Μια ερευνητική ομάδα δημιούργησε μια «εικονική βιοτεχνολογική εταιρεία», στην οποία χιλιάδες παράγοντες τεχνητής νοημοσύνης συνεργάζονται σε διάφορα στάδια της διαδικασίας ανακάλυψης φαρμάκων.
Σε μια μελέτη που δημοσιεύθηκε στο περιοδικό Science, το σύστημα ανέλυσε δεδομένα από 55.984 κλινικές δοκιμές. Οι ερευνητές του ζήτησαν επίσης να διερευνήσει την πρωτεΐνη B7-H3, η οποία ήδη αποτελεί αντικείμενο μελέτης ως πιθανός θεραπευτικός στόχος στον καρκίνο του πνεύμονα.
Τα αποτελέσματα είναι ενδιαφέροντα. Ωστόσο, η τεχνητή νοημοσύνη δεν ανακάλυψε το B7-H3, δεν δημιούργησε ένα νέο φάρμακο ούτε απέδειξε ότι μια θεραπεία είναι αποτελεσματική. Η πρότασή της δεν έχει ακόμη δοκιμαστεί πειραματικά.
Τι έκαναν στην πραγματικότητα οι 37.000 πράκτορες τεχνητής νοημοσύνης;
Η Virtual Biotech σχεδιάστηκε ώστε να λειτουργεί όπως μια εταιρεία βιοτεχνολογίας.
Μια τεχνητή νοημοσύνη που λειτουργούσε ως «επικεφαλής επιστήμονας» ανέθεσε εργασίες σε ομάδες που κάλυπταν τομείς όπως οι θεραπευτικοί στόχοι, ο σχεδιασμός φαρμάκων και οι κλινικές δοκιμές. Πάνω από 37.000 «πράκτορες» εξέτασαν ο καθένας μια κλινική δοκιμή σε προχωρημένο στάδιο.
Στη συνέχεια, οι ερευνητές ανέθεσαν στο σύστημα ένα πιο συγκεκριμένο καθήκον: να αξιολογήσει εάν το CD276, πιο γνωστό ως B7-H3, θα μπορούσε να αποτελέσει χρήσιμο θεραπευτικό στόχο στον καρκίνο του πνεύμονα.
Η B7-H3 δεν ήταν μια νέα ανακάλυψη. Προηγούμενες έρευνες είχαν ήδη εντοπίσει υψηλά επίπεδα της πρωτεΐνης σε ορισμένους όγκους των πνευμόνων και είχαν υποδείξει ότι ενδέχεται να βοηθά τον καρκίνο να ξεφύγει από το ανοσοποιητικό σύστημα.
Το σύστημα πραγματοποίησε αναζήτηση σε υπάρχοντα γενετικά, μονοκυτταρικά, χωρικά και κλινικά δεδομένα. Υποστήριξε το B7-H3 ως πιθανό στόχο και πρότεινε τη χρήση ενός συζεύγματος αντισώματος-φαρμάκου (ADC) για την καταπολέμησή του.
Ένα ADC συνδυάζει ένα αντίσωμα που αναγνωρίζει έναν συγκεκριμένο στόχο με ένα φάρμακο που καταστρέφει τον καρκίνο. Το αντίσωμα έχει ως σκοπό να μεταφέρει το φάρμακο προς τα κύτταρα που φέρουν αυτόν τον στόχο.
Το άρθρο μας για το TROP2 και τον καρκίνο του πνεύμονα εξετάζει λεπτομερέστερα τον τρόπο λειτουργίας των ADC και τα ζητήματα που αφορούν τη χρήση τους.
Το B7-H3 βρίσκεται ήδη σε φάση δοκιμών για τον καρκίνο του πνεύμονα με μικρά κύτταρα
Στο Παγκόσμιο Συνέδριο για τον Καρκίνο του Πνεύμονα του 2026, παρουσιάστηκαν τα ενδιάμεσα αποτελέσματα της Φάσης 3 για δύο ξεχωριστά ADC που στοχεύουν τον B7-H3, σε ασθενείς με υποτροπιάζοντα μικροκυτταρικό καρκίνο του πνεύμονα.
Στη μελέτη TAISHAN-302, η ταμποτατούγκ πελιτεκάνη αύξησε τη μέση συνολική επιβίωση στους 13,3 μήνες, σε σύγκριση με τους 9,4 μήνες που παρατηρήθηκαν με την τοποτεκάνη.
Στη μελέτη ARTEMIS-008, η διάμεση συνολική επιβίωση ήταν 18,5 μήνες με το risvutatug rezetecan και 10,3 μήνες με το topotecan.
