תהליכי הפיתוח של תרופות חדשות הם ארוכים ויקרים ושיעורי ההצלחה בהם נמוכים. פיתוח תרופה אורך 10-15 שנים, עלות התהליך כ 1.5-2 מיליארד $. עד היום, רק כ-10% מהתרופות שמגיעות לשלב הפיתוח הקליני עוברות בהצלחה את תהליך האישור הרגולטורי. אחוזי הצלחה נמוכים אלו והעלות הכספית הגבוהה שנגזרת מהם, מניעים צורך לפיתוח ואימוץ של גישות חדשות.
שילוב של בינה מלאכותית בפיתוח תרופות
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.
גישות מבוססות בינה מלאכותית
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.
מגמות שוק
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.
שיתופי פעולה של חברות פארמה בשנים האחרונות
בשנתיים האחרונות נרשמו לא מעט שיתופי פעולה של חברות פארמה עם חוקרים וחברות שמומחיותם בבינה מלאכותית. להלן כמה דוגמאות:
שיתוף פעולה של חברת AMGEN (פארמה) עם גוף המחקר Mila (קנדה) שמתמקד בבינה מלאכותית. הוקמה מעבדה בה עובדים זה לצד זה חוקרים משני הגופים כדי לקדם פיתוח תרופות חדשנות תוך שימוש בבינה מלאכותית.
חברת SANOFI (פארמה) הרחיבה את שיתוף הפעולה שלה עם חברת Exscientia (שימוש ב AI לגילוי תרופות חדשות). שיתוף הפעולה כולל שימוש בפלטפורמת ה-AI של חברת Exscientia בפתרון בעיות מורכבות בפיתוח תרופות חדשות.
חברת Novo Nordisk (פארמה) חתמה על הסכם לשיתוף פעולה עם חברת Microsoft במסגרתו משולבים מודלים של בינה מלאכותית שפותחו ב-Microsoft בתהליכי המחקר והפיתוח ב-Novo Nordisk.
חברת Pfizer (פארמה) משתפת פעולה עם חברת Tempus (פלטפורמת AI לשלבים שונים בפיתוח תרופות) במסגרתו Pfizer תעשה שימוש בפלטפורמת ה AI של Temus לגילוי ופיתוח תרופות חדשות לטיפול בסרטן.
כמות העסקאות לשיתופי פעולה שמטרתם שילוב בינה מלאכותית בתהליכי פיתוח תרופות מעידה על העניין ההולך וגובר של חברות הפארמה ביכולות של הבינה המלאכותית.
שחקנים ראויים לציון בשוק הגלובלי
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).
גודל השוק
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.
נקודות ציון חשובות פיתוח תרופות מבוסס בינה מלאכותית
ניסויים קליניים בתרופות
שפותחו עם בינה מלאכותית
ניסויים קליניים בתרופות שפותחו עם בינה מלאכותית מצויים עדיין בתחילת דרכם אבל הם הולכים ומתרבים ובחלקם כבר דווח על תוצאות חיוביות בפאזה הראשונה.
במאמר דעה שפורסם בספטמבר 2023 צוינו ניסויים קליניים בשלבים שונים שמנהלות 10 חברות שונות בתרופות חדשות שפותחו בעזרת בינה מלאכותית. התרופות מיועדות למגוון רחב של מחלות, החל מסוגים שונים של סרטן, דרך סוכרת, מחלות לב וכליות, מחלות זיהומיות ועוד.
חיזוי מבנה של חלבונים
ביולי 2021, מערכת הבינה המלאכותית AlphaFold של חברת DeepMind חזתה את המבנה של 330,000 חלבונים, בהם כל 20,000 החלבונים בגנום האנושי. מסד הנתונים של AlphaFold התרחב מאז וכולל למעלה מ-200 מיליון חלבונים, ומכסה כמעט את כל החלבונים המקוטלגים המוכרים למדע. כלי חישובי זה הוא בעל תרומה עצומה בתחום של פיתוח תרופות ויכול לשמש למידול המבנה של מטרות טיפוליות נבחרות שהמבנה שלהן לא פוענח עד כה, לצורך התאמה של תרופה המכוונת אליהן על בסיס התאמה מבנית.
