Περίληψη του άρθρου:

Η Iambic Therapeutics, μια βιοτεχνολογική εταιρεία με έδρα το Σαν Ντιέγκο, παρουσίασε το Enchant, μια καινοτόμα πλατφόρμα τεχνητής νοημοσύνης που στοχεύει στην πρόβλεψη κλινικών ιδιοτήτων φαρμάκων από τα αρχικά στάδια της έρευνας και ανάπτυξης. Το Enchant χρησιμοποιεί ένα πολυτροπικό μοντέλο μετασχηματιστή (multi-modal transformer), που είναι ικανό να επεξεργάζεται και να αναλύει δεδομένα από πολλαπλές πηγές και είδη, με σκοπό την αξιόπιστη πρόβλεψη κλινικών εκβάσεων.

Αυτό το νέο εργαλείο in silico δίνει στους επιστήμονες της Iambic τη δυνατότητα να μειώσουν το κλινικό ρίσκο, προβλέποντας βασικές φαρμακοκινητικές ιδιότητες (PK), όπως την αλληλεπίδραση του οργανισμού με τα φάρμακα. Με αυτόν τον τρόπο, οι ερευνητές μπορούν να λάβουν αποφάσεις που αυξάνουν τις πιθανότητες επιτυχίας σε κλινικά στάδια, μειώνοντας ταυτόχρονα το κόστος και τη χρονική διάρκεια ανάπτυξης.

Το Enchant εκπαιδεύεται σε δεδομένα τόσο από την προκλινική όσο και από την κλινική φάση, προσφέροντας υψηλή ακρίβεια στις προβλέψεις του. Ακόμη και με λιγότερο από το 1% των δεδομένων του ανθρώπινου PK (dataset Obach), η πλατφόρμα επιδεικνύει σημαντική προβλεπτική ικανότητα, η οποία βελτιώνεται όσο αυξάνονται τα διαθέσιμα προκλινικά δεδομένα.

Κύρια σημεία του άρθρου: 

• Η Iambic Therapeutics παρουσίασε το Enchant, ένα πρωτοποριακό μοντέλο AI για την πρόβλεψη κλινικών ιδιοτήτων φαρμάκων από τα πρώτα στάδια ανακάλυψης.
• Η πλατφόρμα προβλέπει φαρμακοκινητικές ιδιότητες, βοηθώντας τους ερευνητές να εκτιμήσουν την κλινική βιωσιμότητα των μορίων και να εντοπίσουν πιθανές παρενέργειες νωρίτερα.
• Το Enchant χρησιμοποιεί διαφορετικούς τύπους δεδομένων, προσφέροντας προβλέψεις με υψηλή ακρίβεια, μειώνοντας έτσι το χρόνο και το κόστος ανάπτυξης φαρμάκων.
• Το Enchant εκπαιδεύεται σε δεδομένα από δημόσιες και ιδιωτικές πηγές και βελτιώνει συνεχώς τις προβλέψεις του όσο προστίθενται νέα εργαστηριακά δεδομένα.
• Η Iambic έχει αναπτύξει μια διαδικασία που καθαρίζει και τυποποιεί τα δεδομένα, διασφαλίζοντας την υψηλή ποιότητα για την εκπαίδευση του μοντέλου.

Αναλυτικά το άρθρο: 

Η Iambic Therapeutics, μια εταιρεία βιοτεχνολογίας σε κλινικό στάδιο ανάπτυξης με έδρα το Σαν Ντιέγκο, ανακοίνωσε σήμερα την πλατφόρμα Enchant™, ένα πολυτροπικό μοντέλο μετασχηματιστή που έχει σχεδιαστεί για να παρέχει προγνωστικές πληροφορίες για τις κλινικές ιδιότητες πιθανών φαρμάκων από τα αρχικά στάδια ανακάλυψης φαρμάκων. Το Enchant δίνει στους επιστήμονες της Iambic ένα νέο εργαλείο in silico για τη μείωση του κλινικού ρίσκου, προβλέποντας τη βιωσιμότητα των μορίων από το αρχικό στάδιο των προγραμμάτων ανακάλυψης φαρμάκων. Αυτές οι προβλέψεις περιλαμβάνουν φαρμακοκινητικές (PK) ιδιότητες – το πώς ο οργανισμός αλληλεπιδρά με τα φάρμακα – επιτρέποντας στους ερευνητές να λαμβάνουν τεκμηριωμένες αποφάσεις για την ενίσχυση της πιθανότητας επιτυχίας προτού το πρόγραμμα εισέλθει σε κλινικό στάδιο.

«Η ανάπτυξη ενός φαρμάκου μέχρι την αγορά συχνά κοστίζει δισεκατομμύρια, εν μέρει επειδή κρίσιμες φαρμακολογικές πληροφορίες δεν αποκαλύπτονται μέχρι να προχωρήσουν οι ανθρώπινες δοκιμές», ανέφερε ο Tom Miller, CEO της Iambic. «Το Enchant έχει σχεδιαστεί για να μειώσει κατά χρόνια την προκλινική ανάπτυξη, να επιταχύνει τα χρονοδιαγράμματα των δοκιμών και να αποτρέψει ανακαλύψεις καθυστερημένων παρενεργειών που μπορούν να θέσουν σε κίνδυνο την κλινική επιτυχία».

Ως ένας πλήρης πολυτροπικός μετασχηματιστής, το Enchant είναι ικανό να επεξεργάζεται πολλαπλούς τύπους δεδομένων ταυτόχρονα. Εκπαιδευμένο σε δεκάδες δημόσιες και ιδιωτικές πηγές δεδομένων, το Enchant επεξεργάζεται μικρές ποσότητες δεδομένων από ανθρώπινες δοκιμές σε συνδυασμό με πλούσια προκλινικά δεδομένα ανακάλυψης για καλύτερη πρόβλεψη των βασικών ιδιοτήτων φαρμάκων που επηρεάζουν τα κλινικά αποτελέσματα.

Η Iambic έχει αναπτύξει διαδικασίες για την τυποποίηση, τον καθαρισμό και τη μετατροπή των δεδομένων, διασφαλίζοντας την υψηλή ποιότητα για την εκπαίδευση του Enchant και επιτρέποντας την καλύτερη διαχείριση των δεδομένων σε όλα τα στάδια R&D.

Πηγή: Iambic Therapeutics Announces “Enchant,” an AI Platform that Predicts Clinical Outcomes from the Earliest Stages of Drug Discovery