Ανάπτυξη νέων φαρμάκων χωρίς… πειράματα, ανακάλυψη νέων χημικών μορίων με τη χρήση τεχνητής νοημοσύνης, λογισμικό που προβλέπει με ΑΙ τις πιθανότητες επιτυχίας μιας κλινικής έρευνας, πλατφόρμα τεχνητής νοημοσύνης που συνοψίζει γρήγορα τεράστιο όγκο επιστημονικών πληροφοριών κ.ά.
Πρόκειται για εγχειρήματα ελληνικού DNA startups οι οποίες έχουν «ριχτεί» τα τελευταία χρόνια για τα καλά στη μάχη της ανακάλυψης, ανάπτυξης αλλά και παραγωγής νέων φαρμάκων, διεκδικώντας θέση στο «κλειστό» κλαμπ των εταιρειών που καινοτομούν. Ο δε κλάδος όπου δραστηριοποιούνται (healthtech-biotech και pharma) βρίσκεται –παρά τους κλυδωνισμούς ευρύτερα της αγοράς την τελευταία διετία– στο «ραντάρ» κορυφαίων επενδυτών και φαρμακευτικών εταιρειών, με αποκορύφωμα το 2021 –εν μέσω δηλαδή πανδημίας– όπου διοχετεύθηκαν κεφάλαια ύψους 121 δισ. δολαρίων παγκοσμίως.
«Η φαρμακευτική βιομηχανία είναι από τους λίγους κλάδους που είναι εξοικειωμένοι με την αποτυχία. Γνωρίζει δηλαδή πως μόλις το 5% των μορίων που μπαίνει σε κλινική δοκιμή λαμβάνει τελικά την έγκριση των ρυθμιστικών φορέων. Οπότε υπάρχει τεράστιο περιθώριο βελτίωσης όλης της διαδικασίας», αναφέρει στην «Κ» ο Θρασύβουλος Καρύδης, συνιδρυτής της DeepCure με έδρα τη Βοστώνη, η οποία με τη χρήση τεχνητής νοημοσύνης επιχειρεί να αναπτύξει δικά της φάρμακα για την αντιμετώπιση αυτοάνοσων και αυτοφλεγμονωδών νοσημάτων, όπως είναι η ρευματοειδής αρθρίτιδα, η ψωρίαση κ.ά.
Οπως εξηγεί, «πολλές νεοφυείς εταιρείες ασχολούνται με επιμέρους προβλήματα. Κάποιες εστιάζουν στην ανακάλυψη νέων φαρμάκων, κάποιες άλλες στην ανάπτυξή τους και στη δοκιμή τους κ.λπ. Ολος ο κλάδος έχει τεράστια προοπτική και πέραν του κέρδους έχει και κοινωνικό αντίκτυπο».
Σύμφωνα με την Accenture, το κόστος για να καταφέρει μια εταιρεία να λανσάρει επιτυχώς ένα φάρμακο στην αγορά ανέρχεται μεταξύ 2,6-6,7 δισ. δολαρίων, ενώ περίπου 1,2-1,7 δισ. θα μπορούσαν να εξοικονομηθούν εάν η τεχνολογία διείσδυε σε μεγαλύτερο βαθμό στον βιοφαρμακευτικό κλάδο. Είναι, επίσης, γεγονός ότι από τα 10.000 μόρια που μπορεί να ερευνηθούν αρχικά, μόνο 200-250 προχωρούν στην προκλινική φάση και 5 στις κλινικές δοκιμές.
«Ο λόγος που ο κλάδος αυτός παρουσιάζει τέτοια ζήτηση είναι απλός. Οι μέθοδοι αρκετών φαρμακευτικών εταιρειών για την ανάπτυξη φαρμάκων είναι αργές και βασίζονται σε μοντέλα πολλών δεκαετιών. Επίσης, είναι πανάκριβες», υποστηρίζει στην «Κ» επικεφαλής μεγάλου επενδυτικού κεφαλαίου που χρηματοδοτεί τέτοιες ιδέες.
Η DeepCure έχει ανακαλύψει ένα χημικό μόριο που φιλοδοξεί να αντιμετωπίσει ασθένειες όπως η ρευματοειδής αρθρίτιδα.
Χημικό μόριο
Η DeepCure έχει ανακαλύψει ένα χημικό μόριο που φιλοδοξεί να αντιμετωπίσει ασθένειες όπως η ρευματοειδής αρθρίτιδα. Το νέο αυτό υπό έρευνα φάρμακο στοχεύει σε εκείνες τις πρωτεΐνες που δίνουν το σήμα για να προκληθεί η φλεγμονή.
