ورود Anthropic به حوزه کشف دارو برای هدف قرار دادن بیماری‌های نادیده گرفته شده

Anthropic با راه‌اندازی برنامه‌های اختصاصی کشف دارو با هدف مقابله با بیماری‌های نادیده گرفته شده — که شرکت‌های بزرگ داروسازی (Big Pharma) اغلب آن‌ها را غیرسودآور می‌دانند — در حال گسترش مرزهای فعالیت خود فراتر از مدل‌های زبانی بزرگ (LLMs) است. این حرکت استراتژیک از ابزار جدید این شرکت یعنی "Claude Science" برای تسریع تحقیقات پیش‌بالینی و بهبود مدل‌های هوش مصنوعی از طریق داده‌های بیولوژیکی واقعی بهره می‌برد.

Claude Science: تسریع در درک بینش‌های بیولوژیکی

اعلام این برنامه‌ها با رونمایی از "Claude Science" همزمان شد؛ ابزار هوش مصنوعی که برای مدیریت استدلال‌های علمی پیچیده طراحی شده است. Anthropic کاربرد فوری این ابزار را با مثال‌های خیره‌کننده‌ای نشان داد: یک پژوهشگر در UCSF از Claude Science برای شناسایی یک آلودگی ویروسی در عرض چند دقیقه استفاده کرد؛ خطایی که یک تیم انسانی به مدت یک سال کامل متوجه آن نشده بود. علاوه بر این، این مدل ۱۰۰ بیماری ژنتیکی نادر را در کمتر از یک ساعت تحلیل کرد و با موفقیت ۳۲ مورد کاندیدا را برای غربالگری محاسباتی مشخص نمود.

Anthropic قصد دارد با ورود مستقیم به مراحل اولیه توسعه دارو، از تجربیات دست‌اول در آزمایشگاه‌های مرطوب (wet lab) برای ساخت مدل‌های هوش مصنوعی توانمندتر و از نظر علمی دقیق‌تر استفاده کند و بدین ترتیب شکاف میان استدلال دیجیتال و واقعیت بیولوژیکی را پر کند.

کاهش زمان‌بندی توسعه و تأخیرها

صنعت داروسازی در حال حاضر با ناکارآمدی‌های گسترده‌ای روبروست. واس ناراسیمهان (Vas Narasimhan)، مدیرعامل Novartis، خاطرنشان کرد که رساندن یک دارو به مرحله تأیید معمولاً دوازده سال طول می‌کشد؛ فرآیندی که با تأخیر در اطلاعات، تأخیر عملیاتی و تأخیر بیولوژیکی مواجه است.

در حالی که کوتاه‌تر کردن تأخیر بیولوژیکی (کارآزمایی‌های بالینی و آزمایش‌های حیوانی) دشوار است، هوش مصنوعی می‌تواند دو دسته اول را هدف قرار دهد که تقریباً ۴۰٪ از چرخه توسعه را تشکیل می‌دهند. رویکرد Anthropic با هدف فشرده کردن کل بازه زمانی از دوازده سال به هفت یا هشت سال انجام می‌شود. علاوه بر این، هوش مصنوعی می‌تواند با بهینه‌سازی ویژگی‌های مولکولی و بهبود پیش‌بینی‌های ایمنی، نرخ موفقیت دارو را از ۸٪ فعلی به ۱۶٪ افزایش دهد. با توجه به اینکه این صنعت سالانه ۱۵۰ تا ۲۰۰ میلیارد دلار صرف تحقیق و توسعه (R&D) با بازدهی نسبتاً پایین می‌کند، حتی این پیشرفت‌های تدریجی نیز نشان‌دهنده تغییری عظیم در قابلیت اجرایی درمان‌هاست.

رقابت تسلیحاتی رو به رشد هوش مصنوعی در مراقبت‌های بهداشتی

حرکت Anthropic، این شرکت را در موقعیت رقابت و همکاری مستقیم در چشم‌انداز به سرعت در حال تحول بیوتکنولوژی قرار می‌دهد. در این بخش، غول‌های بزرگ در حال به‌کارگیری مدل‌های تخصصی هستند:

• Google DeepMind & Isomorphic Labs: استفاده از AlphaFold برای پیش‌بینی ساختار پروتئین جهت ایجاد تحول در کشف دارو.
• OpenAI: گسترش به سمت ابزارهای بیمارمحور با ChatGPT Health که سوابق پزشکی و داده‌های Apple Health را ادغام می‌کند.
• Google DeepMind (Clinical): حرکت به سمت مدل‌های "AI Co-Clinician" که برای حمایت از پزشکان از طریق مراقبت‌های سه‌جانبه طراحی شده‌اند.

اگرچه پتانسیل دستیابی به درمان‌های پیشگامانه بسیار زیاد است، کارشناسانی مانند کاترین پوپ (Catherine Pope) از دانشگاه آکسفورد هشدار می‌دهند که مدل‌های هوش مصنوعی هنوز باید ثابت کنند که می‌توانند در "دنیای آشفته، پیچیده و انسانیِ" عمل بالینی واقعی پیمایش کنند.

نکات کلیدی

• هدف قرار دادن بخش‌های غیرسودآور: Anthropic بر بیماری‌های نادیده گرفته شده تمرکز کرده است تا مأموریت خود را انجام داده و داده‌های بیولوژیکی با کیفیت بالا برای آموزش مدل‌ها جمع‌آوری کند.
• افزایش کارایی: کشف دارو با کمک هوش مصنوعی با هدف کاهش زمان توسعه تا چهار سال و احتمالاً دو برابر کردن نرخ موفقیت بالینی انجام می‌شود.
• اعتبارسنجی علمی: ابزارهایی مانند Claude Science هم‌اکنون توانایی انجام وظایف پیچیده، مانند تحلیل ۱۰۰ بیماری نادر در کمتر از یک ساعت را نشان می‌دهند.