Και οι δύο δοκιμές διεξήχθησαν στην Κίνα. Απαιτούνται περαιτέρω μελέτες για να διαπιστωθεί κατά πόσον τα αποτελέσματα ισχύουν εξίσου για ευρύτερους πληθυσμούς, συμπεριλαμβανομένων των κατοίκων της Ευρώπης.
Τα φάρμακα αυτά αναπτύχθηκαν ανεξάρτητα από τη μελέτη της Virtual Biotech. Τα αποτελέσματα δεν επικυρώνουν το σύστημα τεχνητής νοημοσύνης ούτε αποδεικνύουν ότι η πρότασή του θα ήταν αποτελεσματική. Δείχνουν, ωστόσο, για ποιο λόγο το B7-H3 συγκεντρώνει το ενδιαφέρον στην έρευνα για τον καρκίνο του πνεύμονα.
Αυτό συμβαίνει σε μια εποχή που η θεραπεία του μικροκυτταρικού καρκίνου του πνεύμονα αρχίζει να αλλάζει, μετά από δεκαετίες περιορισμένης προόδου. Το άρθρο μας σχετικά με τις νέες θεραπείες για τον μικροκυτταρικό καρκίνο του πνεύμονα στην Ευρώπη εξηγεί μερικές από τις πρόσφατες εξελίξεις και γιατί η έγκριση από τις ευρωπαϊκές αρχές δεν σημαίνει αυτόματα και πρόσβαση στη θεραπεία.
Το πρόσφατο διαδικτυακό μας σεμινάριο για τον καρκίνο του πνεύμονα τύπου «small cell» κάλυψε επίσης θέματα όπως η πρόσβαση σε κλινικές δοκιμές, οι νέες θεραπείες και η υποστήριξη που χρειάζονται οι άνθρωποι όταν πρέπει να ληφθούν γρήγορες αποφάσεις.
Η Virtual Biotech δεν έχει αναπτύξει κάποια θεραπεία
Η μελέτη καταδεικνύει τι μπορεί να επιτύχει μια μεγάλη ομάδα πράκτορων τεχνητής νοημοσύνης με βάση τις υπάρχουσες πληροφορίες. Δεν αποδεικνύει, ωστόσο, ότι η θεραπεία που προτείνουν είναι ασφαλής ή αποτελεσματική.
Δεν έχει παραχθεί κανένα νέο φάρμακο B7-H3 από την Virtual Biotech. Η πρότασή της δεν έχει δοκιμαστεί σε εργαστηριακά πειράματα, μελέτες σε ζώα ή κλινικές δοκιμές.
Στη διαδικασία συνέχισαν να συμμετέχουν και ερευνητές από τον ανθρώπινο τομέα. Επέλεξαν τον καρκίνο του πνεύμονα ως στόχο που θα διερευνούσε το σύστημα, εξέτασαν το έργο του και προσκάλεσαν εξωτερικούς ειδικούς για να αξιολογήσουν την πρόταση.
Η ανάπτυξη φαρμάκων δεν είναι απλώς μια αναζήτηση ενός εύλογου στόχου. Μια πιθανή θεραπεία πρέπει ακόμα να παρασκευαστεί, να δοκιμαστεί και να συγκριθεί με τις υπάρχουσες θεραπείες. Πολλές ιδέες που φαίνονται ελπιδοφόρες αποτυγχάνουν κατά τη διάρκεια αυτής της διαδικασίας.
Θα μπορούσε η τεχνητή νοημοσύνη να επιταχύνει την ανάπτυξη φαρμάκων για τον καρκίνο του πνεύμονα;
Η πιθανή αξία έγκειται στην ταχύτητα και την κλίμακα.
Μια ομάδα ανθρώπων δεν μπορεί να κατανείμει δεκάδες χιλιάδες κλινικές δοκιμές μεταξύ δεκάδων χιλιάδων ερευνητών. Ένα σύστημα τεχνητής νοημοσύνης μπορεί να οργανώσει το έργο σε τέτοια κλίμακα και να αναζητήσει συσχετίσεις σε τεράστιους όγκους δεδομένων.
Αυτό θα μπορούσε να βοηθήσει τους ερευνητές να αποφασίσουν ποιοι στόχοι αξίζουν μεγαλύτερη προσοχή, να εντοπίσουν τους λόγους για τους οποίους προηγούμενες δοκιμές πέτυχαν ή απέτυχαν και να περιορίσουν τις ιδέες που θα προωθηθούν στην εργαστηριακή έρευνα.
