Anthropic เข้าสู่แวดวงการค้นพบยาเพื่อมุ่งเป้าไปที่โรคที่ถูกละเลย

Anthropic กำลังขยายขอบเขตของตนให้ไกลกว่า LLM ด้วยการเปิดตัวโปรแกรมการค้นพบยาโดยเฉพาะ ซึ่งมุ่งเป้าไปที่โรคที่ถูกละเลยซึ่งบริษัทยายักษ์ใหญ่ (Big Pharma) มักมองว่าไม่คุ้มค่าต่อการลงทุน การเคลื่อนไหวเชิงกลยุทธ์นี้ใช้ประโยชน์จากเครื่องมือใหม่ "Claude Science" ของบริษัทเพื่อเร่งการวิจัยในระยะก่อนคลินิก (preclinical research) และปรับปรุงโมเดล AI ผ่านข้อมูลทางชีวภาพในโลกแห่งความเป็นจริง

Claude Science: เร่งการสร้างความเข้าใจทางชีวภาพ

การประกาศโปรแกรมเหล่านี้เกิดขึ้นพร้อมกับการเปิดตัว "Claude Science" ซึ่งเป็นเครื่องมือ AI ที่ออกแบบมาเพื่อจัดการกับการใช้เหตุผลทางวิทยาศาสตร์ที่ซับซ้อน Anthropic ได้แสดงให้เห็นถึงประโยชน์ที่จับต้องได้ทันทีของเครื่องมือนี้ด้วยตัวอย่างที่น่าทึ่ง: นักวิจัยที่ UCSF ใช้ Claude Science เพื่อระบุการปนเปื้อนของไวรัสได้ภายในไม่กี่นาที ซึ่งเป็นข้อผิดพลาดที่ทีมงานที่เป็นมนุษย์ไม่สังเกตเห็นมาตลอดทั้งปี นอกจากนี้ โมเดลยังวิเคราะห์โรคทางพันธุกรรมที่หายาก 100 โรคได้ในเวลาไม่ถึงหนึ่งชั่วโมง โดยสามารถระบุตัวเลือก 32 รายการสำหรับการคัดกรองด้วยคอมพิวเตอร์ (computational screening) ได้สำเร็จ

ด้วยการเข้าไปมีส่วนร่วมโดยตรงในการพัฒนาตัวยาในระยะเริ่มต้น Anthropic ตั้งใจที่จะใช้ประสบการณ์ตรงจากห้องปฏิบัติการ (wet lab) เพื่อสร้างโมเดล AI ที่มีความสามารถและมีความแม่นยำทางวิทยาศาสตร์มากขึ้น เพื่อเชื่อมช่องว่างระหว่างการใช้เหตุผลในรูปแบบดิจิทัลและความเป็นจริงทางชีวภาพ

ลดระยะเวลาการพัฒนาและความล่าช้า

อุตสาหกรรมยาในปัจจุบันกำลังเผชิญกับความไร้ประสิทธิภาพอย่างมหาศาล Vas Narasimhan ซีอีโอของ Novartis ตั้งข้อสังเกตว่าการนำยาเข้าสู่กระบวนการอนุมัติโดยทั่วไปต้องใช้เวลาถึง 12 ปี ซึ่งเป็นกระบวนการที่ถูกขัดขวางโดยความล่าช้าด้านข้อมูล (information latency) ความล่าช้าด้านการดำเนินงาน (operational latency) และความล่าช้าทางชีวภาพ (biological latency)

ในขณะที่ความล่าช้าทางชีวภาพ (การทดลองทางคลินิกและการทดสอบในสัตว์) เป็นเรื่องยากที่จะทำให้สั้นลง แต่ AI สามารถมุ่งเป้าไปที่สองหมวดหมู่แรก ซึ่งคิดเป็นประมาณ 40% ของวงจรการพัฒนา แนวทางของ Anthropic มีเป้าหมายเพื่อบีบอัดระยะเวลาทั้งหมดจาก 12 ปี ให้เหลือเพียง 7 หรือ 8 ปี นอกจากนี้ ด้วยการเพิ่มประสิทธิภาพของคุณสมบัติโมเลกุลและการปรับปรุงการทำนายความปลอดภัย AI อาจช่วยเพิ่มอัตราความสำเร็จของยาจากปัจจุบันที่ 8% เป็น 16% ได้เป็นเท่าตัว เมื่อพิจารณาว่าอุตสาหกรรมนี้ใช้เงิน 1.5 ถึง 2 แสนล้านดอลลาร์ต่อปีในการวิจัยและพัฒนา (R&D) โดยมีผลลัพธ์ที่ค่อนข้างต่ำ แม้แต่การเพิ่มขึ้นเพียงเล็กน้อยเหล่านี้ก็ถือเป็นการเปลี่ยนแปลงครั้งใหญ่ในด้านความคุ้มค่าของการรักษา

การแข่งขันทางอาวุธ AI ที่กำลังเติบโตในด้านการดูแลสุขภาพ

การเคลื่อนไหวของ Anthropic ทำให้บริษัทก้าวเข้าสู่การแข่งขันและการร่วมมือโดยตรงภายในภูมิทัศน์เทคโนโลยีชีวภาพ (biotech) ที่กำลังพัฒนาอย่างรวดเร็ว ภาคส่วนนี้กำลังเห็นผู้เล่นรายใหญ่เริ่มใช้โมเดลเฉพาะทาง:

• Google DeepMind & Isomorphic Labs: ใช้ AlphaFold ในการทำนายโครงสร้างโปรตีนเพื่อปฏิวัติการค้นพบยา
• OpenAI: ขยายเข้าสู่เครื่องมือที่เน้นผู้ป่วยเป็นศูนย์กลางด้วย ChatGPT Health ซึ่งรวมข้อมูลบันทึกทางการแพทย์และข้อมูล Apple Health เข้าด้วยกัน
• Google DeepMind (Clinical): มุ่งไปสู่โมเดล "AI Co-Clinician" ที่ออกแบบมาเพื่อสนับสนุนแพทย์ผ่านการดูแลแบบไตรภาคี (triadic care)

แม้ว่าศักยภาพในการรักษาที่ก้าวหน้าจะมีมหาศาล แต่ผู้เชี่ยวชาญอย่าง Catherine Pope จาก University of Oxford เตือนว่าโมเดล AI ยังต้องพิสูจน์ว่าสามารถจัดการกับ "โลกของมนุษย์ที่วุ่นวายและซับซ้อน" ของการปฏิบัติงานทางคลินิกจริงได้

สรุปประเด็นสำคัญ

• การมุ่งเป้าไปที่ตลาดเฉพาะกลุ่มที่ไม่ทำกำไร: Anthropic กำลังมุ่งเน้นไปที่โรคที่ถูกละเลยเพื่อบรรลุพันธกิจของบริษัทและรวบรวมข้อมูลทางชีวภาพคุณภาพสูงสำหรับการฝึกฝนโมเดล
• การเพิ่มประสิทธิภาพ: การค้นพบยาที่ขับเคลื่อนด้วย AI มีเป้าหมายเพื่อลดระยะเวลาการพัฒนาลงสูงสุดถึง 4 ปี และอาจเพิ่มอัตราความสำเร็จทางคลินิกได้เป็นเท่าตัว
• การพิสูจน์ความถูกต้องทางวิทยาศาสตร์: เครื่องมืออย่าง Claude Science ได้แสดงให้เห็นถึงความสามารถในการทำงานที่ซับซ้อน เช่น การวิเคราะห์โรคหายาก 100 โรคในเวลาไม่ถึงหนึ่งชั่วโมง