φαρμάκων», είπε ο Ζου. "Υποδεικνύει τη σημασία της συλλογής αυτού του είδους δεδομένων. Αυτό θα μπορούσε να βοηθήσει ολόκληρη τη βιομηχανία ανακάλυψης φαρμάκων."
Η δοκιμή B7-H3: Από την πρόβλεψη στην επικύρωση
Το αποφασιστικό ερώτημα ήταν εάν μια εταιρεία αποκλειστικά AI θα μπορούσε να σχεδιάσει ένα πραγματικό φάρμακο. Για να το ανακαλύψει, η ομάδα έδειξε στους παράγοντες την B7-H3, μια πρωτεΐνη που ενδιαφέρει εδώ και καιρό τους ερευνητές του καρκίνου του πνεύμονα. Οι παράγοντες ανέλυσαν μελέτες και αποθετήρια βιοϊατρικών δεδομένων και βρήκαν ότι το B7-H3 εκφράζεται σε μεγάλο βαθμό σε ινοβλάστες - κύτταρα συνδετικού ιστού που συχνά ζουν κοντά σε κύτταρα όγκου. Σκάβοντας σε χωρικά μεταγραφικά δεδομένα, ανακάλυψαν ότι αυτοί οι ινοβλάστες που εκφράζουν το B7-H3 σηματοδοτούσαν τα κοντινά ανοσοκύτταρα και τα καταστέλλουν, καλύπτοντας αποτελεσματικά τον όγκο από τη φυσική άμυνα του σώματος.
Στη συνέχεια, οι παράγοντες σχεδίασαν ένα συζυγές αντισώματος-φαρμάκου - μια στοχευμένη πρωτεΐνη που βρίσκεται στα κύτταρα που φέρουν άφθονο B7-H3 και τους παρέχει ένα ωφέλιμο φορτίο χημειοθεραπείας απευθείας σε αυτά. Κυρίως, ο σχεδιασμός βασίστηκε μόνο σε πληροφορίες που ήταν διαθέσιμες πριν από τον Ιανουάριο του 2025. Μήνες αργότερα, τον Αύγουστο του 2025, μια καθιερωμένη φαρμακευτική εταιρεία ανέπτυξε ανεξάρτητα την ίδια στρατηγική σύζευξης αντισώματος-φαρμάκου κατά του B7-H3. Αυτή η θεραπεία έλαβε τον χαρακτηρισμό πρωτοποριακής θεραπείας από τον FDA αφού έδειξε αποτελεσματικότητα σε μια ανθρώπινη μελέτη - ένα αποτέλεσμα που ο Zou περιγράφει ως ανεξάρτητη, τρίτου μέρους επικύρωση του σχεδιασμού της εικονικής βιοτεχνολογίας.
Η Zou δεν επιδιώκει περαιτέρω το B7-H3, καθώς μια άλλη εταιρεία το προωθεί ήδη προς τις κλινικές. Αλλά λέει ότι η εικονική βιοτεχνολογία έχει εμφανίσει άλλους υποψήφιους στόχους που έχουν σχεδιαστεί με τον ίδιο τρόπο.
Οι άνθρωποι παραμένουν ο αγωγός
Παρά την κλίμακα του εργατικού δυναμικού των αντιπροσώπων, ο Zou είναι ξεκάθαρος σχετικά με τα όρια. «Οι άνθρωποι, ο φυσικός πειραματισμός και η επικύρωση θα είναι πάντα ο αγωγός μέσω του οποίου η τεχνητή νοημοσύνη επηρεάζει», είπε. Το επόμενο βήμα της ομάδας είναι να μεταφέρει τα νέα ευρήματα της εικονικής βιοτεχνολογίας σε πραγματικά εργαστήρια για να ελέγξει πόσοι αντέχουν στον φυσικό κόσμο.
Η έρευνα χρηματοδοτήθηκε από μια υποτροφία Knight-Hennessy, τα Εθνικά Ινστιτούτα Υγείας, το Εθνικό Ίδρυμα Επιστημών και το Chan Zuckerberg Biohub, με πρόσθετη υποστήριξη από το Τμήμα Επιστήμης Βιοϊατρικών Δεδομένων του Στάνφορντ.
Γιατί έχει σημασία
Η μελέτη φτάνει εν μέσω μιας ευρύτερης αλλαγής στον τρόπο με τον οποίο η τεχνητή νοημοσύνη εφαρμόζεται στην επιστήμη - από μοντέλα που συνοψίζουν την έρευνα σε συστήματα πράκτορα που σχεδιάζουν πειράματα, αναλύουν δεδομένα και προτείνουν νέες θεραπείες. Η κάλυψη της εργασίας από τους New York Times και τον τύπο της βιομηχανίας γονιδιωματικής υπογραμμίζει την προσοχή που τραβάει το πλαίσιο "εικονικής βιοτεχνολογίας".
Εάν το αποτέλεσμα του σχεδιασμού πριν από την επικύρωση στο B7-H3 είναι κάποια ένδειξη, η φαρμακευτική βιομηχανία έχει μια νέα κατηγορία ερευνητικών οργάνων για αξιολόγηση: οργανισμούς παραγόντων AI που μπορούν να συμπιέσουν χρόνια ανασκόπησης βιβλιογραφίας και δοκιμαστικής ανάλυσης σε ημέρες. Το ανοιχτό ερώτημα - αυτό που δοκιμάζει τώρα η ομάδα του Zou - είναι πόσα από αυτά που προτείνουν οι πράκτορες επιβιώνουν από την επαφή με ένα φυσικό εργαστήριο.
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Η τεχνητή νοημοσύνη μεταμορφώνει την έρευνα σε κάθε επίπεδο, από την ανακάλυψη φαρμάκων στη θεμελιώδη φυσική. Για περισσότερες έκτακτες ειδήσεις τεχνητής νοημοσύνης και ανάλυση της έρευνας που διαμορφώνει το πεδίο, διαβάστε περισσότερα νέα AI →.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
