Financial Times analizi: Yapay zeka neden yeni ilaçlar üretemiyor?

2010’ların ortasında, ilaç keşfi sürecini kökten değiştireceklerini iddia eden start-up’lar sahneye çıktı. Yapay zekanın yeni ilaç keşif süresini kısaltacağı ve ilaç geliştirme maliyetlerini milyarlarca dolar azaltacağı öne sürüldü.

Bristol Myers Squibb ve Sanofi gibi büyük ilaç şirketleri, ilaçlar onaylandıktan sonra milyar dolarlık anlaşmalar imzaladı. Basın bültenleri “çığır açan verimlilik artışları” ve “öncü araştırma iş birlikleri” ifadeleriyle doluydu.

Beklenen sonuçlar gelmedi

Ancak şimdi eleştirmenler soruyor; ilaçlar nerede? Ortalama 10 yıllık ilaç geliştirme süresinden uzun zaman geçti, ancak geç aşama klinik deneylerde AI tarafından keşfedilmiş aday ilaç sayısı çok az ve onaylanan tek bir ilaç yok.

Financial Times'a göre, başarısızlık oranını düşürme vaatleri çoğu şirket için hayal kırıklığıyla sonuçlandı. Bazıları finansal zorluklarla karşılaştı; Britanya merkezli BenevolentAI, hisseleri %99’dan fazla değer kaybettikten sonra Mart ayında Japon bir şirketle birleşerek borsadan çekildi.

ABD’li Recursion ise rakibi Exscientia’yı geçen yıl 688 milyon dolara satın aldı; bu rakam şirketin bilançosundaki nakit miktarından sadece 180 milyon dolar fazlaydı ve 3 yıl önceki 2,9 milyar dolarlık halka arz değerinin çok altındaydı.

Uzmanlar ne diyor?

Insilico CEO’su Alex Zhavoronkov, şirketlerin vaatlerini kanıtlamak için gerçek ilaçları göstermeleri gerektiğini şu sözlerle anlatıyor:

“Altın bir kazınız olduğunu iddia etmek için birkaç altın yumurta bırakmanız gerekir. Yumurta yoksa, altın kazınız çok hızlı değer kaybeder.”

Insitro CEO’su Daphne Koller ise insan biyolojisinin karmaşıklığı nedeniyle temel olarak anlamadığımız bir şeyi çözmeye çalıştığımızı söylüyor:

“Eskiden en yüksek başarısızlık oranına sahip sektör bizdik; uzay keşfi hariç. Sonra uzay keşfi başladı ve işe yaradı.”

Yatırımcılar hala umutlu

Yatırımcılar, yavaş ve pahalı ilaç geliştirme süreçlerini bozabilecek bir alan olarak farmasötik sektörü cazip buluyor. 2013’te AI ilaç keşfi şirketlerine 30 milyon dolar yatırım yapılırken, 2021’de bu rakam 1,8 milyar dolara çıktı.

ChatGPT’nin 2022 sonundaki lansmanı sonrası jeneratif AI’nın yükselişi, ilaç tasarımında yeni bir heyecan dalgası yarattı. AI, aşırı hava tahmini gibi bilim alanlarında da potansiyelini gösteriyor ve yatırımcılar umutla geri dönüyor.

Sorun algoritmaların ötesinde

Ancak problem algoritmaların ötesinde. İnsan biyolojisi hâlâ büyük ölçüde anlaşılmış değil. Hücreler arasındaki etkileşimler ve vücudun kritik süreçlerini ölçmekteki zorluklar, AI modellerini ilerlemeye yeterli veri olmadan bırakıyor.

GSK’da 30 yılı aşkın deneyime sahip kimyager Darren Green, ilaç keşfini “insanlığın en zor işlerinden biri” olarak nitelendiriyor.

Geçmişteki büyük umutlar

AI, ilaç sektörünü dönüştüreceği düşünülen ilk teknoloji değil. 1950-60’larda yapısal biyoloji, 1980’lerde hesaplamalı kimya ve 2000’lerde insan genomunun keşfi benzer beklentiler yaratmıştı.

İlaç keşif sürecinde, bilim insanları hedefleri belirliyor ve bu hedeflere bağlanacak moleküller arıyor. Teorik olarak iyi görünen ilaçlar klinik deneylerde %90 oranında başarısız oluyor.

AI, moleküller veritabanında hızlı eşleşmeler yapabiliyor, fakat bu sürecin sadece en kolay kısmı. UCL’den Peter Coveney, toksisite ve yan etkilerin tahmininin özellikle zor olduğunu söylüyor.

Başarının sınırları

Insitro CEO’su Koller, günümüzde AI’nın başarılı uygulamalarının çoğunun “bits meet bits” olduğunu, yani dil veya oyun verisi gibi dijital veri ile çalıştığını belirtiyor. Oysa ilaç keşfi “bits meet atoms”, yani atomlar ve moleküllerle etkileşim alanında.

Recursion kurucusu Chris Gibson, dört potansiyel ilacın erken aşama denemelerde olduğunu, ancak henüz onay için kritik olan son aşamada hiçbir ilerleme olmadığını söylüyor.

Eski nesil şirketlerin mücadelesi

BenevolentAI kurucusu Kenneth Mulvany, erken yıllarda AI teknolojisinin hızla değiştiğini ve her yıl yeni bir çözüm geliştirmek zorunda olduklarını belirtiyor.

İlk jenerasyon şirketler genellikle belirli bir probleme özel AI modelleri geliştiriyordu ve bu modeller genelleştirilemiyordu. Bu da yatırımcıları etkilemekte zorlanmalarına yol açtı.

Ayrıca şirketler, yatırım yetersizliği nedeniyle başlangıç hedefini dikkatle seçmek zorundaydı. Kolay ve tanınmış hedefler seçenler, “me too” veya “me better” ilaçlar geliştirdi; ancak bu ilaçlar mevcut pazardaki ürünlerden çok daha üstün değildi.

Yeni nesil ve yeniden başlangıç

İki önemli gelişme, aslında bu alandaki durgunluğu bitirme noktasına getirdi. 2021’de Google DeepMind ve Isomorphic Labs tarafından yayımlanan AlphaFold2, proteinlerin katlanma yapılarını tahmin etmeyi mümkün kıldı.

Bir diğeri ise 2022’de generatif AI patlaması.

Yeni nesil şirketler veri oluşturma ve AI ile ilaç tasarımında hız kazanıyor. Insitro, laboratuvar makineleri ile hücreleri değiştiriyor ve her etkileşimi kaydediyor.

Recursion, insan hücreleri görüntülerinden oluşturduğu veri setinin en büyük halka açık veri tabanından 1000 kat büyük olduğunu iddia ediyor. Lila Sciences ise otonom laboratuvarlarla “AI bilim fabrikaları” oluşturuyor.