Geleneksel ilaç endüstrisi, tarihsel olarak dünyanın en yüksek riskli ve en pahalı kumarhanelerinden biri. İnsan vücudundaki spesifik bir hastalığa neden olan sorunu hedeflemek, o hedefin üç boyutlu karmaşık yapısına uyacak doğru molekülü bulmak ve bunu klinik deneylerden geçirip onaylatmak; on yıllar süren bir zaman dilimi ve milyar dolarları aşan devasa bir sermaye gerektiriyor.

Teknoloji dünyasında çiplerin her iki yılda bir ucuzlayıp hızlandığını söyleyen Moore Yasası işlerken, ilaç sektöründe bunun tam tersi olan “Eroom Yasası” geçerli, veya geçerli idi. Ar-Ge’ye harcanan her bir milyar dolar karşılığında onaylanan ilaç sayısı onlarca yıldır istikrarlı bir şekilde düşüş eğrisini sürdürüyor, veya sürdürüyor idi. Ancak üretken yapay zekâ ve süper bilgisayarların biyoteknolojiye entegre olmasıyla birlikte, ilaç endüstrisi Eroom Yasası’nın getirdiği bu kronik verimsizlik duvarını yıkmaya hazırlanıyor.

“Deneme-yanılma”dan “tahmin ve tasarım”a dönüş

Yapay zekânın ilaç keşfine getirdiği en büyük kırılma, geleneksel “deneme-yanılma” metodolojisini, veri tabanlı bir “tahmin ve tasarım” sürecine dönüştürmüş olmasıdır. Geçmişte bilim insanları milyonlarca kimyasal bileşiği petri kaplarında tek tek test ederken; bugün Google DeepMind’ın amino asit dizilimlerini laboratuvar doğruluğunda tahmin eden bir yapay zekâ programı olan Nobel ödüllü AlphaFold yapısı veya Nvidia’nın GPU hızlandırmalı üretken yapay zekâ ve biyolojik temel model platformu BioNeMo gibi sistemler, doğadaki yüz milyonlarca proteinin 3 boyutlu yapısını saniyeler içinde simüle edebiliyor.

Deloitte’un “Accelerating drug discovery & development” raporuna göre, erken keşif aşamasındaki Ar-Ge maliyetlerinin yapay zekâ simülasyonları sayesinde yüzde 50 ila yüzde 70 oranında düştüğü; laboratuvarlarda harcanan milyonlarca dolarlık kimyasal reaktif ihtiyacının azaldığı görülüyor.

Yapay zekânın verimlilik kaldıracı

Klinik araştırmalardaki maliyet tablosu, yapay zekânın sahneye çıkışıyla birlikte radikal bir şekilde kabuk değiştiriyor. Medable Baş Medikal Yöneticisi Pamela Tenaerts ve Tufts İlaç Geliştirme Çalışmaları Merkezi İcra Direktörü Ken Getz tarafından ACRP’de yayımlanan araştırma, bu finansal kırılmayı somut rakamlarla gözler önüne seriyor.

Araştırmaya göre, özellikle onkoloji alanındaki Faz II geliştirme süreçlerine entegre edilen yapay zekâ çözümleri yaklaşık 7,5 milyon dolarlık bir beklenen net bugünkü değer (eNPV) artışı yaratırken; bu teknoloji hem Faz II hem de Faz III süreçlerine eş zamanlı uygulandığında kazanım 11,3 milyon dolara, tek başına Faz III aşamasında ise 21 milyon dolarlık devasa bir tasarrufa ulaşıyor.

Ancak analizin asıl dikkat çekici boyutu, yatırımların geri dönüş çarpanlarında gizli. Ajan tabanlı yapay zekâ destekli izleme sistemlerinin devreye alınması; Faz II projelerinde yatırılan sermayenin tam 64 katı, Faz III süreçlerinde ise 82 katı düzeyinde net bir finansal katma değer yaratıyor. Bu oranlar, yapay zekâya yapılan altyapı yatırımı ile onun ürettiği net ekonomik değer arasındaki uçurumu ve teknolojinin sağladığı muazzam verimlilik sağlanan tasarrufu kanıtlıyor.

Bir elin nesi var iki elin sesi var

İlaç keşfinin biyoloji tabanlı bir disiplinden veri odaklı bir mühendislik disiplinine kayması, Silikon Vadisi ile devasa ilaç üreticilerini (Big Pharma) hiç olmadığı kadar yakınlaştırdı. Teknoloji devleri devasa hesaplama güçlerini ve AI algoritmalarını sahaya sürerken; geleneksel ilaç şirketleri de onlarca yıllık klinik veri birikimlerini masaya koyuyor.

