Jak může AI pomoci ve vývoji vakcíny proti koronaviru?

13. 5. 2020

Sdílet

 Autor: © Pixabay
Na to, jak by mohla umělá inteligence pomoci ve vývoji vakcíny proti Covidu-19 způsobeného virem SARS-CoV-2019 se zadívala firma Rockwell Automation.

Vývoj samotné vakcíny proti virům, a tudíž ani současnému koronaviru, není v žádném případě nic jednoduchého. Skládá se celkem z pěti fází, a to průzkumné, předklinické, klinické, schvalovací a konečně pak výrobní; všechny jsou složité, nákladné a vyžadují pečlivou regulaci. Technologie ale mohou celý proces pomoci urychlit.

Jak může AI v tomto procesu pomoci?

I když nikdy nebudeme moct očekávat, že se něco tak komplexního, jako je vývoj vakcíny, vyřeší přes noc, můžeme se snažit odstranit aspoň některé překážky a úzká místa, která mohou vývoj brzdit. Pokroky v automatizaci datové analýzy a zlepšení vizualizace toho, co se děje v každém kroku fáze průzkumu, mohou vyřešit některé z neefektivních kroků, a tím urychlit postup vývoje vakcíny a zefektivnit činnosti vedoucí k zvýšení objemu výroby.

Zde jsou některé z rolí, které může AI hrát v každé fázi:

Průzkumná/předklinická

Počáteční fáze objevu léčiva často zahrnují proces filtrování, kterým se na základě předchozích studií a léčby zužuje počet kandidátů na vakcínu. Výzkumníci mohou s pomocí umělé inteligence zpracovat obrovské digitální datové knihovny (například analyzovat vlastnosti tisíců farmaceutických sloučenin) s výrazně vyšší přesností, než by to bylo možné ručně, a vytipovat potenciální kandidáty na léčivo. AI lze v těchto fázích použít také pro sekvencování DNA na základě komplexních údajů o člověku, což umožňuje lékařům provádět testy genetické shody a imunitní odpovědi.

Klinický vývoj a pokusy

Jakmile byly identifikovány vhodné sloučeniny, postupuje se směrem k reálnému testování. Různí pacienti budou na léčbu reagovat odlišně, v závislosti na faktorech, jako je věk a předchozí zdravotní anamnéza. Testy proto musí být dostatečně komplexní, aby pokryly i okrajové případy, kdy by pacient mohl na léčbu špatně reagovat.

Trénování algoritmů hlubokého učení umožňuje výzkumníkům provádět tyto testy v dříve nepředstavitelném měřítku, dokonce ještě před tím, než je kandidát na vakcínu pacientům fyzicky podán. Tyto algoritmy lze použít k identifikaci a odběru vzorků protilátek a díky tomu bojovat proti infekčním chorobám extrémně rychleji a s významně nižšími náklady. Pokročilá analýza a vizualizace dat odpovědi člověka na potenciální vakcíny pak mohou být využity při rychlém testování, což umožňuje provádět složitější analýzu a snížit chybovost.

Výroba a QA

Po schválení vakcinačních přípravků regulačními autoritami se začíná závod o co nejrychlejší vývoj a distribuci léčiv v rámci rozsáhlé sítě nemocnic a klinik. To má zásadní dopad na provoz výrobců těchto produktů, kteří musí činit rychlá rozhodnutí o takových věcech, jako je výrobní kapacita, kvalita produktu či optimální řešení balení.

Kombinace technologií využívajících umělou inteligenci a snímače dovoluje výrobcům pracovat s granulárními daty, a tím zvýšit efektivitu dodavatelského řetězce. Tím se mohou v rámci svých výrobních postupů vyhnout riziku vzniku nesrovnalostí mezi nabídkou a poptávkou a minimalizovat riziko poničení produktů během distribuce.

Rychlejší léčba v době, kdy je potřeba

bitcoin_skoleni

Ohnisko virové nákazy může přinést nepředvídatelné výzvy pro všechny, kdo se podílejí na řízení veřejného zdravotnictví, od politiků a zdravotnických orgánů až po klinické lékaře a výrobce. Zatímco ti první mohou začít podnikat rychlé kroky k testování infekce a zavádět v identifikovaných skupinách ochranná opatření, ti druzí jsou často pod narůstajícím tlakem dodat léčivé přípravky na trh co nejrychleji. Schopnost nalézt nové efektivní postupy ve vývoji vakcín znamená, že se může podstatně změnit způsob léčby identifikovaných případů, zmírnit tlak na infrastrukturu zdravotní péče a přispět ke zvýšení počtu vyléčených.

Možnosti umělé inteligence dávají všem, kdo se podílejí na vývoji, možnost jednat pod tlakem rychleji. Techniky, jakými jsou hluboké učení a pokročilá vizualizace dat, umožňují výzkumníkům opírat se o existující výzkum prováděný za účelem řešení složitých problémů souvisejících s hledáním vhodných léčivých přípravků k léčbě infekcí způsobených novými viry. Využitelnost AI sahá až po výrobu a distribuci, tedy tam, kde výrobci hrají významnou roli při uvádění těchto léků na trh s velkou rychlostí a v podmínkách velké nejistoty.