הכרה על ידי גוף רגולטורי
במאי 2023 ה FDA פרסם מאמר שעוסק בשימושים נוכחיים ופוטנציאליים עבור בינה מלאכותית בגילוי תרופות, ניסויים פרה קליניים וקליניים, מחקרי בטיחות לאחר שיווק ושיווק תרופות. הסוכנות הסבירה כי מטרת הפרסום הוא קבלת מידע מהתעשייה ובעלי עניין אחרים בנוגע להזדמנויות והאתגרים בפיתוח תרופות באמצעות בינה מלאכותית.
בפרסום של ה FDA למאמר צוין כי בינה מלאכותית ולמידת מכונה כבר אינן מהוות קונספט עתידני אלא חלק אינטגרלי מהאופן בו אנו חיים ועובדים כיום.
פעילות התחום בישראל
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:
- זיהוי אתגרים בתחום פיתוח תרופות בהם לבינה מלאכותית יש פוטנציאל לסייע ע”י חברות הפארמה השותפות וצוות המעבדה
- הוצאת קול קורא עבור אתגר אחד (מדי רבעון)
- תהליך מובנה עם היזמים שהגישו הצעות “Boot Camp”
- 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).
חברות בישראל שמפתחות פלטפורמות מבוססות בינה מלאכותית לחיזוי רעילות ויעילות של תרופות
# | שם החברה | שנת הקמה | גיוסים (M$) | תמיכת הרשות |
---|---|---|---|---|
1 | CuResponse | 2017 | 14 | + |
2 | Quris.ai | 2020 | 37 | + |
3 | Tissue Dynamics | 2017 | 3.3 | + |
מקור: נתוני SNC ונתוני רשות החדשנות
חברות בישראל שמשתמשות בבינה מלאכותית לחיפוש מטרות תרופתיות וגילוי של מולקולות/תרופות חדשות
# | שם החברה | שנת הקמה | גיוסים (M$) | תמיכת הרשות |
---|---|---|---|---|
1 | 1E Therapeutics | 2021 | 120 | – |
2 | Biolojic design | 2010 | 4 | + |
3 | Compugen | 1993 | 142 | + |
4 | DeepCure | 2018 | 46 | – |
5 | ImmunAI | 2019 | 295 | – |
6 | Eleven Therapeutics | 2020 | 26 | – |
7 | Evogene | 2002 | 115 | + |
8 | OncoDecipher | 2021 | לא ידוע | – |
9 | Pangea Biomed | 2018 | 12 | + |
10 | Pepticom | 2011 | 7.6 | + |
11 | Pyxis Diagnostics | 2019 | 1.2 | + |
12 | Point6 Bio (VLX) | 2022 | לא ידוע | + |
13 | Protai | 2021 | 20 | + |
14 | Protica Bio (VLX) | 2021 | לא ידוע | + |
15 | Trojan Bio | 2021 | לא ידוע | + |
16 | Wild Biotech | 2019 | לא ידוע | + |
17 | Zip Bio | 2023 | לא ידוע | – |
מקור: נתוני SNC ונתוני רשות החדשנות
חברות בישראל שמפתחות פלטפורמות מבוססות בינה מלאכותית לתחום הניסויים הקליניים
# | שם החברה | שנת הקמה | גיוסים (M$) | תמיכת הרשות |
---|---|---|---|---|
1 | Beaconcure | 2016 | 18 | + |
2 | CytoReason | 2016 | 52 | – |
3 | Quanthealth | 2020 | 20 | + |
4 | Genoox | 2014 | 20 | + |
5 | Nucleai | 2017 | 60.5 | + |
6 | Pomicell | 2016 | 4 | + |
7 | PhaseV | 2023 | 15 | – |
מקור: נתוני SNC ונתוני רשות החדשנות
מגמות בישראל
בחיפוש נמצאו 27 חברות שפעילות בישראל. מהן 19 קיבלו תמיכה מרשות החדשנות עד היום (70%). הנתונים המוצגים בגרף להלן מראים כי רוב החברות (20) הוקמו בין השנים 2023-2016. שנת 2021 הייתה שנת השיא בה הוקמו 5 חברות. באותה שנה החלה לפעול גם מעבדת החדשנות AIONLABS שהחברות שהוקמו בה עד היום (6) אינן כלולות בספירה לעיל.
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.
סיכום
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.