שימוש בבינה מלאכותית (Artificial Intelligence ,AI) ולמידת מכונה (Machine Learning, ML) טומן בחובו פוטנציאל להפחית את הזמן והעלות של פיתוח תרופות ולהגדיל את שיעור התרופות המקבלות אישור רגולטורי לשיווק. ואכן, תחום זה תופס תאוצה בשנים האחרונות.

כלי הבינה המלאכותית הם בעלי פוטנציאל להשתלב בכל שלבי הפיתוח של תרופה, החל מזיהוי וולידציה של מולקולות מטרה, חיפוש ואופטימיזציה של חומרים פעילים, תהליכי סינתזה של החומרים הפעילים, בחינת בטיחות, רעילות, ספיגה, פיזור, הפרשה ומטבוליזם של התרופה בגוף (ADMET). בינה מלאכותית יכולה להשתלב גם בשלב הניסויים הקליניים, בזיהוי אוכלוסיית יעד מתאימה לניסוי וזיהוי ביומרקרים לחיזוי תגובתיות של חולים לתרופות.

1. זיהוי מטרות טיפוליות חדשות

באמצעות בינה מלאכותית ניתן לנתח כמות גדולה של נתונים ביולוגיים שונים (OMICS – כולל ביטוי גנים, נתונים גנומיים ופרוטאומיים) ורשת אינטראקציות בין חלבונים במטרה למצוא קשר סיבתי בין מחלה וגן/חלבון. בנוסף, מודלים של בינה מלאכותית משמשים להערכת התאמתם של חלבונים כיעדים להתערבות טיפולית. גישה נוספת למציאת זוגות של מטרה טיפולית-מחלה היא באמצעות עיבוד טקסט מספרות מדעית (natural language processing).
דוגמאות לחברות בתחום: BenevolentAI ו- Insilico Medicine  בישראל: CytoReason.

2. גילוי תרופות חדשות (drug discovery)

בתחום זה בינה מלאכותית משמשת לגילוי, תכנון ואופטימיזציה של מולקולות שיכולות לתפקד כתרופה למטרה טיפולית נבחרת. השימוש בבינה מלאכותית יכול לייעל את תהליך גילוי התרופות ולהגדיל את המרחב הכימי בו מבוצע החיפוש של המולקולות החדשות. תחום זה כולל סריקה ווירטואלית של ספריות שמכילות מאות מיליונים של מולקולות שונות לחיזוי הקישור של המולקולות לחלבון שהוא המטרה הטיפולית, בהתבסס על מבנה או חישוביים פיזיקליים ותיעדוף של מולקולות מועמדות פוטנציאליות שיבחנו בניסויים מעבדתיים.

גישה נוספת היא תכנון והרכבה של מולקולות חדשות מאבני בניין כימיות (De novo) כנגד מטרה טיפולית נבחרת, באמצעות אימון אלגוריתמים של למידת מכונה עם נתונים של זוגות של קשרים של חלבונים-ומולקולות קטנות ותוצאות ניסיוניות מעבדתיות. גישות אלו מאפשרות הגדלה של המרחב הכימי הקיים ומזמנות אפשרות לגלות מולקולות שיכולות להיקשר למטרות טיפוליות שעד היום הוגדרו כ- undruggable (לא ניתן לפתח תרופה המכוונת אליהן).

מודלים של בינה מלאכותית יכולים לשמש גם למידול הקשר בין המבנה הכימי של מולקולה והפעילות הביולוגית שלה  Quantitative Structure-Activity Relationship (QSAR) וע”י כך לאפשר אופטימיזציה של מולקולות מועמדות לתרופה על פי המאפיינים הרצויים, למשל, שיפור חוזק הקישור, הגברת הסלקטיביות, היציבות, המסיסות  ופרופיל פיזור בגוף (pharmacokinetic).

בנוסף לפלטפורמות AI המיועדות ל-drug discovery  של מולקולות קטנות, קיימות פלטפורמות AI ייחודיות לגילוי ותיכנון תרופות שאינן מולקולות קטנות כולל פפטידים, נוגדנים, וחומצות גרעין.

דוגמאות לחברות בתחום: Atomwise ,Exscientia ו- Schrodinger.

3. חיזוי יעילות/בטיחות בשלב הפיתוח הפרה-קליני

בתחום זה הגישה המרכזית היא שילוב של מבחנים מעבדתיים ועיבוד התוצאות המופקות מהם בכלים של בינה מלאכותית/למידת מכונה. גישות אלו כוללות לרוב טכנולוגיה מבוססת תאים הומניים כמו אורגנואידים, שהם מבנים של רקמה תלת ממדית שמקורה לרוב מתאי גזע או מביופסיות של חולים, המדמות בפן המורפולוגי והפונקציונאלי, איבר הומני או רקמה חולה (למשל, גידול סרטני). מדדים מגוונים הנאספים מהאורגנואידים, עם וללא חשיפה לתרופה, מנותחים  בכלים של בינה מלאכותית ומהם מופקים תובנות לגבי יעילות, מנגנון פעולה ו/או רעילות של תרופה.

