Hoe het partnerschap tussen Microsoft en Novartis de ontdekking van geneesmiddelen versnelt

Pictogram voor leestijd 3 minuut. lezen


Lezers helpen MSpoweruser ondersteunen. We kunnen een commissie krijgen als u via onze links koopt. Tooltip-pictogram

Lees onze openbaarmakingspagina om erachter te komen hoe u MSPoweruser kunt helpen het redactieteam te ondersteunen Lees meer

Novartis-wetenschapper die laptop gebruikt
Novartis-wetenschappers kunnen de kracht van AI gebruiken om de resultaten en gegevens van eerdere experimenten te controleren. Met machine learning en algoritmen kunnen computers de benodigde informatie vinden die zich verbergt in enorme hoeveelheden Novartis-laboratoriumgegevens en -bestanden.

Tijd is soms een van de grootste vijanden van wetenschappers bij het verzinnen van nieuwe medicijnen. Luca Finelli, Novartis Vice President en Head of Insights, Strategy & Design, vergeleek deze strijd met koken om uit te leggen hoe dit vervelende proces zoveel tijd en middelen kost.

"Normaal gesproken moet de formuleringswetenschapper beslissen: 'Ik zal deze hoeveelheid van dit ingrediënt A en een bepaalde hoeveelheid van dit ingrediënt B nemen.' Vervolgens proberen ze verschillende combinaties”, aldus Finelli.

Wetenschappers moeten de juiste combinatie van moleculen vinden om medicijnen te produceren. Het probleem is dat elk mengsel een reeks tests moet ondergaan om de veiligheid, efficiëntie en andere algemene prestaties van het medicijn te controleren. Dit duurt jaren en het controleren van de gegevens op basis van eerdere experimenten maakt het voor wetenschappers alleen maar inspannender.

"Normaal gesproken doen ze dit handmatig en lezen ze al deze documenten om erachter te komen wat relevant is voor de vraag die ze in gedachten hebben," merkte Finelli op.

Dit veranderde echter voor de Novartis wetenschappers met de introductie van het 2019 Microsoft-Novartis strategisch partnerschap, dat het Novartis AI Innovation Lab oprichtte.

“We brengen onze expertise in machine learning en onze grootschalige compute in. Die bestaan ​​niet in de farmaceutische wereld. En Microsoft kan dit niet (zelfstandig) op zich nemen. We zijn geen farmaceutisch bedrijf. Het partnerschap is dus absoluut cruciaal', zegt Chris Bishop, Microsoft Research Europa Lab-directeur.

Het veranderde het spel voor het multinationale farmaceutische bedrijf na het ontvangen van de technologieplatforms die het ontdekkingsproces van geneesmiddelen versnellen. Nu kunnen Novartis-wetenschappers de kracht van AI gebruiken om de resultaten en gegevens van eerdere experimenten te controleren. Met machine learning en algoritmen kunnen computers de benodigde informatie vinden die zich verbergt in enorme hoeveelheden Novartis-laboratoriumgegevens en -bestanden.

"Hier kan AI daadwerkelijk helpen om dit in een paar klikken te doen en de relevante informatie terug te brengen naar de gebruiker voor verder gebruik, en hen te informeren over het ontwerpen van toekomstige experimenten om nieuwe manieren te vinden om een ​​formulering voor een nieuw medicijn te maken," zei Finelli. .

Dit betekent een snellere identificatie van de geschikte moleculen die ze nodig hebben om de juiste moleculaire combinatie en medicijnen te produceren. Dit vertaalt zich natuurlijk in sneller testen van medicijnen, waarbij het totale proces maximaal weken duurt. Volgens Bishop stelt deze technologie wetenschappers in staat om "10,000 experimenten tegelijk uit te voeren, de resultaten te krijgen en die vervolgens te gebruiken om de volgende 10,000 experimenten te ontwerpen."

Shahram Ebadollahi, Novartis Chief Data en AI Officer, deelde mee dat het bedrijf hierdoor zijn service aan veel van zijn klanten kon verlenen. 

"Als je naar elk aspect van de pijplijn kijkt - van vroege ontdekking van geneesmiddelen en medicijnontwikkeling tot klinische proeven en vervolgens tot de productie van het medicijn op grote schaal - bereikten onze medicijnen alleen al in 2020 bijna 800 miljoen patiënten wereldwijd," verklaarde Ebadollahi.

Hiermee is Novartis van plan het in zijn toekomstige projecten te gebruiken om moleculaire structuren te identificeren en eerdere experimenten te bepalen die waardevolle gegevens kunnen opleveren. Dit alles zal nu gelukkig in een veel kortere tijd worden uitgevoerd.