AI ile yaşlanma araştırmalarına yeni araçlar: İki makale ve bir ilaç adayı üzerinden gerçekçi beklentiler.

Artificial intelligence, longevity research için potansiyel müdahaleleri belirlemeye ve bunların insanlardaki etkilerini incelemeye yönelik daha iyi araçlar sunuyor. Ekibimizle akademik işbirlikçilerin katıldığı iki son makale bu ilerlemeyi gösteriyor.

Cell dergisinde, yapay zeka modellerini değerlendirmeye ve araştırmacıların yaşlanma biyolojisinde potansiyel ilaç hedeflerini belirlemesine yardımcı olmaya yönelik açık araçlar tanıttık. AI ile bu alanda yeni bir yol açıldığı vurgulanıyor.

Nature Biotechnology dergisinde ise kan tabanlı yaş ölçümlerinin, yapay zeka ile geliştirilen bir ilacın klinik deneyine nasıl dahil edilebileceğini inceledik. İlacın kimseyin ömrünü uzatacağını söyleyemiyoruz; ancak bu çalışmalar, ilaç geliştirmede umut verici bir geleceğe işaret ediyor: Yapay zeka potansiyel tedavileri belirliyor, biz ise bunların yaşlanma biyolojisi üzerindeki etkilerini, tedavi ettikleri hastalıklarla paralel olarak çalışıyoruz.

Cell dergisinde yayımlanan çalışma, yapay zeka modellerini değerlendirmeye yönelik açık araçlar sunuyor. Bu araçlar, araştırmacıların yaşlanma biyolojisinde potansiyel ilaç hedeflerini belirlemesine yardımcı oluyor. Nature Biotechnology makalesi ise kan tabanlı yaş ölçümlerinin klinik deneylere entegrasyonunu inceliyor.

İşletme liderleri için fırsat, bu bağı kurmaya yardım etmek. Yapay zeka bilim insanlarının keşfettiği ve ölçtüğü şeyi genişletebilir; ancak hangi ilerlemelerin sağlığı iyileştirdiğini kesinleştirmek için titiz deneyler ve klinik deneyler gerekli. Bugünün araştırma araçlarının yarının ilaçlarının temeli olabileceği yolundaki umut, böylelikle ortaya çıkıyor.

Yapay zekanın insan ömrünü sonunda ikiye katlamaya yardımcı olabileceğine inanıyorum. Ancak bu bir hedef, bugün geçerliliğini kanıtlayamadığımız bir tahmin değil. Anlık fırsat, daha iyi ilaçlar ve bunları test edecek altyapıyı kurmak.

İlaç keşfinin dayandığı iki saat var: hesaplamalı ve biyolojik. Hesulamalı saat hızlı ilerliyor. Yapay zeka biyolojik verileri analiz edebilir, potansiyel ilaç hedeflerini belirleyebilir, kimyasal yapılar üretebilir ve bilim insanlarının hangi deneyleri çalıştıracağına yardımcı olabilir. Araştırmacıların keşfedebileceği olanak yelpazesini genişletiyor.

Biyolojik saat farklı ilerliyor. Bir molekül sentezlenip test edilmeli. Araştırmacıların, bu molekülün hedef dokuya ulaşıp ulaşmadığını, beklediği gibi çalışıp çalışmadığını ve zararlı etkiler oluşturup oluşturmadığını kesinleştirmesi gerekiyor. İnsan çalışmalarında hasta kaydı, doz seçimi ve güvenlik ile yarar değerlendirmek için yeterli takip süresi gerekli.

Rentosertib örneğimiz bu ayrımı gösteriyor. İlaç, ilerleyici biçimde akciğerleri skarlayan idyopatik pulmoner fibrozis hastalığı için geliştirildi. AI helped ile biyolojik bir hedef belirlendi ve o hedefe karşı bir molekül tasarlandı. 18 ay içinde aday preklinik adayı aşamasına ulaştık. Bu bir keşfıl milatıydı, bitmiş bir ilaç değil.

Laboratuvar çalışmaları ve klinik deneyler izledi. A Phase IIa study umut verici bir akciğer fonksiyonu sinyalini raporladı ve program şimdi Phase III testing aşamasına ilerledi. Her aşama, önceki aşamanın yanıtlayamadığı soruları yanıtlıyor.

Yöneticiler ve yatırımcılar için bu, ilerlemeyi doğru milat ile ölçmek anlamına geliyor. Daha hızlı bir tahmin, umut verici bir deney ve başarılı bir klinik deneme farklı başarılar. Bunları tek bir zaman çizelgesine koymak, hastaların ne zaman faydalanacağına dair gerçekçi olmayan beklentiler yaratabilir.

Bahsedilen Nature Biotechnology analizi, rentosertib deney katılımcılarının alt kümesinden kan örneklerine altı proteomik yaş saatini uyguladı. Bu modeller, dolaşımdaki proteinlerin örüntülerinden biyolojik yaşı tahmin ediyor. Tedaviyle ilişkili gençleşmeye yönelik kaymaları tespit ettiler.

Sonuç daha fazla araştırmaya layık. Hastaların gerçekten yıllarca gençleştiği anlamına gelmiyor. Analiz keşif niteliğindeydi, ciddi bir akciğer hastalığı olan 42 kişiyi içeriyordu ve kısa bir gözlem süresini kapsıyordu. Bir proteinde meydana gelen değişim, hastalıktan kaynaklanan değişiklikler dahil olmak üzere birkaç süreci yansıtabilir.

Bu ayrım şirketimizin ötesinde de önem taşıyor. Daha fazla işletme biyolojik yaş ölçümü sundukça, müşteriler ve yatırımcılar, değişen bir skorun neyi tahmin ettiğini sormalı. Fiziksel fonksiyonun iyileşmesi, daha az hastalık veya daha uzun hayatta kalma ile ilişkili mi? Bu ilişki, test edilen müdahale için kanıtlandı mı?

Bir biyomarker, kabul görmüş bir klinik sonuç yerine geçen bir şey haline gelmeden önce faydalı bir araştırma aracı olabilir. Bu iki rolü birbirinin yerine geçer gibi muamele etmek, bilgilendirici bir sinyalin, kanıtın destekleyemediği bir vaade dönüşmesine yol açar.

Klinik gelişimi daha verimli kılmak için oldukça fazla alan var. Daha iyi protokol tasarımı, daha etkili kayıt ve daha hızlı veri değerlendirmesi, önlenebilir gecikmeleri azaltabilir. Yapay zeka araştırmacılara faydalı ölçümleri seçmeye ve faydalanma olasılığı en yüksek hastaları belirlemeye yardımcı olabilir.

Ancak verimlilik her biyolojik soruyu yanıtlayamaz. Nadir bir adverse etki, yeterince kişi ilacı aldıktan sonra ortaya çıkabilir. Kalıcı bir yarar takibi gerektiriyor. Bir önleyici tedavinin, sağlıklı bir kişiyi on yıllar sonra nasıl yardımcı olacağı özellikle zorlu bir soru.

Pratik yanıt, teknolojinin ortadan kaldırabileceği gecikmelerle bilimin hala ihtiyaç duyduğu gözlemleri ayırmak. Daha iyi deney operasyonlarına yatırım yapın, ancak sonuçlarını anlamlı kılan uzun vadeli çalışmalar ve paylaşılmış veri setlerine de.

Akademik araştırmacılar bu çabanın merkezinde. Mekanizmalar, ölçüm ve deneysel doğrulama üzerindeki çalışmalarları ilaç geliştiricilere test edilmeye değer hipotezler veriyor. İşbirlikleri, görünür ticari milatların yanı sıra bu temeli de desteklemeli.

Şirketler için bir sonraki adım, yaşlanma iddiasında bulunmadan önce başarıyı tanımlamak. Nüfusu, sonucu ve bunu kesinleştirmek için gereken kanıtı belirtin. Yöntemleri ve sınırlamaları yayımlayın. Keşif niteliğindeki bulguları, daha büyük bir çalışmanın onayladığı sonuçlardan ayırın.

Yatırımcılar için ise, bir şirketin tahminlerini tekrarlanabilir biçimde güvenilir deneylere ve klinik kanıtlara dönüştürebilip diyemediğini sorun. Bir modelin ürettiği molekül sayısı, ardından gelen kararların niteliğinden daha az önem taşıyor.

Radikal ömür uzatma konusunda iyimtar kalıyorum. İlerlemenin, hastalığı önleyen ve fonksiyonu geri kazandıran ilaçlar, tanı araçları ve diğer teknolojilerin ardışık nesilleri aracılığıyla geleceğini bekliyorum. Yapay zeka bu ilerlemeleri geliştirmemize ve birleştirmemize yardımcı olabilir.

Kendi programımız umut verici bir klinik sinyal ve yaşlanma hakkında yeni bir araştırma sorusu sunuyor. Bir sonraki görev, ikisini de daha titiz biçimde test etmek. Hedef olağanüstü olurken milatlar somit kalmalı: daha iyi deneyler, güçlü kanıtlar ve hastalar için anlamlı yararlar.

Alex Zhavoronkov, PhD, Insilico Medicine’in kurucusu ve CEO’sudur.

World Changing Ideas Ödülleri’nin erken başvuru tarihi 13 Kasım Cuma, saat 23:59 PT’dir. Apply today.