I årtier har udviklingen af nye lægemidler været en af de langsomste, dyreste og mest fejlbehæftede processer i moderne videnskab. Med kunstig intelligens kan denne flaskehals dog være ved at bryde. Et eksperimentelt lægemiddel, der i høj grad er designet af AI, er kommet ind i sene forsøgsfaser med rekordhastighed og er på vej til at blive det første AI-designede lægemiddel, der er godkendt til menneskelig brug. Nogle kalder det et medicinsk gennembrud, mens andre anerkender en foruroligende genvej, der erstatter ordentlig medicinsk forståelse med maskinbaseret optimering.
AI designer et nyt lægemiddel
Lægemidlet, der nærmer sig godkendelse, blev udviklet af Insilico Medicine, en AI-fokuseret biotekvirksomhed, der bruger maskinlæringsmodeller til at identificere sygdomsmål og generere potentielle forbindelser til deres behandling. Målet for deres nye medicin er idiopatisk lungefibrose (IPF) – en dødelig lungesygdom, der dræber omkring 40,000 amerikanere hvert år uden kendt kur. Utroligt nok er udviklingen nu gået fra opdagelse af mål til forsøg på mennesker på under to år.
For at sætte det i kontekst tager det typisk omkring 5 år for konventionel lægemiddelforskning at nå frem til forsøg på mennesker, efterfulgt af yderligere 6-8 år med klinisk afprøvning og regulatorisk gennemgang. Fra start til slut tager det 10-15 år for de fleste lægemidler, med en anslået fejlrate på 90 %, når forsøg på mennesker begynder.
AI er i stand til at komprimere den tidlige opdagelsesfase – den langsomste og dyreste del – dramatisk. Insilicos proces erstatter års laboratorieiteration med algoritmisk screening af millioner af molekylære strukturer, forudsigelse af toksicitet, simulering af proteinfoldning og forslag til kandidatforbindelser i løbet af få uger i stedet for år.
Hvordan det fremskynder processen
Traditionel lægemiddelforskning er afhængig af langsomt iterativt laboratoriearbejde: hypotese, eksperiment, fiasko, revision. AI-systemer genvejer dette ved at træne på enorme datasæt af kemiske strukturer, biologiske veje og historiske forsøgsresultater. Dette giver forskere mulighed for øjeblikkeligt at kassere usandsynlige kandidater og fokusere ressourcer på forbindelser med de højest forudsagte succesrater.
Kort sagt gør AI det ikke forstå biologi, men genkender snarere mønstre i stor skala. Den kan teste millioner af teoretiske molekyler digitalt, før en menneskelig kemiker syntetiserer bare et eneste.
Denne effektivitet betyder, at medicinalfirmaer kan reducere udviklingsomkostningerne med 30-70 %, og det er grunden til, at venturekapital nu strømmer ind i industrien. Ifølge estimater er der investeret over 60 milliarder dollars i AI-biotek-startups globalt i løbet af de sidste fem år, hvor store medicinalfirmaer har indgået partnerskaber eller selv investeret for at undgå at blive ladt i stikken.
Et optimistisk syn
Der er ægte humanitære argumenter for AI-accelererede lægemidler. Sjældne sygdomme, forsømte tilstande eller sygdomme med små patientpopulationer har altid været kommercielt uattraktive. At gøre udviklingen hurtigere og billigere ved hjælp af AI kan endelig gøre uholdbare behandlinger realistiske. Der er også mulighed for at skabe personlig medicin, der skræddersyr behandlinger til genetiske profiler på måder, som menneskedrevet forskning ikke er i stand til eller uvillig til at udforske.
En vigtig præcisering her er, at AI-designede lægemidler stadig testes på mennesker. Regulatorer har ikke givet afkald på sikkerhedsstandarder, og kliniske forsøg er fortsat obligatoriske. Derfor fremhæver en positiv udsigt, at AI ikke er udskiftning videnskabelig vurdering, men snarere forstærkning det med hurtig trial-and-error. Hurtigere opdagelse betyder ikke automatisk lavere standarder.
Så hvad er problemet?
Bekymringen ligger mindre i selve hastigheden og mere i, hvad denne hastighed fortrænger. AI-systemer fungerer ofte som sorte bokse, der producerer effektive output, men ikke giver klare forklaringer på den årsagssammenhæng. I mange brancher er denne uigennemsigtighed ikke en stor ting. Inden for medicin er den det.
Det er afgørende at vide præcis hvordan og hvorfor et lægemiddel virker for at forudse bivirkninger, langsigtede risici og interaktioner med andre behandlinger. Hvis udviklingstidslinjerne krymper dramatisk, er der mindre mulighed for udforskende videnskab – det langsomme, ofte ufyldestgørende, menneskeledede arbejde, der opbygger konceptuelle ... forståelse snarere end statistisk sikkerhed. Hvad sker der, hvis tilsynsmyndighederne godkender lægemidler, der klarede sig godt i forsøg, men hvis mekanismer kun forbliver delvist forstået?