Θα μπορούσε επίσης να παράγει πειστικά λάθη σε μεγάλη κλίμακα. Η ποιότητα των συμπερασμάτων του εξαρτάται από τα στοιχεία που λαμβάνει, τις ερωτήσεις που του τίθενται και τους ελέγχους που διενεργούνται από άτομα με τη σχετική εμπειρογνωμοσύνη.
Η δήλωση θέσης της οργάνωσης «Lung Cancer Europe» σχετικά με τη χρήση της τεχνητής νοημοσύνης στη φροντίδα του καρκίνου του πνεύμονα ζητά διαφάνεια και επιστημονικά στοιχεία, με την ανθρώπινη κρίση να παραμένει στο επίκεντρο και με τη συμμετοχή των ατόμων που πάσχουν από καρκίνο του πνεύμονα στις αποφάσεις σχετικά με τον τρόπο χρήσης της τεχνητής νοημοσύνης.
Οι αρχές αυτές ισχύουν τόσο για την έρευνα στον τομέα των φαρμάκων όσο και για την κλινική περίθαλψη.
Ποιος ωφελείται από την ταχύτερη έρευνα για τον καρκίνο του πνεύμονα;
Η ταχύτερη εύρεση ενός πιθανού στόχου θεραπείας αποτελεί μόνο ένα μέρος της εργασίας.
Οι δύο κλινικές δοκιμές Φάσης 3 για το B7-H3 διεξήχθησαν στην Κίνα. Περαιτέρω στοιχεία, ρυθμιστικές αποφάσεις και εθνικές διαδικασίες αποζημίωσης θα καθορίσουν αν αυτές οι θεραπείες θα καταστούν τελικά διαθέσιμες στους ασθενείς στην Ευρώπη.
Η πρόσβαση σε νέες θεραπείες για τον καρκίνο του πνεύμονα παρουσιάζει ήδη σημαντικές διαφορές μεταξύ των ευρωπαϊκών χωρών. Ο Άτλας Πρόσβασης στη Θεραπεία του Οργανισμού «Lung Cancer Europe» επιτρέπει στους πολίτες να συγκρίνουν πληροφορίες σχετικά με την κάλυψη των εξόδων, τις εξετάσεις βιοδεικτών, τον προληπτικό έλεγχο και τις κλινικές δοκιμές σε ολόκληρη την Ευρώπη.
Η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους ερευνητές να προχωρήσουν πιο γρήγορα στα αρχικά στάδια της ανάπτυξης φαρμάκων. Ωστόσο, από μόνη της δεν μπορεί να επιλύσει τα προβλήματα της αργής διαδικασίας έγκρισης, της άνισης πρόσβασης στις δοκιμές, της περιορισμένης διαθεσιμότητας κλινικών δοκιμών ή των διαφορών στη χρηματοδότηση σε εθνικό επίπεδο.
Τα ίδια ερωτήματα ανακύπτουν και σε άλλους τομείς της ιατρικής τεχνητής νοημοσύνης. Το άρθρο μας σχετικά με την απεικόνιση με τεχνητή νοημοσύνη και το Cancer Image Europe εξετάζει πώς η χρήση καλύτερων δεδομένων θα μπορούσε να υποστηρίξει την έρευνα και τη διάγνωση, καθώς και τους λόγους για τους οποίους η εκπροσώπηση, η διακυβέρνηση και η πρόσβαση πρέπει να τύχουν προσοχής από την αρχή.
Τι θα συμβεί στη συνέχεια;
Η Virtual Biotech πρέπει πλέον να αποδείξει την αξία της εκτός του υπολογιστικού συστήματος.
Η πρότασή της, η B7-H3, θα πρέπει να υποβληθεί σε πειραματικές δοκιμές προτού μπορέσει κανείς να γνωρίζει αν μπορεί να εξελιχθεί σε θεραπεία. Το σύστημα πρέπει επίσης να δοκιμαστεί σε άλλα ερευνητικά ζητήματα, προκειμένου να διαπιστωθεί πόσο αξιόπιστα λειτουργεί.
Για τα άτομα που πάσχουν από καρκίνο του πνεύμονα, το ερώτημα είναι απλό: συμβάλλει αυτή η προσέγγιση στην ανάπτυξη ασφαλών και αποτελεσματικών θεραπειών και φτάνουν αυτές οι θεραπείες στα άτομα που τις χρειάζονται;
Η απάντηση αυτή θα προκύψει από εργαστηριακές έρευνες, κλινικές δοκιμές και την εφαρμογή στην πράξη, και όχι από τον αριθμό των παραγόντων τεχνητής νοημοσύνης που εμπλέκονται.