Jedna od glavnih prednosti primjene AI u ranim fazama otkrića lijeka je da AI može izvoditi virtuelni skrining u velikom obimu ili izvoditi više eksperimenata istovremeno, čime se povećava obim skrining jedinjenja i unapređuje potencijalna jedinjenja u jedinjenja olova, kao i brzina kandidatskih terapija. Dr. Jim Collins, profesor na MIT-u, izjavio je u intervjuu sa WuXi AppTec timom za sadržaj da istraživači mogu trenirati AI modele sa malim bibliotekama složenih sadržaja, a zatim koristiti ove modele za istraživanje ogromnih hemijskih prostora. Ovo omogućava njegovom timu da završi skrining virtuelne biblioteke jedinjenja koja sadrži milijarde jedinjenja u roku od nekoliko dana. To se ne može postići konvencionalnim eksperimentima.
G. Panna Sharma, izvršni direktor Lantern Pharma, izjavio je u intervjuu za Nature Cancer da kompanija za istraživanje i razvoj protiv raka, od početne rupe koju je stvorila umjetna inteligencija do ulaska u prvo kliničko ispitivanje na ljudima, traje otprilike pola vremena od tradicionalnih strategija i može smanjiti troškove do 80%. Druge kompanije koje koriste AI za razvoj lijekova, kao što su Recursion i Insilico Medicine, imaju slična iskustva. Iako umjetna inteligencija trenutno ne može zamijeniti eksperimente, ona može omogućiti istraživačima da brže završe ispravne eksperimente, čime se poboljšavaju stope uspjeha.
Jedan od ranih utjecaja umjetne inteligencije na liječenje raka može se ogledati u ponovnoj upotrebi neuspjelih ili zastarjelih lijekova. Uzimajući Lantern kao primjer, njegova platforma umjetne inteligencije prikuplja milijarde podataka vezanih za onkologiju. Ovi podaci potiču iz naučnih istraživanja, kliničkih ispitivanja i baza podataka. Koristeći strojno učenje za predviđanje odgovora pacijenata na lijekove kandidate, umjetna inteligencija može brzo otkriti prethodno neotkrivene nove indikacije ili identificirati nove podtipove raka i njihove biomarkere koji još nisu u potpunosti okarakterizirani.
Identificiranje učinkovitih kombinacija lijekova je još jedan pravac primjene umjetne inteligencije. Trenutno je testiranje kombinacija lijekova teško i dugotrajno, dok umjetna inteligencija može brže predvidjeti koje su kombinacije lijekova efikasnije analizom podataka iz svih kliničkih ispitivanja.
Sposobnost generativne AI da prilagodi nove molekularne strukture zasnovane na specifičnim ciljnim karakteristikama kako bi se postigli specifični terapeutski efekti posebno je uzbudljiva za njene pristalice. Trenutno, generativna AI je pokazala sposobnost da dizajnira nove proteine ili jedinjenja malih molekula od nule na osnovu ciljnih karakteristika u pretkliničkim istraživanjima. Na primjer, tim profesora Davida Bakera, dobitnika Nobelove nagrade, objavio je rad u časopisu Science u kojem je predstavio poboljšani alat za simulaciju proteina RoseTTAFold All Atom i alat za dizajn proteina RFdiffuion All Atom. RoseTTAFold All Atom omogućava naučnicima da simuliraju interakcije između proteina i drugih biomolekula. RFdiffuion All Atom omogućava naučnicima da dizajniraju potpuno nove proteine od nule na osnovu džepova koji se vezuju za određena jedinjenja, potencijalno otvarajući put dizajniranju preciznih terapija.
S druge strane, većina biomolekula koje generira AI u trenutnom kliničkom istraživanju i razvoju još uvijek je slična postojećim molekulima, koji su prilagođeni kako bi poboljšali svoju selektivnost ili smanjili neciljnu toksičnost.
Lijekovi kandidati još uvijek moraju pokazati svoju učinkovitost na ljudima, što se ne može postići bez kliničkih ispitivanja. U procesu razvoja lijekova, klinička ispitivanja zauzimaju većinu troškova i vremena istraživanja i razvoja, tako da čak i malo poboljšanje efikasnosti može imati ogroman utjecaj.
Rekurzija koristi kliničke i multi omične podatke iz profesionalnih institucija za prikupljanje podataka kao što je Tempus, zasnovane na modelima umjetne inteligencije za identifikaciju pacijenata koji mogu dati najbolji odgovor. Poboljšanje skrininga pacijenata ne samo da znači ispitivanja manjeg obima, već i teoretski povećava stope uspjeha.
Umjetna inteligencija se također može koristiti za otkrivanje odgovarajućih pacijenata i određivanje optimalne lokacije za ispitivanje, čime se maksimalno ubrzava zapošljavanje pacijenata.
