Hur Microsoft-Novartis-samarbetet påskyndar drogupptäckten

Tid brukar ibland vara en av forskarnas största fiender när de kokar ihop nya läkemedel. Luca Finelli, Novartis Vice President och Head of Insights, Strategy & Design, jämförde denna kamp med matlagning för att förklara hur denna tråkiga process tar så mycket tid och resurser.

"Vanligtvis måste formuleringsforskaren bestämma sig, 'Jag kommer att ta denna mängd av denna ingrediens A och en viss mängd av denna ingrediens B.' De provar sedan olika kombinationer, säger Finelli.

Forskare måste hitta den rätta kombinationen av molekyler för att producera läkemedel. Problemet är att varje blandning kommer att behöva genomgå en serie tester för att kontrollera läkemedlets säkerhet, effektivitet och andra övergripande prestanda. Detta tar år, och att kontrollera data baserat på tidigare experiment gör det bara mer ansträngande för forskare.

"Vanligtvis gör de detta manuellt och läser igenom alla dessa dokument för att ta reda på vad som är relevant för frågan de har i åtanke," kommenterade Finelli.

Detta ändrades dock för Novartis forskare med introduktionen av 2019 års Microsoft-Novartis strategiska partnerskap, som grundade Novartis AI Innovation Lab.

"Vi tar med vår expertis inom maskininlärning och vår storskaliga beräkning. De finns inte i läkemedelsvärlden. Och Microsoft kan inte ta på sig detta (oberoende). Vi är inte ett läkemedelsföretag. Så partnerskapet är helt avgörande, säger Chris Bishop, Microsoft Research Europe Lab Director.

Det förändrade spelet för det multinationella läkemedelsföretaget efter att ha fått de tekniska plattformarna som påskyndar processen för upptäckt av läkemedel. Nu kan Novartis-forskare använda kraften hos AI för att kontrollera resultaten och data som producerats av de tidigare utförda experimenten. Med maskininlärning och algoritm kan datorer hitta den information som behövs gömmer sig i stora mängder av Novartis laboratoriedata och filer.

"Här kan AI faktiskt hjälpa till att göra detta med några få klick och föra tillbaka relevant information till användaren för vidare användning, informera dem om hur de ska designa framtida experiment för att hitta nya sätt att skapa en formulering för ett nytt läkemedel," sa Finelli .

Detta innebär snabbare identifiering av de lämpliga molekylerna de behöver för att producera rätt molekylär kombination och medicin. Detta leder naturligtvis till snabbare testning av droger, med den övergripande processen som bara tar högst veckor. Enligt Bishop tillåter den här tekniken forskare att utföra "10,000 10,000 experiment samtidigt, få resultaten och sedan använda dem för att designa nästa XNUMX XNUMX experiment."

Shahram Ebadollahi, Novartis Chief Data and AI Officer, berättade att detta gjorde det möjligt för företaget att tillhandahålla sina tjänster till många av sina kunder. 

"Om man tittar på varje aspekt av pipelinen - från tidig upptäckt av läkemedel och läkemedelsutveckling till kliniska prövningar och sedan vidare till tillverkning av läkemedlet i stor skala - bara under 2020 nådde våra läkemedel nästan 800 miljoner patienter över hela världen", sa Ebadollahi.

Med detta planerar Novartis att använda det i sina framtida projekt för att identifiera molekylära strukturer och fastställa tidigare experiment som kan bidra med värdefull data. Allt detta kommer tack och lov att genomföras på mycket kortare tid nu.