דוגמאות לחברות בעולם בתחום: Emulate ,InSphero ,Mimetas.

דוגמאות לחברות בישראל בתחום: CuResponse ,Quris-AI ו-Tissue Dynamics.

4. בינה מלאכותית בשלב הפיתוח הקליני של תרופה

בעזרת בינה מלאכותית שעושה שימוש בנתונים מרשומות רפואיות אלקטרוניות ונתונים ביולוגיים שונים (מניסויים קליניים היסטוריים ומהנתונים הנאספים במהלך הניסוי הקליני), ניתן לזהות ביומרקרים רלוונטים למחלה, לחזות יעילות ותופעות רעילות פוטנציאליות, ובעזרתם לבחור את אוכלוסיית החולים האופטימלית לניסוי הקליני.

בינה מלאכותית יכולה לשמש גם בשיפור פרמטרים הקשורים לניהול לוגיסטי של שלב הפיתוח הקליני שכולל ניסויים ומחקרים בבני אדם. שיפור בעזרת בינה מלאכותית של פרמטרים כמו, בחירת המרכזים הרפואיים, הגברת קצב הגיוס של החולים והפחתת נשירה מהניסוי,  יגדיל את הסיכוי להשלמת הניסוי הקליני בהצלחה ובאופן יעיל.

דוגמאות לחברות בתחום: IQVIA ,OWKIN ,CytoReason ,Saama ו-trials.ai.

ההתלהבות מהאפשרויות שהבינה המלאכותית פותחת בתחום פיתוח התרופות איננה שמורה למדענים בלבד, גם המשקיעים מראים עניין רב בתחום זה.
לדברי Morgan Stanley, אפילו “שיפורים צנועים בשיעורי ההצלחה של פיתוח תרופות בשלבים מוקדמים שמתאפשרים ע”י שימוש בבינה מלאכותית יכולים להביא לתוספת של 50 טיפולים חדשים על פני תקופה של 10 שנים. כאשר אלו מייצגים הזדמנות של יותר מ-50 מיליארד דולר”.

השקעות של צד שלישי בחברות שעוסקות בפיתוח תרופות הנתמך ע”י בינה מלאכותית יותר מהכפילו את עצמן בחמש השנים האחרונות. סך ההשקעות הגיע ל-2.4 מיליארד דולר ב-2020 וליותר מ-5.2 מיליארד דולר בסוף 2021.

נתונים אלה אינם כוללים את הסכומים שחברות הפארמה משקיעות ביכולות פנימיות והשקעות של ענקיות טכנולוגיה, שגם הן פעילות בהרחבת פעילות ה-AI שלהן לתחום הביולוגיה ופיתוח תרופות. לדוגמה, חברת Google) Alphabet) השיקה בשנת 2021 את חברת Isomorphic Labs המבוססת על פריצות דרך בתחום הבינה המלאכותית שהושגו במעבדת המחקר DeepMind שלה.

בשנתיים האחרונות נרשמו לא מעט שיתופי פעולה של חברות פארמה עם חוקרים וחברות שמומחיותם בבינה מלאכותית. להלן כמה דוגמאות:

כמות העסקאות לשיתופי פעולה שמטרתם שילוב בינה מלאכותית בתהליכי פיתוח תרופות מעידה על העניין ההולך וגובר של חברות הפארמה ביכולות של הבינה המלאכותית.

מבט על ההשקעות והמימון בתחום מגלה כ 50 שחקנים שגייסו מאות מיליוני דולרים להמשך תמיכה בתוכניות הפיתוח שלהם בתחום (במקום 18 חברה ישראלית Cytoreason).

החברות השונות מתאפיינות בתחומי מומחיות שונים בבינה מלאכותית (למשל, Advanced AI tools for a specific Use Cases ,Advanced AI systems with multiple models ,End-to-end AI).
ובהתאם הן משתלבות בשלבים שונים בתהליך פיתוח תרופות חדשות (למשל, Clinical Pipeline (phase 1-2) Validated R&D Use cases and preclinical pipeline).

במונחים של הכנסות, גודל השוק הגלובלי לגילוי תרופות באמצעות AI עמד על 0.6 מיליארד $ בשנת 2022 והוא צפוי להגיע ל 4 מיליארד $ בשנת 2027, נתונים אלו משקפים צמיחה שנתית ממוצעת של 45.7%.