Alphabet çatısı altında yer alan ve DeepMind’ın geliştiricileri arasında bulunan Isomorphic Labs; Eli Lilly ve Novartis gibi küresel devlerle milyar dolarlık ilaç geliştirme anlaşmalarına imza atıyor. Nvidia, yapay zekâ odaklı biyoteknoloji şirketi Recursion Pharmaceuticals’a yaptığı stratejik yatırımlarla kendi AI altyapısını ilaç dünyasının hizmetine sunuyor. Insilico Medicine ve Exscientia gibi yapay zekâ yerlisi biyoteknoloji girişimleri ise, algoritmalar tarafından sıfırdan tasarlanan ilk ilaç adaylarını insanlı klinik deney aşamalarına kadar getirmeyi başardı.

İlaç sektöründe “deep learning” etkisi

MIT News’da yayımlanan yazıda; geleceğe yönelik olarak, klinik geliştirme için daha güçlü adaylar haline getiren ilaç benzeri özelliklere sahip antibiyotikler tasarlamak için “deep learning” kullandıklarını belirten MIT Öğretim Üyesi Prof. Dr. James Collins, yüksek verimli biyolojik testlerle yapay zekâyı entegre ederek, gerçek dünya terapötik kullanımına hazır, yeni, güvenli ve etkili antibiyotiklerin keşfini ve tasarımını hızlandırmayı hedeflediklerini ifade ediyor.

Bu yaklaşımın, ilaç dirençli bakteriyel patojenlere karşı verilen tepkiyi dönüştürebileceğini söyleyen Profesör Collins, antibiyotik geliştirmede reaktif bir stratejiden proaktif bir stratejiye geçişi sağlayabileceğine dikkat çekiyor.

Doğru hasta profilleri ve dijital ikizler

Yapay zekânın maliyet düşürücü etkisi sadece molekül bulmakla sınırlı kalmıyor. İlaç geliştirme faturasının en kabarık kısmını oluşturan klinik deneyler de yapay zekâyla kabuk değiştiriyor.

Hastalara ait genetik veriler ve sağlık geçmişleri yapay zekâ modelleriyle analiz edilerek; ilaca en doğru yanıtı verecek “doğru hasta profilleri” seçiliyor. Bu durum klinik denemelerdeki başarısızlık oranını ciddi şekilde düşürüyor. Hatta ileri aşamalarda, gerçek hastaların verilerinden oluşturulan “Dijital İkizler” ve sentetik kontrol grupları sayesinde, Plasebo gruplarına olan ihtiyacın azaltılması ve klinik süreçlerin 2-3 yıl kadar öne çekilmesi hedefleniyor.

Emekleyerek değil koşarak gelişim

Tüm bu heyecan verici gelişmelere rağmen, bir molekülü bilgisayar ekranında mükemmel şekilde tasarlamak ile o molekülün karmaşık bir insan organında, kan dolaşımında veya metabolizmasında nasıl tepki vereceğini yüzde 100 kestirmek aynı şey değil. Biyoloji halen yapay zekânın tam olarak haritalandıramadığı sürprizlerle dolu.

Bugün itibarıyla yapay zekâ tarafından tasarlanmış ve FDA (ABD Gıda ve İlaç Dairesi) onayından geçip eczane raflarında yerini almış dev bir ilaç henüz bulunmuyor. Piyasadaki mevcut yapay zekâ ilaç adayları şu an insanlı deney testlerinden geçiyor.

Profesör Collins ise, 15 yeni antibiyotiği tasarlamak ve bunları klinik öncesi adaylar olarak geliştirmek için üretken yapay zekâyı kullanmak üzere ARPA-H’den (Sağlık Alanı İleri Araştırma Projeleri Ajansı) bir hibe aldıklarını açıkladı.

Profesör Collins, bu projenin laboratuvar araştırmalarına doğrudan dayanarak, yeni antibiyotikler yaratmak için hesaplamalı tasarımı deneysel testlerle birleştirdiğini ve bu antibiyotiklerin daha da geliştirilmesine hazır hale getirdiğini belirtiyor.

Üretken yapay zekâyı ve biyolojiyi bir araya getirerek, antibiyotik direncinin oluşturduğu küresel tehdide çok daha hızlı yanıt verebilecek bir süreç oluşturmak için çalıştıklarını belirten Collins, nihayetinde yeni tedavileri bunlara en çok ihtiyaç duyan hastalara ulaştırmayı hedeflediklerini ifade ediyor.

Güzel şeyler zaman alır

Yapay zekâ ilaç endüstrisini bir gecede mucizevi bir şekilde değiştirmeyecek; ancak on yıllara yayılan ve milyarlarca dolara mal olan hantal Ar-Ge süreçlerini kökünden dönüştürecek. Önümüzdeki 5 yıl içinde, yapay zekâ tarafından tasarlanan ilk dalga ilaçların klinik başarısı kanıtlandıkça; küresel ilaç pazarının kazananları sadece büyük laboratuvarlara sahip olanlar değil, biyolojik veriyi en iyi işleyen ve simüle eden yapay zekâ altyapılarına sahip şirketler olacak.

Eroom Yasası tarihe karışırken, insanlık belki de kanser, Alzheimer ve nadir genetik hastalıklar için aradığı yanıtları bulacak.