Artificial intelligence: on the cusp of a digital revolution — ABC Chemicals

Искусственный интеллект (ИИ) трансформирует фармацевтическую индустрию и ее трубопровод для поиска лекарств

От первоначального открытия до окончательного терапевтического, разработка лекарств является общеизвестно дорогим, трудоемким и сложным процессом. Согласно текущим исследованиям, только один из 5000 кандидатов в лекарственные средства прошел стадию обнаружения лекарств и получил лицензию.1стоимость прогнозируемого $2,5 млрд. (1,9 млрд. фунтов стерлингов) на каждое новое лекарство2, Технологии искусственного интеллекта имеют все возможности для оптимизации сложного фармацевтического трубопровода и обеспечения более дешевых маршрутов для новых лекарств и инновационных методов лечения. Все больше фармацевтических компаний обращаются к ИИ, чтобы улучшить процессы поиска и разработки лекарств. Однако, учитывая важность патентов для фармацевтической промышленности, будут ли достижения под руководством AI в области разработки лекарств создавать дополнительные проблемы для защиты интеллектуальной собственности (ИС) в результате инноваций?

Для навигации по многогранному правовому ландшафту крайне важно, чтобы фармацевтические компании сотрудничали с опытными фирмами в области ИС для обеспечения надежных и хорошо разработанных патентных стратегий, максимизирующих потенциальный доход и оценку. Gill Jennings & Every LLP (GJE) — ведущая IP-фирма, базирующаяся в Лондоне, Великобритания и Мюнхене, Германия, — стремится предоставить фармацевтической промышленности идеальное сочетание юридических, технических и коммерческих знаний, которые помогут превратить инновации в коммерческий успех.

Искусственный интеллект: реальные результаты

Чтобы полностью понять разрушительный потенциал ИИ, важно понять его фон. ИИ — это отрасль компьютерных наук, целью которой является создание интеллектуальных машин, способных выполнять задачи, требующие человеческого интеллекта. С 1960-х годов сектор науки о жизни применяет различные подходы технологии искусственного интеллекта для открытия новых молекул для терапии. Сегодня, благодаря быстрому росту вычислительной мощности, фармацевтические исследователи начинают видеть реальные результаты в применении этих методов.

Системы искусственного интеллекта могут определять возможности повторного использования быстрее и эффективнее, чем традиционные методы научных исследований.

На сегодняшний день одним из основных применений технологий искусственного интеллекта в фармацевтике является их использование для перепрофилирования существующих лекарств. Этот подход к разработке новых лекарственных средств включает в себя изучение новых применений терапевтических средств и лекарственных веществ, которые уже могут иметь рыночные и нормативные разрешения для лечения конкретного заболевания. В настоящее время определение новых терапевтических мишеней для лекарственных препаратов обычно основывается на опыте исследователя, чтобы понять, может ли молекула взаимодействовать с целевым сайтом или нет. Это требует биохимической экспертизы и является чрезвычайно трудоемким. И наоборот, ИИ может быстро бегать in silico эксперименты, в которых тестируются лекарственные вещества на нескольких участках-мишенях и, основываясь на клинических данных и данных пациентов, подчеркивают потенциальные новые терапевтические применения, которые должны требовать дальнейшего обследования человека. При таком использовании системы искусственного интеллекта помогают быстрее и эффективнее выявлять возможности повторного использования, чем традиционные методы научных исследований.

Artificial intelligence: on the cusp of a digital revolution - ABC Chemicals

Источник: © Shutterstock

Использование ИИ при обнаружении наркотиков ставит важные юридические вопросы. Если новая терапевтическая заявка обнаружена с помощью методологий ИИ — и данных достаточно, чтобы поддержать подачу заявки на патент — кого следует назвать изобретателем? Действующий патентный закон признает только человеческую изобретательность и не рассматривает компьютеры как единственных создателей. Тем не менее, разработка лекарств вряд ли будет являться исключительно результатом алгоритма, и все еще потребуется более традиционная лабораторная разработка. Вероятно, однако, что изобретатели могут включать ученых не только из фармацевтической компании, но и из компании платформы AI.

Понимание эффективности лекарств в новых терапевтических областях расширяет возможности для развития патентного портфеля.

