AI drijft versnelling in biotech

Biotech is een van de sectoren met meeste rendement van AI

De biotechsector maakt al jaren gebruik van kunstmatige intelligentie (AI) en machine learning (ML). De versnelling die deze technologieën momenteel doormaken zorgt voor een verdere verbreding van de toepassing ervan. De combinatie van beide technologieën transformeert R&D, met een grote efficiëntieslag als resultaat.

Onderzoek van Boston Consulting Group toont aan dat AI de tijd en kosten nodig voor de researchfase van medicijnen met 25-50% kan verminderen. Dat is veelbelovend voor de ontdekking en ontwikkeling van nieuwe geneesmiddelen. Ook voor het ontwikkelen van therapieën voor ‘moeilijk te behandelen’ therapeutische gebieden zoals neurologische en auto-immuun-inflammatoire aandoeningen.

AI in biotech: de kostenverlaging en kortere ontwikkeltijd zijn goed nieuws voor patiënten én investeerders.

Eerste volledig door AI gegenereerde medicijn gaat klinische testfase in. In de zomer van 2023 meldde Insilico Medicine dat het eerste volledig door AI gegenereerde medicijn, voor longfibrose, nu bij patiënten getest wordt.

Het gebruik van AI bij het ontwikkelen van medicijnen is niet nieuw, zie illustratie (klik op het plaatje om het te vergroten). Op dit moment zitten we echter in een fase van grote versnelling van het gebruik van AI. De combinatie van van deze 3 factoren maken dit mogelijk:

  1. Beschikbaarheid van steeds grotere datasets.
  2. Vooruitgang in rekenkracht.
  3. Voortdurende verbeteringen in AI-algoritmen.

Zowel zakenbank TD Cowen als McKinsey identificeren grote kansen voor AI in de ontwikkeling van medicijnen. De afbeelding hiernaast toont per ontwikkelfase de door TD Cowen gesignaleerde kansen.

McKinsey geeft 5 belangrijke AI-toepassingen in biotech:

  1. Inzetten van AI versnelt de analyse van data en verbetert de kwaliteit.
  2. Verbetert de screening van geteste moleculen en zorgt daardoor voor snellere identificatie van de beste medicijnkandidaten.
  3. Optimaliseert het ‘ontwerp’ van medicijnen door gebruik te maken van de resultaten van miljoenen eerder geteste moleculen.

Cowen - AI Opportunities in drug development pipeline

4. Verhoogt de kans op succes bij het kiezen van het juiste ‘aangrijpingspunt’ voor de behandeling            van een ziekte.
5. Stroomlijnt klinische studies.

AI in biotech, meer dan alleen efficiëntie:
‘de novo’ medicijnontwikkeling

Een van de veelbelovende voordelen van het gebruik van AI betreft het ontwikkelen van volledig nieuwe of gepersonaliseerde medicijnen. Dit proces is vergelijkbaar met het vinden van de sleutel die past in een ingewikkeld slot. Traditioneel zijn hiervoor tests nodig met miljoenen moleculen. Een tijdrovend en duur proces met een laag succespercentage. Door enorme datasets te analyseren, kunnen AI-algoritmes voorspellen hoe de biologische processen in het lichaam op bepaalde (elementen van) moleculen reageren. Dat vergemakkelijkt en versnelt de ontdekking van nieuwe of betere behandelingen.

Tussen 2016 en 2023 kreeg de FDA ongeveer 300 aanvragen waarin AI of machine learning wordt gebruikt bij het ontwikkelen van geneesmiddelen. Meer dan 90% van deze aanvragen kwam in de laatste twee jaar.

Klinische studies: AI versnelt en zorgt voor grotere kans op succes.

Klinische studies duren lang en moeten aan strenge wettelijke vereisten voldoen. Het gebruik van AI kan de efficiëntie in het hele proces verhogen. McKinsey verwacht dat dit de volgende voordelen kan opleveren:

  • Tot 50% kostenreductie door het stroomlijnen van klinische studieprocessen en het automatisch genereren van documenten daarvoor. Ongeveer 80% van de kosten om een medicijn op de markt te brengen wordt besteed aan klinische studies.
  • Meer dan 12 maanden snellere uitvoering van een klinische studie.
  • Minimaal 20% toename in netto contante waarde dankzij verbeterde contacten met gezondheidsautoriteiten, kwaliteitscontrole en signaalbeheer.
AI in biotech: onderzoekers hebben er tientallen jaren over gedaan om de structuur van slechts 17% van de eiwitten in het menselijk lichaam in kaart te brengen. AI is er in minder dan een jaar in geslaagd om dat percentage op te krikken tot 98,5%.

