AI กำลังเปลี่ยนวิธีค้นพบยาชีวภาพรุ่นใหม่

การพัฒนายาใหม่เป็นงานที่ใช้เวลานาน มีต้นทุนสูง และมีความเสี่ยงล้มเหลวมาก โดยเฉพาะ “ยาชีวภาพ” ที่อาศัยโปรตีนออกแบบพิเศษแทนเคมีสังเคราะห์ ทำให้การค้นหาสารที่จับเป้าหมายได้ดี เสถียรในร่างกาย และผลิตได้จริงในระดับอุตสาหกรรมยิ่งซับซ้อนกว่าเดิม บทความนี้อธิบายว่า AI กำลังกลายเป็นโครงสร้างพื้นฐานสำคัญของงานวิจัยและพัฒนายา เพราะช่วยคัดกรองตัวเลือกมหาศาลให้เหลือเฉพาะโมเลกุลที่มีโอกาสสำเร็จสูงสุด

AstraZeneca เป็นหนึ่งในบริษัทที่ลงทุนจริงจังกับแนวทางนี้ โดยนำ AI เข้ามาอยู่ในทุกช่วงของวงจร “ออกแบบ-สร้าง-ทดสอบ-วิเคราะห์” เพื่อให้การทำงานเร็วขึ้นและมีประสิทธิภาพขึ้น ผู้บริหารด้านชีวเวชภัณฑ์ของบริษัทมองว่า AI ช่วยให้ทีมวิจัยเดินในลูปแบบ build-measure-learn ได้แน่นขึ้น คือให้โมเดลคอมพิวเตอร์ช่วยสร้างหรือจัดลำดับผู้สมัครยา แล้วนำทรัพยากรในห้องแล็บไปทุ่มกับตัวที่มีความเป็นไปได้ดีที่สุด ลดการลองผิดลองถูกและลดเส้นทางที่ไม่ก่อผล

นอกจากเร่งเวลาแล้ว AI ยังถูกใช้กับโจทย์ที่ซับซ้อนขึ้น เช่น ยารุ่นใหม่ที่ต้องออกฤทธิ์หลายเป้าหมายพร้อมกัน หรือส่งสารออกฤทธิ์ไปยังเซลล์เฉพาะทางอย่างแม่นยำ ซึ่งต้องคำนึงถึงหลายปัจจัยพร้อมกัน ทั้งความแรงของยา ความคงตัว ความปลอดภัย และความสามารถในการผลิตในปริมาณมาก บทความชี้ว่าโมเดล AI รุ่นใหม่จะช่วยนักวิทยาศาสตร์ตัดสินใจได้ดีขึ้นว่าควรเลือกเป้าหมายใด และออกแบบโมเลกุลแบบไหนจึงจะเหมาะกับชีววิทยาของโรคนั้นๆ

หัวใจสำคัญอีกอย่างคือ “ข้อมูล” เพราะโมเดล AI จะดีได้ก็ต่อเมื่อข้อมูลฝึกมีคุณภาพและหลากหลายเพียงพอ AstraZeneca ระบุว่ามีชุดข้อมูลกรรมสิทธิ์ของตนเองที่ครอบคลุมตั้งแต่โครงสร้างโมเลกุล ข้อมูลการจับเป้าหมาย โปรไฟล์ความปลอดภัย ไปจนถึงผลด้านการผลิต และยังลงทุนในเทคโนโลยีคัดกรองเชิงลึกเพื่อสร้างข้อมูลใหม่จำนวนมากสำหรับการปรับจูนและตรวจสอบโมเดลต่อเนื่อง

เพื่อเชื่อมข้อมูลเหล่านี้เข้าด้วยกัน บริษัทกำลังสร้างศูนย์วิจัยแบบ “lab of the future” ที่ Kendall Square เมืองเคมบริดจ์ ซึ่งผสาน AI เข้ากับหุ่นยนต์และระบบอัตโนมัติให้ทำงานเป็นวงจรปิด ตั้งแต่การทำนาย การทดลอง ไปจนถึงการเก็บข้อมูลกลับเข้าสู่โมเดล แนวคิดนี้เทียบได้กับระบบที่เรียนรู้จากผลลัพธ์ของตัวเองตลอดเวลา และอาจทำให้การทดลองระดับสูงเกิดขึ้นได้เป็นพันๆ ครั้งต่อสัปดาห์ พร้อมลดคอขวดของงานแล็บแบบเดิม

เป้าหมายระยะยาวของวงการคือการออกแบบยาแบบ de novo หรือการให้ AI สร้างโปรตีนหรือโมเลกุลใหม่จากศูนย์จนกลายเป็นผู้สมัครยาระดับคลินิกได้โดยตรง แม้แนวทางนี้ใกล้ความเป็นจริงมากขึ้น แต่ยังมีโจทย์ใหญ่เรื่องข้อมูลมาตรฐาน การมีเกณฑ์ประเมินที่น่าเชื่อถือ และทีมงานที่เข้าใจทั้ง machine learning และชีววิทยา สิ่งที่ท้าทายที่สุดอาจเป็นการคาดการณ์ความปลอดภัยในร่างกายมนุษย์ ซึ่ง AstraZeneca พยายามแก้ด้วยระบบคล้ายการทดลองคลินิกเสมือน และโมเดลอวัยวะจิ๋วที่ช่วยสร้างสัญญาณชีวภาพได้โดยไม่ต้องรอขั้นตอนดั้งเดิมทั้งหมด

โดยภาพรวม บทความมองว่า AI ไม่ได้มาแทนที่นักวิทยาศาสตร์ แต่จะเปลี่ยนบทบาทของพวกเขาให้ทำงานร่วมกับโมเดลและระบบอัตโนมัติอย่างใกล้ชิดมากขึ้น แม้เทคโนโลยีจะก้าวหน้าไปมาก แต่การตัดสินใจเชิงวิทยาศาสตร์ ความรับผิดชอบด้านจริยธรรม และการยืนยันว่าเทคโนโลยีตอบโจทย์ผู้ป่วยจริง ยังคงต้องพึ่งมนุษย์เป็นศูนย์กลาง