Anthropic wchodzi w obszar odkrywania leków, aby celować w zaniedbane choroby

Anthropic rozszerza swoje granice poza modele LLM, uruchamiając dedykowane programy odkrywania leków skierowane na zaniedbane choroby, które tradycyjny sektor Big Pharma często uznaje za nierentowne. Ten strategiczny krok wykorzystuje nowe narzędzie firmy, „Claude Science”, aby przyspieszyć badania przedkliniczne i udoskonalić modele AI dzięki rzeczywistym danym biologicznym.

Claude Science: Przyspieszanie wglądu biologicznego

Ogłoszenie tych programów zbiegło się w czasie z zaprezentowaniem „Claude Science” – narzędzia AI zaprojektowanego do radzenia sobie ze złożonym rozumowaniem naukowym. Anthropic zaprezentował natychmiastową użyteczność tego narzędzia na uderzających przykładach: badacz z UCSF użył Claude Science, aby w kilka minut zidentyfikować zanieczyszczenie wirusowe – błąd, który umknął ludzkiemu zespołowi przez cały rok. Co więcej, model przeanalizował 100 rzadkich chorób genetycznych w mniej niż godzinę, pomyślnie wskazując 32 kandydatów do przesiewu obliczeniowego.

Angażując się bezpośrednio we wczesne etapy rozwoju leków, Anthropic zamierza wykorzystać bezpośrednie doświadczenie z pracy w laboratorium mokrym (wet lab), aby budować bardziej zdolne i naukowo dokładne modele AI, niwelując lukę między rozumowaniem cyfrowym a rzeczywistością biologiczną.

Skracanie terminów rozwoju i opóźnień

Przemysł farmaceutyczny mierzy się obecnie z ogromną nieefektywnością. CEO Novartis, Vas Narasimhan, zauważył, że wprowadzenie leku do zatwierdzenia trwa zazwyczaj dwanaście lat – proces ten jest hamowany przez opóźnienia informacyjne, operacyjne oraz biologiczne.

Choć opóźnienia biologiczne (badania kliniczne i testy na zwierzętach) są trudne do skrócenia, AI może uderzyć w dwie pierwsze kategorie, które stanowią około 40% cyklu rozwoju. Podejście Anthropic ma na celu skrócenie całkowitego czasu z dwunastu lat do siedmiu lub ośmiu. Dodatkowo, poprzez optymalizację właściwości molekularnych i poprawę prognoz bezpieczeństwa, AI mogłoby potencjalnie podwoić wskaźnik sukcesu leków z obecnych 8% do 16%. Biorąc pod uwagę, że branża wydaje rocznie od 150 do 200 miliardów dolarów na badania i rozwój (R&D) przy stosunkowo niskich efektach, nawet te stopniowe zyski stanowią ogromną zmianę w rentowności terapeutycznej.

Rosnący wyścig zbrojeń AI w ochronie zdrowia

Ruch Anthropic stawia firmę w pozycji bezpośredniej konkurencji i współpracy w szybko ewoluującym krajobrazie biotechnologicznym. W sektorze widać już, jak giganci wdrażają wyspecjalizowane modele:

• Google DeepMind & Isomorphic Labs: Wykorzystują AlphaFold do przewidywania struktur białek, aby zrewolucjonizować odkrywanie leków.
• OpenAI: Rozszerza ofertę o narzędzia skoncentrowane na pacjencie, takie jak ChatGPT Health, który integruje dokumentację medyczną i dane z Apple Health.
• Google DeepMind (Clinical): Dąży do modeli „AI Co-Clinician”, zaprojektowanych, aby wspierać lekarzy poprzez opiekę triadyczną.

Choć potencjał przełomowych terapii jest ogromny, eksperci tacy jak Catherine Pope z Uniwersytetu Oksfordzkiego ostrzegają, że modele AI muszą jeszcze udowodnić, że potrafią odnaleźć się w „nieuporządkowanym, złożonym, ludzkim świecie” rzeczywistej praktyki klinicznej.

Kluczowe wnioski

• Celowanie w nierentowne nisze: Anthropic koncentruje się na zaniedbanych chorobach, aby realizować swoją misję i gromadzić wysokiej jakości dane biologiczne do trenowania modeli.
• Zyski w efektywności: Odkrywanie leków napędzane przez AI ma na celu skrócenie terminów rozwoju o nawet cztery lata i potencjalne podwojenie wskaźników sukcesu klinicznego.
• Walidacja naukowa: Narzędzia takie jak Claude Science już teraz wykazują zdolność do wykonywania złożonych zadań, takich jak analiza 100 rzadkich chorób w czasie krótszym niż godzina.