Sztuczna inteligencja w odkrywaniu leków stoi przed wyzwaniami związanymi z jakością danych i stronniczością

Wysokie koszty i długie harmonogramy opracowywania leków skłaniają firmy farmaceutyczne do wdrażania sztucznej inteligencji (AI) w celu poprawy wskaźników sukcesu i zmniejszenia ryzyka. AI jest wykorzystywana do projektowania kandydatów na leki od podstaw i przewidywania ich interakcji z celami chorób, zastępując tradycyjne fizyczne przesiewanie ogromnych bibliotek molekularnych. Ta zmiana pozwala firmom szybciej identyfikować obiecujące związki i eliminować niskiej jakości kandydatów przed testami laboratoryjnymi, oszczędzając czas i zasoby.

Jednak kandydaci generowani przez AI nadal wymagają walidacji laboratoryjnej, ponieważ obecne modele nie są w stanie wiarygodnie przewidzieć kinetyki ani możliwości opracowania. Zwiększyło to presję na zespoły laboratoryjne, które muszą testować i charakteryzować rosnącą liczbę różnorodnych związków generowanych przez AI. Tradycyjne przepływy pracy przesiewowej, zaprojektowane do binarnych wyników tak/nie, mają trudności z dostarczeniem szczegółowych danych potrzebnych dla tych złożonych kandydatów.

Głównym wyzwaniem jest jakość i kompletność danych treningowych. Wiele modeli AI opiera się na publicznych zbiorach danych, którym brakuje struktury, etykietowania i różnorodności, co prowadzi do „ściany danych”, gdzie modele osiągają podobne wnioski przy malejących korzyściach. Stronniczość publikacyjna pogłębia ten problem, ponieważ większość publicznych danych koncentruje się na pozytywnych wynikach, podczas gdy dane negatywne – nieudane eksperymenty i związki niewiążące – pozostają niepublikowane. Paul Belcher, dyrektor ds. strategii badań białek w Cytiva, zauważa, że ta stronniczość ogranicza zdolność modeli do uczenia się na porażkach i dokonywania wiarygodnych przewidywań.

Integralność danych to kolejny problem. Fałszowanie obrazów, takich jak Western blot, stało się łatwiejsze dzięki generatywnej AI. Badania mikrobiolog Elisabeth Bik wykazały, że prawie 4% artykułów biomedycznych zawierało zduplikowane lub zmanipulowane obrazy według stanu na 2016 rok. Belcher ostrzega, że zmanipulowane dane używane do trenowania AI mogą mieć katastrofalne skutki. Niektórzy dostawcy opracowują narzędzia do weryfikacji autentyczności danych, takie jak Image Integrity Checker firmy Cytiva, który wykorzystuje bezpieczne algorytmy skrótu do wykrywania manipulacji. Wydawnictwa wykazują zainteresowanie przyjęciem takich narzędzi jako standardowej praktyki.

Patrząc w przyszłość, branża musi rozwiązać te wyzwania związane z danymi, aby w pełni wykorzystać potencjał AI w odkrywaniu leków. Obejmuje to tworzenie bardziej kompleksowych zbiorów danych zawierających negatywne wyniki, poprawę etykietowania i struktury danych oraz wdrożenie narzędzi weryfikacyjnych zapewniających integralność danych. Bez tych kroków modele AI ryzykują utrwalanie stronniczości i generowanie niewiarygodnych przewidywań, podważając ich obietnicę przyspieszenia opracowywania leków.