AI har en bekymrende historik ud over farmaceutiske industrier
I de senere år har AI-systemer gentagne gange vist deres tendens til at generere sikre, men ukorrekte output – et koncept, vi udforskede mere detaljeret i denne artikelStore sprogmodeller fabrikerer tekniske detaljer og citater; billedgenkendelsesværktøjer fejlklassificerer objekter i sikkerhedskritiske miljøer; automatiseret beslutningssoftware fortsætter med at forstærke bias i politik og videre.
Disse fejl betyder ikke, at der ligger ondsindede hensigter i kernen, men den identificerer strukturelle begrænsninger. AI-modeller optimerer for sandsynlighed snarere end sandhed. De fungerer bedst i miljøer, hvor mønstre er stabile, genkendelige, og konsekvenserne er reversible. Biologi er ingen af disse ting. Fejl i farmaceutisk udvikling – fejlvurdering af toksicitet, bivirkninger eller langsigtede interaktioner – er dyre, irreversible og nogle gange dødelige.
At handle med hastighed for sikkerhed har givet bagslag før
Medicinsk historie byder på barske advarsler. Nogle af de mest berygtede narkotikakatastrofer i det 20.th århundrede fandt sted inden for fuldt menneskestyrede systemer, der fulgte deres egne videnskabelige standarder. Thalidomid, som er et af de mest kendte eksempler, blev godkendt i flere lande i slutningen af 1950'erne og bestod alle nødvendige tests, før det forårsagede katastrofale fødselsdefekter. De sikkerhedsforanstaltninger, der nu bremser lægemiddeludviklingen, blev bygget som reaktion på sådanne fiaskoer.
Bekymringen er ikke, at AI vil producere flere dårlige lægemidler, men at den kan producere dårlige lægemidler hurtigere, i større skala og før institutionelle sikkerhedsforanstaltninger kan tilpasse sig.
Precedenten
Hvis Insilicos AI-designede IPF-behandling bliver godkendt, vil det skabe en stærk præcedens. Pludselig vil ideen om, at medicin kan genereres hurtigere, end forskere fuldt ud kan forstå den, blive normaliseret, og med tiden kan det også omforme diagnostik, behandlingsprotokoller og design af kliniske forsøg.
Udfordringen er nu for regulatorer og samfundet at beslutte, hvor meget uigennemsigtighed de har råd til at bytte for hastighed. Tillid til medicin skal hvile på mere end blot resultater – tillid til processen er også afgørende.
Endelig tanke
Patienter, der længe har været underforsynede af traditionelle forskningsmodeller – fordi deres sygdom vurderes at være økonomisk uholdbar at helbrede – kan blive tilbudt håb, hvis AI-designede lægemidler lykkes. Men løftet om hastighed bør ikke skjule risikoen ved at erstatte forståelse med optimering. Konsekvenserne af at tage fejl er dybtgående inden for medicin, og langsom udvikling har på en måde beskyttet mod sådanne risici. I takt med at AI accelererer opdagelser, hvordan sikrer vi så, at fremskridt ikke overhaler de rækværk, der holder os alle i sikkerhed?
Expose har akut brug for din hjælp…
Kan du venligst hjælpe med at holde lyset tændt med The Exposes ærlige, pålidelige, kraftfulde og sandfærdige journalistik?
Din regering og Big Tech-organisationer
prøv at tave The Expose ned og lukke den ned.
Så har vi brug for din hjælp til at sikre
vi kan fortsætte med at bringe dig
fakta, som mainstreamen nægter at vise.
Regeringen finansierer os ikke
at udgive løgne og propaganda på deres
vegne ligesom mainstream medierne.
I stedet er vi udelukkende afhængige af din støtte.
støt os venligst i vores bestræbelser på at bringe
din ærlige, pålidelige og undersøgende journalistik
i dag. Det er sikkert, hurtigt og nemt.
Vælg venligst din foretrukne metode nedenfor for at vise din støtte.
Kategorier: Seneste nyt
Problemet ligger ikke i processen eller processens hastighed. Problemet er korruption. Det starter med den falske fortælling omkring den pågældende sygdom. Menneskelige forskere fokuserer allerede på at identificere "sygdomsmål", der vil "generere potentielle forbindelser til deres behandling". Alt, der betyder noget, er, at disse forbindelser er rentable. Sikkerhed og effekt er ikke afgørende.
Alt, hvad AI vil gøre, er at maksimere disse overskud ved at reducere "udviklingsomkostningerne med 30-70%". De kliniske forsøg er allerede manipuleret til at overdrive fordele og skjule skader. Måske kunne AI bruges til bedre at manipulere disse allerede manipulerede forsøg?
Det er meget naivt at antage, at tilsynsmyndighederne i øjeblikket har effektive "sikkerhedsstandarder", da det i mange år har været åbenlyst, at tilsynsmyndighederne er blevet fanget af medicinalvirksomhederne og har fuldstændig ligegyldighed over for offentlig sikkerhed.