«Εμείς προσπαθούμε να τη σταματήσουμε», αναφέρει ο κ. Καρύδης, προσθέτοντας πως η εταιρεία προετοιμάζει αίτηση στον FDA για να προχωρήσει σε κλινικές μελέτες μέσα στο 2025. «Εχουμε ξεκινήσει, στο στάδιο των προκλινικών ερευνών, μια συνεργασία με το Πανεπιστήμιο Leeds, για να δοκιμάσουμε το φάρμακο σε κύτταρα ασθενών με ρευματοειδή αρθρίτιδα και να διαπιστώσουμε εάν έχει την απόκριση που θέλουμε».
Παράλληλα, η εταιρεία έχει ανακαλύψει κάποια χημικά μόρια που στοχεύουν στον περιορισμό φλεγμονής από πρωτεΐνες τύπου STAT6, οι οποίες συνδέονται με πολλά αυτοάνοσα νοσήματα και σπάνιες ασθένειες. «Για τη συγκεκριμένη πρωτεΐνη δεν έχει βρεθεί ακόμη κάποιο χημικό μόριο.
Πρόκειται για undruggable target», λέει στην «Κ». Για να προχωρήσει όμως με όλα τα παραπάνω, η εταιρεία χρειάζεται φρέσκα κεφάλαια, τα οποία δεν αποκλείεται να αγγίξουν τα 100 εκατ. δολάρια. Από την ίδρυσή της, το 2018, έχει σηκώσει συνολικά 72 εκατ. δολάρια.
Ψηφιοποίηση πειραμάτων
Ευκαιρίες στις προσπάθειες που κάνουν φαρμακευτικές εταιρείες να επιταχύνουν την παραγωγή φαρμάκων, είδε και η PolyModels Hub. Με ένα κλικ και με την εφαρμογή μοντέλων προσομοίωσης η εταιρεία μπορεί να ψηφιοποιήσει τα πειράματα που κάνουν οι ερευνητές κατά τη μετάβαση του φαρμάκου στο στάδιο της παραγωγής.
«Κατά τη διαδικασία ανάπτυξης ενός φαρμάκου τα βήματα είναι συγκεκριμένα. Πραγματοποιούνται οι κλινικές δοκιμές, διαδικασία χρονοβόρος, ενώ ακολουθεί και το στάδιο της παραγωγής του που γίνεται σε αντιδραστήρες, αποστακτικές στήλες, μηχανές παραγωγής κ.λπ. Εκεί έρχεται η δική μας τεχνολογία, μέσω της οποίας μπορούμε να αντικαταστήσουμε όλα ή μέρος των πειραμάτων κατά το στάδιο της ανάπτυξης του φαρμάκου μέσα από υπολογιστικά μοντέλα και προσομοίωση αυτής της διαδικασίας», εξηγεί ο Χάρης Χριστοδούλου στην «Κ». «Η πανδημία αποτέλεσε σημείο εκκίνησης για την εφεύρεση αρκετών ψηφιακών λύσεων», αναφέρει. «Εγινε επίσης αντιληπτό πόσο σημαντική είναι η συνεργασία του επιστήμονα που βρίσκεται στο εργαστήριο με αυτόν που γράφει κώδικα».
Η τεχνητή νοημοσύνη βρίσκεται και στον πυρήνα της Causaly, που πέρυσι εξασφάλισε κεφάλαια 60 εκατ. δολαρίων από της ICONIQ Growth. Η τελευταία είναι επενδυτική εταιρεία που διαχειρίζεται κεφάλαια από την περιουσία δισεκατομμυριούχων του κλάδου της τεχνολογίας όπως του Μαρκ Ζούκερμπεργκ, ιδρυτή της Facebook και του Τζέρι Γιανγκ, συνιδρυτή της Yahoo κ.λπ.
«Χρησιμοποιούμε generative AI καθώς και τεχνολογίες knowledge graph που δίνουν τη δυνατότητα στους επιστήμονες να αποκωδικοποιούν τη βιολογία, να κατανοούν ασθένειες και να συνοψίζουν γρήγορα επιστημονικές πληροφορίες σε reports», σημειώνει στην «Κ» ο Γιάννης Κιαχόπουλος, συνιδρυτής της εταιρείας, προσθέτοντας πως «η τεχνητή νοημοσύνη θα επιταχύνει σημαντικά τις επιστημονικές ανακαλύψεις στον κλάδο της βιοϊατρικής και υπόσχεται την ανάπτυξη νέων θεραπειών οι οποίες θα φτάσουν στους ασθενείς πιο γρήγορα».
