AI in geneesmiddelenontdekking kampt met uitdagingen op het gebied van datakwaliteit en bias

De hoge kosten en lange doorlooptijden van geneesmiddelenontwikkeling drijven farmaceutische bedrijven ertoe kunstmatige intelligentie (AI) te omarmen om slagingspercentages te verbeteren en risico's te verkleinen. AI wordt gebruikt om kandidaat-geneesmiddelen vanaf nul te ontwerpen en hun interacties met ziektedoelen te voorspellen, ter vervanging van traditionele fysieke screening van enorme moleculaire bibliotheken. Deze verschuiving stelt bedrijven in staat sneller veelbelovende verbindingen te identificeren en laagwaardige kandidaten te elimineren voordat ze in het lab worden getest, wat tijd en middelen bespaart.

AI-gegenereerde kandidaten vereisen echter nog steeds laboratoriumvalidatie omdat huidige modellen kinetiek of ontwikkelbaarheid niet betrouwbaar kunnen voorspellen. Dit heeft de druk op labteams vergroot, die een groeiend volume aan diverse, AI-gegenereerde verbindingen moeten testen en karakteriseren. Traditionele screeningsworkflows, ontworpen voor binaire ja-of-nee-resultaten, hebben moeite om de gedetailleerde gegevens te leveren die nodig zijn voor deze complexe kandidaten.

Een grote uitdaging is de kwaliteit en volledigheid van trainingsdata. Veel AI-modellen vertrouwen op openbare datasets die structuur, labeling en diversiteit missen, wat leidt tot een "data-muur" waarbij modellen vergelijkbare conclusies trekken met afnemende meeropbrengst. Publicatiebias verergert dit, omdat de meeste openbare data zich richten op positieve resultaten, terwijl negatieve data—mislukte experimenten en niet-bindende verbindingen—ongepubliceerd blijven. Paul Belcher, directeur van eiwitonderzoeksstrategie bij Cytiva, merkt op dat deze bias het vermogen van modellen om van mislukkingen te leren en betrouwbare voorspellingen te doen, beperkt.

Data-integriteit is een ander punt van zorg. Vervalsing van afbeeldingen, zoals Western blots, is eenvoudiger geworden met generatieve AI. Onderzoek van microbioloog Elisabeth Bik wees uit dat bijna 4% van de biomedische artikelen in 2016 gedupliceerde of gemanipuleerde afbeeldingen bevatte. Belcher waarschuwt dat gemanipuleerde data die worden gebruikt om AI te trainen, desastreuze gevolgen kunnen hebben. Sommige leveranciers ontwikkelen tools om data-authenticiteit te verifiëren, zoals Cytiva's Image Integrity Checker, die veilige hash-algoritmen gebruikt om manipulatie te detecteren. Uitgeverijen tonen interesse om dergelijke tools als standaardpraktijk over te nemen.

Vooruitkijkend moet de industrie deze data-uitdagingen aanpakken om het volledige potentieel van AI in geneesmiddelenontdekking te realiseren. Dit omvat het creëren van uitgebreidere datasets die negatieve resultaten bevatten, het verbeteren van datalabeling en -structuur, en het implementeren van verificatietools om data-integriteit te waarborgen. Zonder deze stappen riskeren AI-modellen het bestendigen van biases en het produceren van onbetrouwbare voorspellingen, wat hun belofte om geneesmiddelenontwikkeling te versnellen ondermijnt.