Så påskyndar AI delar av läkemedelsutvecklingen

– Genom att koppla ihop dessa två aspekter kan man nå optimal prestanda. Det kan räcka med att ha en enda datapunkt. 

De strategier som IFLAI tar fram har bäst effekt ju närmare fysiken man kommer. Det kan till exempel handla om mikroskopi, spektroskopi, spektrometri och röntgen. För ett företag inom läkemedelsindustrin öppnas möjligheter till exempel vad gäller utveckling av molekyler. Man kan snabbare och till lägre kostnad hitta rätt så kallade läkemedelskandidater. 

Nu har IFLAI och AstraZeneca gemensamt tagit fram en automatiserad process för medicin-screening och med hjälp av den ska det bli möjligt att nå samma träffsäkerhet som med dagens verktyg – men baserat på en betydligt mindre mängd data.

En dröm för life science

Robert Roth ser stora vinningar för AstraZenecas del:

– Att från början välja rätt molekyler kan spara mycket tid för oss, för när modellerna är tillräckligt tillförlitliga behöver vi kanske inte göra lika många experiment innan nästa fas. 

Han fortsätter:

– Med hjälp av AI kan vi också uppnå bättre klinisk prediktion, alltså bättre förstå hur ett läkemedel fungerar i en patient. Vi hoppas också kunna utveckla nya läkemedel för att behandla sjukdomar, där det i dag inte finns bra behandlingar. AI kan hjälpa oss få veta om vi missat något i vetenskaplig litteratur eller i våra egna data.

En viktig uppgift för BioVentureHub är att fungera som katalysator, både internt och externt. Man vill koppla ihop människor, verksamheter och företag som kanske inte naturligt träffar varandra, eller kan få access till AstraZenecas expertis, och därigenom skapa förutsättningar för ny kunskap, nya sätt att arbeta och i förlängningen kanske nya lösningar. Genom att introducera AI-bolag i hubben får alla tillgång till den kompetensen, och AstraZeneca erbjuder dessutom mentorskap och delar med sig av kompetens, erfarenheter och nätverk.

Henrik Klein Moberg berättar att samarbetet med AstraZeneca var anledningen till att IFLAI sökte sig till BioVentureHub – och att utväxlingen blivit ännu bättre än man vågat tro.

– Vi samarbetar med molekylutveckling, IT och tillverkning. BioVentureHub öppnar nya möjligheter och vår teknologi har fler användningsområden än vi anat. AI är, enligt mig, en dröm för life science. De läkemedelsföretag som bäst löser AI kommer att leda framtidens utveckling.

Fördel Göteborg

Den öppenhet och de möjligheter till samarbete som Henrik Klein Moberg beskriver gäller inte enbart BioVentureHub. Omedelbart söder om AstraZenecas forskningsanläggning i Mölndal finns GoCo Health Innovation City, ett life science-kluster som lockat och fortsätter locka kompetens, investeringar och internationella aktörer inom hälsa, medicin och bioteknik.

– GoCo håller snabbt på att förändra life science-klustret i Göteborg, säger Robert Roth. Den kritiska massan av bolag växer i vår närmiljö, vilket ökar möjligheten att utbyta idéer och locka till sig talanger. Här finns ett ekosystem där life science-företag kan samarbeta, växa och utvecklas. 

Robert Roth lyfter blicken ytterligare:

– Att Göteborg inte är så stort kan även vara en fördel. Vi förstår att vi måste hjälpas åt och det finns stark vilja att samverka för att utveckla life science-miljön. Närheten till Sahlgrenska Universitetssjukhuset är viktig och vi samarbetar med de inkubatorer som är knutna till forskningsmiljöerna. Chalmers Ventures, GU Ventures och Sahlgrenska Science Park är första steget för innovationer från akademin, och vi är intresserade av att komma in i nästa steg, när företagen vet vilken produkt de vill utveckla och är på väg att flytta ut.

Ja, Göteborg har en lång tradition av öppenhet och samskapade, vilket blir en unik styrka just i mötet mellan AI, life science, vård och industri, menar Kristina Levan. Hon ansvarar för arbetet med att ta fram Göteborgsregionens näringslivsstrategi inom life science.

– Staden kan spela en särskilt intressant roll när dessa fyra storheter nu närmar sig varandra och utvecklas tillsammans. Här finns en miljö där avancerad forskning, klinisk verksamhet och teknik är vana att mötas i praktiken – från globala bolag som AstraZeneca till startups och akademi, säger Kristina Levan, näringslivsutvecklare på Business Region Göteborg.

– Göteborg har chans att bli ledande inom biokonvergens, som skapar förutsättningar för ännu snabbare innovation, bättre användning av data och i slutändan nya, banbrytande lösningar för patienter.

Vinster längs hela utvecklingsresan

För att återvända till AstraZeneca – och AI på ett övergripande plan – har företaget i ett samarbete med UK Biobank utvecklat ett nytt forskningsverktyg som bygger på maskininlärning utifrån datamängder från 500 000 deltagare. 

– AI-modellen kan bedöma och identifiera om individer är mer benägna att ha och diagnostiseras med specifika sjukdomar, och den kunde förutse över tusen sjukdomar före diagnos, säger Anna Sandström.

– Den här typen av forskningsverktyg gör att vi bättre kan förstå till exempel vilka patienter som kan få en sjukdom, vilka som kan svara på behandling och vilka som bör vara med i en klinisk prövning. Kan man träna sina AI-verktyg på högkvalitativa data öppnas nya dörrar för precisionsmediciner byggda på AI-identifierad information om biologiska mekanismer bakom sjukdom.

Inom nästan alla av AstraZenecas småmolekylära projekt, där man utformar innovativa klassiska piller, tar forskarna hjälp av AI i sitt arbete. I nästa steg har AI-baserade digitala tvillingar, maskininlärning, processimulering och robotteknik bidragit till betydligt högre produktivitet och markant kortare ledtider i företagets produktion i Södertälje.

Ett annat område är förmågan att hitta de målmolekyler i kroppen som borde påverkas för att göra stor skillnad för patienter. 

– Med AI kan vi lättare identifiera målmolekyler, vilket gör att steg som tidigare tog månader nu kan klaras på bara några dagar, säger Anna Sandström.

Hon avslutar:

– Mycket faller nu på plats. Tack vare nya metoder och teknologier inom områden som multiomik lär vi oss så mycket mer om grundläggande biologiska mekanismer bakom sjukdom, samtidigt som vår verktygslåda för att behandla sjukdomar växer, exempelvis med metoder som RNA- och cellterapier, så att vi kan välja den bästa typen av behandling att utveckla för en specifik patientgrupp. Sedan har vi AI, som grädde på moset. Sammantaget möjliggör det än bättre behandlingsresultat – liksom förutsättningar att hjälpa där det i dag inte finns några bra lösningar.