Alleen voordelen, of?

Natuurlijk kleven er ook uitdagingen aan het gebruik van AI. Bijvoorbeeld:

  • Het belang van duidelijke regelgevende kaders.
  • Mogelijk bias (vooringenomenheid) bij het gebruik van data. AI-algoritmen zijn slechts zo goed als de data waarop ze zijn ‘getraind’ en bevooroordeelde data moeten vermeden worden want kunnen leiden tot onnauwkeurige voorspellingen.
  • Transparantie van gebruikte AI-algoritmes. De ‘black box’ aard van sommige AI-algoritmen kan het moeilijk maken om te begrijpen hoe ze tot hun uitkomsten komen.

Om deze uitdagingen op te lossen is er veel contact tussen regelgevende instanties als de FDA en stakeholders in de sector. Alles met als doel om een verantwoord gebruik van AI in de gezondheidszorg te waarborgen.

Conclusie

AI biedt een baanbrekende kans voor de biotechsector. We zien nu al een revolutie bij de ontwikkeling van medicijnen en de zorg voor patiënten. Dat zijn goede vooruitzichten voor zowel patiënten als investeerders.

AI zorgt voor een snelle verandering van de manier waarop medicijnen ontwikkeld worden en biedt oplossingen voor de bestaande issues als kosten, snelheid en succespercentages. Hoewel her en der nog uitdagingen zijn, ontwikkelt de toepassing van AI zich snel en kunnen we veel doorbraken verwachten.

Enkele voorbeelden in de Aescap Portfolio

  • Almirall en AI-specialist Absci werken samen aan de ontwikkeling van 2 met AI ontworpen dermatologische geneesmiddelen.
  • Moderna heeft een eigen versie van ChatGPT ontwikkeld. De tool wordt bedrijfsbreed ingezet als ‘persoonlijke assistent’ van medewerkers. Een voorbeeld is Dose ID GPT. Deze gebruikt ChatGPT Enterprise’s Advanced Data Analytics functie om de optimale, door het klinische studieteam bepaalde vaccindosis te evalueren. Dose ID geeft een onderbouwing, verwijst naar bronnen en genereert informatieve grafieken die de belangrijkste bevindingen illustreren. Hiermee vergroot Moderna de veiligheid en optimaliseert het de dosering voor het testen in klinische studies.
  • Novartis werkt samen met meerdere AI-bedrijven. In deze video geeft Novartis CEO Vasant Narasimhan zijn visie op hoe AI de ontwikkeling van medicijnen gaat beïnvloeden.
  • ProQR gebruikt AI om de meest interessante en kansrijke toepassingen te vinden voor zijn Axiomer RNA-editing platform.
  • Sanofi gebruikt AI al over een langere periode. Bijvoorbeeld door het gebruik van neurale netwerken voor identificatie van het biologische aangrijpingspunt voor de behandeling van een ziekte. Maar ook voor het ontwerpen van geneesmiddelen en voor grafische modellen die klinische en moleculaire data integreren en daarmee klinische tests verbeteren. Sommige van de tools die het bedrijf momenteel gebruikt, hebben de verschillende cycli in R&D innovatie maanden korter gemaakt. In juni 2023 verklaarde Sanofi CEO Paul Hudson dat het bedrijf de ambitie heeft om “het eerste farmaceutische bedrijf te worden dat volledig wordt aangedreven door kunstmatige intelligentie”. Door het gebruik van AI heeft Sanofi de identificatie van potentiële behandelingen op immunologisch, oncologisch en of neurologisch gebied met 20-30% kunnen verbeteren. Hudson verklaarde dat Sanofi de ambitie heeft om deze technologie te gebruiken om “de zorgsector te transformeren”. Sanofi heeft samenwerkingsverbanden met verschillende AI partners.

Bronnen

  • Boston Consulting Group: Unlocking the potential of AI in Drug Discovery
  • McKinsey & Company : The potential of AI in drug discovery
  • Nature: AI’s potential to accelerate drug discovery needs a reality check
  • Nature Biotechnology: AI in drug discovery: Impact and challenges
  • PWC: AI in healthcare: How artificial intelligence is poised to transform the industry
  • Reuters
  • Science: Deep learning for de novo drug discovery
  • TD Cowen: AI In Drug Development From Hype To The Clinic & Beyond
Artificial Intelligence in biotech