Artificial intelligence: on the cusp of a digital revolution - ABC Chemicals

Источник: © Shutterstock

GJE видит большие возможности для инноваций с использованием инструментов ИИ. Более глубокое понимание эффективности лекарств в новых терапевтических областях открывает широкие возможности для развития патентного портфеля, что усиливает коммерческие позиции фармацевтических компаний.

Поделиться заботой

Еще одно эффективное применение технологии искусственного интеллекта в фармацевтике — это прогнозирование свойств лекарств. Для ускорения процесса разработки лекарств крайне важен ранний отбор идеальных кандидатов на наркотики. Машинное обучение (ML) — подмножество технологий искусственного интеллекта — это использование алгоритмов и статистических моделей для выполнения сложных задач. Используя эти технологии при разработке лекарств, исследователи могут быстро исследовать кандидатов на лекарства, основываясь на нескольких принципах, включая свойства потенции, абсорбции, распределения, метаболизма, экскреции и токсичности (или Admet) и физико-химические характеристики.

Для технологий ML для точного прогнозирования свойств лекарств жизненно важны большие и объективные наборы данных. Это связано с тем, что алгоритм, обученный исключительно для смещенных наборов данных, которые содержат только положительные результаты, склонен полагать, что все ответы в пространстве решений будут работать. В отличие от наборов данных общественного достояния, фармацевтические компании хранят большие объемы непредвзятых данных, собранных из клинических, биохимических данных и данных пациентов. Однако эти большие наборы данных традиционно размещаются в жестких бункерах, которые трудно использовать. Следовательно, необходим новый подход к сбору данных, который обеспечивает их передачу разработчикам лекарств, которые в наибольшей степени нуждаются в них надежно.

Эта потребность в непредвзятых больших данных подтолкнула фармацевтические компании к новому и более совместному подходу к обработке данных. Примером этого является недавний оркестр книги по машинному обучению для проекта по обнаружению наркотиков (или Melloddy). Сотрудничество объединяет знания, опыт и данные десяти ведущих фармацевтических компаний, в том числе AstraZeneca, Bayer и GlaxoSmithKline, а также семи основных заинтересованных сторон в области технологий. Опираясь на этот широкий круг компетенций, консорциум разработает платформу ML, способную использовать несколько наборов проприетарных данных при уважении их высокой конфиденциальности.

В любом сотрудничестве определение изобретателей может быть сложной задачей

Как и в случае любой деятельности, связанной с данными, необходимо учитывать право собственности и использование, а также четко определять роли и обязанности сторон. Растущая совместная природа между фармацевтическими компаниями и компаниями на платформе ML может создать проблемы при рассмотрении вопроса о патентной защите. Это связано с тем, что право собственности на ИС первоначально определяется с учетом изобретательства. В любом сотрудничестве определение, кто изобретатели, может быть сложной задачей. Преодоление этих проблем потребует от патентного поверенного более активного участия в установлении изобретательства и определении партнерских обязанностей.

Защита патентов

Революция с помощью ИИ начинает трансформировать работу фармацевтики. В ожидании больших инноваций, сектор должен тесно сотрудничать с патентными поверенными для разработки и реализации надежных стратегий в области ИС, которые используют сложные активы для максимизации потоков доходов.

В GJE мы тесно сотрудничаем как с фармацевтическими компаниями, так и с компаниями-разработчиками платформ AI, помогая им разработать эффективную патентную защиту для поддержки их усилий по разработке лекарств.

Джон Джаппи является партнером в GJE

Как глава группы по химии и естественным наукам, Джон помогает компаниям всех размеров оценивать бизнес-потенциал своей ИС и работает с ними, чтобы получить патенты, соответствующие их бизнес-целям. Он работает в основном в области биотехнологий и фармацевтики и консультировал по нескольким IPO и торговым продажам. Он имеет значительный опыт в проведении анализов должной осмотрительности и свободы действий для компаний и инвесторов.

Йен Джонс — сотрудник GJE

Ян является патентным поверенным, и он выполняет широкий спектр работ, охватывающих фармацевтическую и химическую области, а также искусственный интеллект, биотехнологии и медицинские приборы. Ключевым аспектом этого является продление срока действия патента и свидетельств о дополнительной защите (SPC), которые расширяют эксклюзивность рынка для одобренных лекарств в ряде юрисдикций по всему миру.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *