Transformacja cyfrowa w naukach life science zmieniła sposób, w jaki prowadzi się badania nad lekami. Ilość generowanych danych biologicznych, chemicznych i klinicznych rośnie w tempie wykładniczym. AstraZeneca, która od lat inwestuje w technologie obliczeniowe, postawiła na szerokie wykorzystanie sztucznej inteligencji w swoich zespołach badawczo-rozwojowych (R&D).
Czytaj też: Sztuczna inteligencja w medycynie. Lekarze pełni nadziei, pacjenci jeszcze nieufni
Jak podkreśla Piotr Maślak, Head of Emerging Technologies w AstraZeneca, AI pozwala naukowcom szybciej przetwarzać, analizować i interpretować dane, zwiększając szanse na odkrycia nowych terapii:
Bez odpowiednich narzędzi istnieje ryzyko utraty kluczowych informacji w szumie danych. Dzięki sztucznej inteligencji ułatwiamy dostęp do zsyntezowanych, gotowych do analizy informacji, co podnosi szanse na trafne spostrzeżenia i przekłada się na proces odkrywania oraz dostarczania pacjentom nowych leków.
AI jako motor badań i innowacji
AstraZeneca planuje do 2030 r. osiągnąć ambitne cele: 80 mld dol. globalnych przychodów, wprowadzenie 20 nowych leków na rynek i osiągnięcie zerowego bilansu emisji CO2. Jednym z filarów tej strategii jest implementacja pięciu kluczowych narzędzi sztucznej inteligencji, które usprawniają procesy badawcze, kliniczne i decyzyjne. Dzięki nim możliwe jest lepsze zrozumienie mechanizmów chorób, szybsze podejmowanie decyzji i zwiększenie skuteczności klinicznej terapii.
Od danych do decyzji
Jednym z najważniejszych narzędzi wdrożonych przez firmę jest platforma Databricks Data Intelligence Platform, która stała się centralnym „mózgiem” danych w działach R&D. Wykorzystuje graf wiedzy biologicznej – system łączący fakty i zależności z milionów źródeł: publikacji, baz danych, eksperymentów. W ten sposób naukowcy mogą generować nowe hipotezy terapeutyczne w czasie rzeczywistym. Platforma umożliwia automatyczne rekomendacje i rankingowanie celów terapeutycznych, co skraca proces opracowania nowych leków nawet o kilka miesięcy.
Radiomika i analiza obrazów 3D
Kolejnym przełomem jest radiomika oparta na AI, która automatycznie analizuje skany 3D tomografii komputerowej, rozpoznając struktury anatomiczne i zmiany patologiczne. To rozwiązanie nie tylko przyspiesza diagnostykę, ale także wspiera decyzje dotyczące kandydatów na leki w badaniach klinicznych. Zautomatyzowane oznaczanie obrazów pozwala radiologom i badaczom skupić się na interpretacji wyników, a nie na żmudnej pracy technicznej.
Sztuczna inteligencja w sercu badań klinicznych
W procesie projektowania badań klinicznych AstraZeneca wdrożyła narzędzie oparte na dużym modelu językowym (LLM), które wspiera naukowców w tworzeniu protokołów badań. AI przeszukuje repozytoria wcześniejszych dokumentów, analizuje strukturę tekstu i automatycznie uzupełnia poszczególne sekcje, skracając czas przygotowania dokumentacji i eliminując ryzyko błędów. Rozwiązanie pozwala badaczom szybciej przechodzić od pomysłu do realizacji projektu klinicznego.
Asystent rozwoju leków zasilany AI
We współpracy z wewnętrznymi zespołami badawczymi AstraZeneca opracowała Development Assistant – narzędzie działające jak inteligentny asystent danych. Wykorzystuje ono modele językowe dużej skali (LLM), by odpowiadać na pytania badaczy w języku naturalnym i błyskawicznie przeszukiwać zasoby danych klinicznych. System umożliwia generowanie analiz, wykresów i porównań, zwiększając tempo pracy zespołów naukowych i redukując potrzebę ręcznego przeszukiwania informacji.
Sieci bayesowskie w ocenie bezpieczeństwa leków
Wreszcie, jednym z najbardziej zaawansowanych projektów jest Bayesian Neural Network (BNN) – model predykcyjny do oceny toksyczności wątrobowej (DILI). Sieć ta nie tylko przewiduje, czy nowa substancja może być szkodliwa, lecz także określa poziom pewności swoich prognoz. To ważne narzędzie dla toksykologów i specjalistów ds. bezpieczeństwa leków, którzy dzięki niemu mogą trafniej oceniać ryzyko i wcześniej eliminować niebezpieczne cząsteczki.
Sztuczna inteligencja w służbie pacjenta
Wdrażając AI na wszystkich etapach – od projektowania cząsteczek po badania kliniczne – AstraZeneca tworzy nowy standard badań farmaceutycznych.
Czytaj też: Sztuczna inteligencja rozszyfrowuje chorobę Parkinsona
Jak podkreśla Piotr Maślak, to nie tylko kwestia technologii, ale także zmiany kultury pracy z danymi:
AI staje się partnerem naukowca – wspiera go w analizie, uczy się razem z nim i pomaga przekuć dane w decyzje. W efekcie możemy szybciej dostarczać pacjentom skuteczniejsze i bezpieczniejsze terapie.
Sztuczna inteligencja przestała być futurystyczną obietnicą – stała się nieodzownym narzędziem współczesnej medycyny, której tempo rozwoju wyznacza dziś nie tylko biologia, ale i algorytmy.