Det er også meget naivt at antage, at "videnskabelig vurdering" driver den nuværende udvikling af lægemidler på mennesker. Det handler udelukkende om pengene. Hurtigere opdagelse vil blot fremskynde de allerede meget lave standarder, der findes.
Hvis den "udforskningsmæssige videnskab", der i øjeblikket udføres af mennesker, er dårlig for profitten, så er den simpelthen begravet. Dette er allerede baseret på dårlig "konceptuel forståelse" af sygdomsårsag.
og "kun delvist forståede" mekanismer bag angiveligt gavnlige interventioner.
Ofte er toksicitet, bivirkninger og langtidsinteraktioner allerede forstået, men lægemidlet bliver alligevel godkendt. Statiner er et bemærkelsesværdigt eksempel på dette. Korruption er det problem, der skal løses.
Narkotikakatastrofer sluttede ikke i det 20. århundrede, men fortsætter den dag i dag. Vioxx og Celebrex dukker op i tankerne, men der er også mange andre uerkendte katastrofer. "De sikkerhedsforanstaltninger, der nu bremser lægemiddeludviklingen" og andre "institutionelle sikkerhedsforanstaltninger" virker tydeligvis ikke.
Jeg er målløs over, at forfatteren mener, at samfundet har nogen form for tilbageværende tillid til medicin efter covid-svindelepidemien, som viste både katastrofale resultater og processer. Vi har tydeligvis ikke "beskyttelsesrammer, der holder os alle i sikkerhed".
Indtil korruptionen er bekæmpet, vil AI ganske vist bare "producere dårlige lægemidler hurtigere og i stor skala".
Jeg tror, at forfatteren bare prøvede at være upartisk, og at han også er skeptisk. Jeg ved, at jeg er skeptisk og har ringe tillid til AI.
Hej,
Det er ganske vist en ny udvikling, og jeg er interesseret i at udforske alle vinkler. Jeg er dog skeptisk over for, hvor dette er på vej hen. For nuværende er intet godkendt, men det føles som om, det kun er et spørgsmål om tid, før vi implementerer AI-beslutningstagning på mere kritiske områder som medicin.
Vi vil fortsat holde nøje øje med, hvordan det her går.
Hilsen,
G. Calder
Hej Sam,
Din vinkel er bestemt gyldig. Denne artikel har til formål at give et overblik over de potentielle resultater her. Der er selvfølgelig en vis korruption i medicinalindustrien, og jeg gør mig ingen illusioner om, at vi lever i en fuldstændig retfærdig verden. Denne udvikling kunne fremhæve en mulig fordel for et mindretal: dem, hvis sygdomme ikke er rentable nok. Der er masser af mindre almindelige tilstande, der er fuldt ud helbredelige, men ikke "værd" at udforske fra et £££-synspunkt. Jeg er faktisk meget skeptisk, ligesom dig, over for alt dette, men jeg er altid interesseret i at undersøge begge sider.
Tak for din kommentar.
G. Calder
Jeg har undersøgt begge sider i 35 år. Jeg anser medicinalindustrien for at være fuldstændig korrupt og fuldstændig ond i sin nuværende form. De får verdens mest produktive massemordere til at ligne amatører.
De kardiovaskulære risici ved Vioxx var kendte, før det blev godkendt. Et meget konservativt estimat af antallet af mennesker, der blev dræbt af netop dette ENE lægemiddel, er 60,000. Stalin og Pol Pot ville være imponerede over disse tal.
Jeg tror, at denne udvikling blot vil give mulighed for, at de med mindre almindelige sygdomme også bliver forgiftet. Alt sammen for en pæn fortjeneste, selvfølgelig. Kan du komme i tanke om en sygdom, der er "fuldstændig helbredelig", men som i øjeblikket ikke bliver helbredt? Er intervention med syntetiske forbindelser nogensinde nyttig?
Kender du computerudtrykket "Garbage in = Garbage out"? AI'en vil blive trænet i fejlagtige og falske data, f.eks. "historiske forsøgsresultater". Vi ved allerede, at det er ekstremt upålideligt at forudsige toksicitet og proteinfoldning ved hjælp af computermodellering. Vil AI vide dette? Vil de mennesker, der bruger den, være interesserede? Vil de biologiske veje, den bruger, være nøjagtige og relevante for den pågældende sygdom?
AI vil blot forstærke bias hos sine menneskelige håndterere ved at analysere affaldsdata og dermed producere affaldsløsninger.
Tak for en tankevækkende artikel.
Jeg ved, det bliver ret gammelt, men jeg er nødt til at spørge igen: "Hvad kan der dog gå galt?"
Sandsynligvis mere end vi kunne forestille os.
Jeg er meget skeptisk over for AI-lægemidler.
AI mangler moralske og etiske beskyttelsesforanstaltninger.