Изкуственият интелект (ИИ) бързо променя облика на съвременните индустрии, излизайки отвъд традиционните граници на приложение. Днес той все по-активно прониква във високотехнологичните области, включително фармацевтиката, където е способен да ускори разработването на лекарства, да повиши точността на изследванията и да намали разходите. Как тези технологии трансформират сектора и какви възможности отварят за науката и бизнеса? Това разказа Оваким Закарян, съосновател на Denovo Sciences , в ефира на предаването „Economix“ .
От идея до международен стартъп
Според него, първоначално екипът на Denovo Sciences се е фокусирал върху отговора на въпроса как машинното обучение може да се използва за разработване и откриване на нови лекарства.
Постепенно, с появата на първите резултати, екипът се убеди в осъществимостта на поставените задачи и премина към следващия етап: формиране на компанията и разширяване на екипа.
Първоначално Denovo Sciences е регистрирана в САЩ, в щата Делауеър, което, както отбеляза Закарян, е свързано с удобството за привличане на инвестиции и е често срещана световна практика. Едновременно с формирането на основното изследователско ядро в Армения е създадена и местна компания, свързана с американската структура.
По-късно географията на проекта се разшири. Според Закарян, миналата година компанията е открила дъщерно дружество в Доха, Катар, след като е привлякла значителни инвестиции от инвеститори с връзки в региона. Това от своя страна е засилило фокуса на екипа върху пазара в Близкия изток и е открило нови възможности за развитие. „Видяхме, че там има много добри възможности и сега работим, за да ги реализираме доста бързо“, подчерта той.
Говорейки за философията на компанията, Закарян отбеляза, че ключовият въпрос е ускоряването на процесите, които традиционно се считат за едни от най-бавните във фармацевтичната индустрия. Става въпрос за създаването на инструменти, които позволяват да се ускори разработването на лекарства, без да се губи тяхната ефективност.
Синтетичните данни като ключ към нова фармацевтична реалност
Закарян подчерта, че основният проблем с приложението на машинното обучение във фармацията не е свързан с алгоритмите, а с данните, върху които се обучават тези алгоритми. Според него, за ефективната работа на моделите са необходими големи, висококачествени бази данни, но именно тук възникват сериозни ограничения във фармацевтичния сектор.
Той обясни, че дори като се вземе предвид информацията, натрупана в продължение на повече от сто години изследвания, обемът на наличните данни остава недостатъчен, а качеството им е непостоянно. Това води до факта, че повечето съществуващи решения в тази област остават ограничени по отношение на своята ефективност и приложимост.
Ето защо екипът на Denovo Sciences първоначално избра различен подход: използване на синтетични данни за обучение на модели. Това са данни, които не се генерират от реални експерименти, а се създават във виртуална среда, базирана на математически и физикохимични симулации. „Решихме да използваме модели за машинно обучение, които могат да бъдат обучени върху синтетични данни. Синтетичните данни са различни по това, че се генерират във виртуална среда, а не от реални експерименти“, обясни той.
Закарян добави, че днес съществуват доста напреднали физикохимични симулации, които позволяват да се моделира например взаимодействието на потенциално химично съединение с биологична цел. Въпреки че подобни модели не са перфектни, тяхната точност е достатъчна, за да се използват получените резултати за обучение на алгоритми. Според него, по време на това решение, само една или две компании в света са работили в подобна посока. Дори днес броят на такива играчи е изключително ограничен: според оценките, не повече от пет или шест компании използват такъв подход, тъй като той изисква значително по-сложни изчисления и дълбока математическа база в сравнение с класическите методи за машинно обучение.
„Това е много по-сложен процес от гледна точка на изчисления и математика, но съм сигурен, че през следващите три до пет години броят на компаниите, работещи в тази посока, ще се увеличи драстично“, подчерта той. Закарян отбеляза, че ранният старт в тази посока дава на компанията осезаемо конкурентно предимство. Благодарение на натрупания опит, Denovo Sciences вече може да работи с проблеми, където липсват реални данни, например, проектирането на потенциални лекарствени молекули в напълно нови области. По-специално, едно от направленията, с които Denovo се занимава в момента, е търсенето на лекарства срещу хомоцистинурия (рядко заболяване, което обаче е доста често срещано в Катар).
Според него, използването на синтетични данни не само коренно отличава технологията на компанията от традиционните решения, но и отваря достъп до насоки, които преди това са били практически недостъпни за индустрията за машинно обучение във фармацевтиката.