AI и биотехнологии. Заметки с конференции

В очередном из обсуждений прозвучал вопрос о применении AI в биотехнологиях (буду благодарен, если автор вопроса напомнит о себе). Не так давно (в октябре 2018) мне довелось побывать на Саммите по вопросам применения AI в BioPharma, который проводился в Гарвардской медицинской школе. В последствии я обнаружил, что конференция является очень полезным снимком того, что происходит на стыке AI и биотехнологий. Ниже я поделюсь своими личными наблюдениями, оставив пространство для ваших самостоятельных выводов.

3. Такие стартапы, как Berg и Insilico, продвигаются гораздо быстрее в своих исследованиях, чем крупные фармацевтические фирмы, хотя еще рано говорить о том, что они будут более успешными в выводе новых лекарств на рынок. По словам нескольких докладчиков, складывается тенденция к тому, что крупные фармацевтики пытаются управлять не самой экосистемой стартапов, а инвесторами. Мы слышали как публичные, так и частные жалобы от руководителей стартапов о том, что из-за большого количества «бюрократических проволочек» уходит много времени на адаптацию, сбор данных и тестирование. Это не означает, что крупные фармацевтические фирмы вообще не используют AI. Например, в кулуарах упорно ходили слухи о том, что сейчас только у Pfizer уже более 150 проектов AI. Но немногие из них находятся в центре разработки лекарств.

4. Еще одной постоянной темой на конференции была смесь волнения и разочарования по поводу технологий искусственного интеллекта. Многие компании имели тенденцию прыгать в проекты с высокими ожиданиями, но неясным видением процессов и результатов этих усилий. Однако они, похоже, усвоили свои уроки. Как крупные руководители фармацевтических компаний, так и стартапы согласились на конференции, что мониторинг производительности моделей, включая определение гипотез и стандарты тестирования, должны быть приоритетами при разработке будущих проектов AI. Сохраняются определенные трудности в том, что реализации AI сосредоточены более на узких исследовательских вопросах, а не нацелены на более широкую картину, чтобы поддерживать устойчивость и способствовать масштабируемости.

5. Данные являются ключом для применения AI в фармацевтике и биологии, и все больше данных собирается регулярно в виде данных RWE. Во многом это данные «омики» — геномика, протеомика, биомика, метаболомика, etc. Данные все чаще используются для генерации гипотез о лекарственных мишенях, механизмах действия препаратов и о том, какие молекулы могут оказывать то или иное рецепторное влияние. Трудно представить, что весь этот анализ будет выполняться без AI, и можно было бы предположить, что компании, способные разобраться во всех нюансах этой технологии, имели бы большее преимущество.

6. Никто не проходит сложные пути в одиночку. Существует множество партнерств и экосистемных отношений. Многие из небольших фирм, и некоторые крупные, создали Альянс — Alliance for Artificial Intelligence in Healthcare, в целях сотрудничества. Даже крупнейшие фармацевтические фирмы считают, что им нужна помощь на ранних стадиях разработки. Однако Алексей Жаворонков, генеральный директор Insilico Medicine, жаловался на то, что крупные фармацевтические фирмы слишком консервативны и им сложно заключать сделки. По его словам, одним из его самых сильных партнеров была китайская фирма WuXi Apptec.

7. Никто и словом не упомянул на конференции IBM’s Watson, кроме того, как было сказано, что он не очень хорошо справляется с лечением рака. Набор Watson AI, похоже, больше не воспринимается всерьез как фактор улучшения разработки лекарств. В кулуарах, один хорошо осведомленный человек в Pfizer вскользь упомянул о том, что их пилотный проект по использованию Watson для разработки лекарств еще продолжается, но компания «охлаждает» эту технологию.

8. В отличие от многих популярных прогнозов об AI, никто из сообщества разработчиков, похоже, в серьез не говорит о том, что в будущем не понадобятся ученые, медицинские работники, etc. Мне понравился один пример «аугментации» AI, а не автоматизации в Flatiron Health. У этой компании, специализирующейся на лечении рака, есть группа «абстрактников», чья работа заключается в извлечении ключевой информации из заметок врачей и других неструктурированных данных в электронных медицинских записях. Flatiron использует инструменты искусственного интеллекта для обработки естественного языка не для того, чтобы избавиться от «лишней» работы, а для повышения своей производительности.

9. Несмотря на то, что проекты AI реализуется на различных этапах цикла разработки лекарств, основные проблемы, а именно проблемы с качеством данных, остаются. Утверждение «плохие данные поступают, плохие данные извлекаются» произносили на конференции каждые пять минут. Хотя компании работают над улучшением своих алгоритмов и инфраструктуры AI, они прекрасно понимают, что качество их данных остается основой достижения успешных результатов. Финансовые ставки высоки, и приближение к неправильному таргету или «молекуле» из-за плохих стандартов данных и детализации — даже при наличии надежного алгоритма — будет тратить значительные ресурсы и время.

10. Несколько выступавших на конференции отметили, что фармацевтические компании имеют тенденцию накапливать данные и оценивать свой будущий успех на основе объемов своих баз данных. Но, как отметил на конференции Milind Kamkolkar, директор Data департмента Sanofi, сотрудничество посредством обмена знаниями и повышения качества уже имеющихся данных должно быть более приоритетным, чем их накопление. Тем не менее, гонка за поиском эффективных лекарственных соединений является довольно жесткой формой бизнеса, и вряд ли какая-либо компания охотно предоставит свои труднодоступные данные конкурентам. В ближайшем будущем представляется вероятным, что основным игрокам в области здравоохранения и фармацевтики придется так или иначе договариваться с владельцами данных (поставщиками медицинских услуг, пациентами, etc), чтобы определить рубежи своих возможностей.

PS. Cпасибо. На вопросы, если таковые имеются, — отвечу в комментариях