תמונת מצב עולמית של הפעילות והמגמות בתחום

במבט על מספר החברות שהוקמו בין השנים 2021-2010, ניתן לראות שעד שנת 2018 הייתה עלייה מתמדת במספר החברות שהוקמו. ב-2019 החלה ירידה במספר החברות שהוקמו אשר מיוחסת בעיקר למגפת הקורונה וההשלכות שלה על השווקים.

למרות הירידה במספר החברות שנוסדו, ההשקעות בתחום גדלו פי 10 בין 2017 ל-2021, עם CAGR של 71% וגידול משמעותי בהשקעות בחברות בוגרות, בין אם בהנפקות ובין אם בהשקעות של קרנות הון סיכון.

Artificial intelligence (AI) and machine learning (ML) are no longer futuristic concepts; they are now part of how we live and work

 Patrizia Cavazzoni, director of the Center for Drug Evaluation and Research (CDER).

AION Labs – מעבדת חדשנות בתמיכת רשות החדשנות

AION Labs היא מעבדת חדשנות ראשונה מסוגה בה מתקיים שיתוף פעולה של ארבע חברות פארמה, AstraZeneca ,Merck ,Pfizer ,Teva, ביחד עם קרן הביוטק הישראלית Amiti Ventures, שירותי האינטרנט של אמזון (AWS) ו-BioMed X  שחברו כולם יחד בתמיכת רשות החדשנות במטרה לפתח ולאמץ טכנולוגיות AI חדשות ופורצות דרך שישנו את תהליך גילוי התרופות.

המעבדה ממוקמת ברחובות ומתוכננת להקים 4-6 חברות בשנה. תהליך בחירת החברות המוקמות במסגרת המעבדה לחדשנות נעשה בתהליך מובנה על פי מודל של מכון המחקר BioMedX והוא כולל את השלבים הבאים:

1. זיהוי אתגרים בתחום פיתוח תרופות בהם לבינה מלאכותית יש פוטנציאל לסייע ע”י חברות הפארמה השותפות וצוות המעבדה
2. הוצאת קול קורא עבור אתגר אחד (מדי רבעון)
3. תהליך מובנה עם היזמים שהגישו הצעות “Boot Camp”
4. הצגה הפרויקטים לוuעדת השקעות ע”י היזמים ובחירת היזמים/פרויקט למענה על האתגר

מיום שהחלה המעבדה לפעול (יוני 2021) פורסמו 6 אתגרים שונים שנוגעים לשלבים שונים בתהליך פיתוח תרופה חדשה והוקמו שש חברות חדשות שמציעות מענה לאותם אתגרים (DenovoAI ,Omec.AI ,CoBind TenAces ,CombinAble.AI, Promise Bio).

תמונת המצב בישראל איננה דומה לזו העולמית. בעולם פעלו בשנת 2023 כ-800 חברות בתחום זה, כאשר 53% מהן ממוקמות בארה”ב וההשקעות גדלו פי 10 בין 2017 ל-2021. בישראל לעומת זאת, פועלות מעט חברות בתחום, מוקמות חברות בודדות כל שנה והצמיחה החזויה בשוק הזה עדיין איננה מתבטאת כאן.

אמנם אין עדיין בשוק תרופות מאושרות שפותחו בעזרת בינה מלאכותית, אבל לא מעט מועמדים מצויים בשלבים שונים של ניסויים קליניים וניתן להניח שחלקם ייכנסו לשימוש בשנים הבאות. מומחים רבים מאמינים כי לבינה מלאכותית יש פוטנציאל לשנות את תעשיית התרופות ואת הדרך בה מגלים תרופות חדשות. כדי להגיע להישגים בתחום הזה נדרשת מומחיות בתחום התוכנה והבינה המלאכותית ליצירה ואימון של אלגוריתמים טובים, ביחד עם מומחיות בתחום הביולוגיה והפארמה שדרושה להבנה מעמיקה של המנגנונים הביולוגיים. השילוב הזה מתכתב היטב עם תחום הביו-קונברג’נס אותו מבקשים לקדם במסגרת תכנית לאומית ארוכת טווח בישראל. בישראל יש בסיס הייטק חזק והפניית משאבים וכח אדם ליישומים שרלוונטיים לפיתוח תרופות יכול לתת דחיפה ומינוף לתחום מבטיח זה.

---

* כל המובא במאמר זה נכון ליום כתיבתו ובהתאם לנתונים אשר עמדו בפני מחבר המאמר. רשות החדשנות או מי מטעמה אינם נושאים באחריות כלשהי לנכונות אמיתות ו/או דייקנות הנתונים, כולם או חלקם. המאמר מתפרסם כהעשרה לציבור ואין לעשות בו שימוש מסחרי כלשהו, ובכלל זה, לצורך מכירתו, הפצתו/הצגתו.