Hvordan Microsoft-Novartis-partnerskapet fremskynder oppdagelsen av narkotika

Tid har noen ganger en tendens til å være en av forskernes største fiender når de lager nye medisiner. Luca Finelli, Novartis visepresident og leder for Insights, Strategy & Design, sammenlignet denne kampen med matlaging for å forklare hvordan denne kjedelige prosessen tar så mye tid og ressurser.

"Vanligvis må formuleringsforskeren bestemme: 'Jeg vil ta denne mengden av denne ingrediensen A og en viss mengde av denne ingrediensen B.' De prøver så forskjellige kombinasjoner, sa Finelli.

Forskere må finne den rette kombinasjonen av molekyler for å produsere medisiner. Problemet er at hver blanding må gjennomgå en rekke tester for å sjekke stoffets sikkerhet, effektivitet og andre generelle ytelser. Dette tar år, og å sjekke dataene basert på tidligere eksperimenter gjør ting bare mer anstrengende for forskere.

"Vanligvis gjør de dette manuelt, og leser gjennom alle disse dokumentene for å finne ut hva som er relevant for spørsmålet de har i tankene," kommenterte Finelli.

Dette endret seg imidlertid for Novartis forskere med introduksjonen av 2019 Microsoft-Novartis strategiske partnerskap, som grunnla Novartis AI Innovation Lab.

«Vi tar med vår ekspertise innen maskinlæring og storskala databehandling. De finnes ikke i farmasøytisk verden. Og Microsoft kan ikke ta dette på seg (uavhengig). Vi er ikke et farmasøytisk selskap. Så partnerskapet er helt avgjørende," sa Chris Bishop, Microsoft Research Europe Lab Director.

Det endret spillet for det multinasjonale farmasøytiske selskapet etter å ha mottatt teknologiplattformene som øker hastigheten på legemiddeloppdagelsesprosessen. Nå kan Novartis-forskere bruke kraften til AI til å sjekke resultatene og dataene som er produsert av de tidligere utførte eksperimentene. Med maskinlæring og algoritme kan datamaskiner finne den nødvendige informasjonen gjemt i enorme mengder med Novartis laboratoriedata og filer.

"Her kan AI faktisk bidra til å gjøre dette med noen få klikk og bringe relevant informasjon tilbake til brukeren for videre bruk, og informere dem om hvordan de skal designe fremtidige eksperimenter for å finne nye måter å lage en formulering for et nytt medikament," sa Finelli .

Dette betyr raskere identifisering av de egnede molekylene de trenger for å produsere den riktige molekylære kombinasjonen og medisinen. Dette betyr selvfølgelig raskere testing av medikamenter, der den totale prosessen bare tar maksimalt uker. Ifølge Bishop lar denne teknologien forskere utføre "10,000 10,000 eksperimenter samtidig, få resultatene, og deretter bruke dem til å designe de neste XNUMX XNUMX eksperimentene."

Shahram Ebadollahi, Novartis Chief Data and AI Officer, delte at dette tillot selskapet å tilby sine tjenester til mange av sine kunder. 

"Hvis du ser på alle aspekter av pipelinen - fra tidlig legemiddeloppdagelse og legemiddelutvikling til kliniske utprøvinger og deretter til produksjon av legemidlet i stor skala - i 2020 alene, nådde medisinene våre nesten 800 millioner pasienter over hele verden," sa Ebadollahi.

Med dette planlegger Novartis å bruke det i sine fremtidige prosjekter for å identifisere molekylære strukturer og bestemme tidligere eksperimenter som kan bidra med verdifulle data. Alt dette vil heldigvis bli utført på mye kortere tid nå.