Jedna od glavnih prednosti primjene umjetne inteligencije u ranim fazama otkrivanja lijekova jest ta da umjetna inteligencija može izvoditi virtualni probir u velikoj mjeri ili provoditi više eksperimenata istovremeno, čime se povećava razmjer probira spojeva i unaprjeđuje potencijalne spojeve u vodeće spojeve, kao i brzina kandidata za terapije. Dr. Jim Collins, profesor na MIT-u, izjavio je u intervjuu s timom za sadržaj WuXi AppTec da istraživači mogu obučavati AI modele s malim knjižnicama spojeva i zatim koristiti te modele za istraživanje ogromnih kemijskih prostora. To omogućuje njegovu timu da dovrši pregled virtualne biblioteke spojeva koja sadrži milijarde spojeva u roku od nekoliko dana. To se ne može postići konvencionalnim eksperimentima.
Gospodin Panna Sharma, izvršni direktor tvrtke Lantern Pharma, izjavio je u intervjuu za Nature Cancer da projekt istraživanja i razvoja tvrtke protiv raka, od početne rupe generirane umjetnom inteligencijom do ulaska u prvo kliničko ispitivanje na ljudima, traje otprilike upola kraće od tradicionalnih strategija. i može smanjiti troškove do 80%. Druge tvrtke koje koriste AI za razvoj lijekova, kao što su Recursion i Insilico Medicine, imaju slična iskustva. Iako umjetna inteligencija trenutačno ne može zamijeniti eksperimente, ona može omogućiti istraživačima brže dovršavanje ispravnih eksperimenata, čime se povećava stopa uspjeha.
Jedan od ranih utjecaja umjetne inteligencije na liječenje raka mogao bi se odraziti u ponovnoj uporabi neuspješnih ili zastarjelih lijekova. Uzimajući za primjer Lantern, njegova platforma umjetne inteligencije prikuplja milijarde točaka podataka povezanih s onkologijom. Ti podaci dolaze iz znanstvenih istraživanja, kliničkih ispitivanja i baza podataka. Korištenjem strojnog učenja za predviđanje odgovora pacijenata na lijekove kandidate, umjetna inteligencija može brzo otkriti prethodno neotkrivene nove indikacije ili identificirati nove podtipove raka i njihove biomarkere koji još nisu u potpunosti karakterizirani.
Identificiranje učinkovitih kombinacija lijekova još je jedan smjer primjene umjetne inteligencije. Trenutno je testiranje kombinacija lijekova teško i dugotrajno, dok umjetna inteligencija može brže predvidjeti koje su kombinacije lijekova učinkovitije analizom podataka iz svih kliničkih ispitivanja.
Sposobnost generativne umjetne inteligencije da prilagodi nove molekularne strukture na temelju specifičnih ciljanih značajki za postizanje specifičnih terapeutskih učinaka posebno je uzbudljiva za njezine pristaše. Trenutačno je generativna umjetna inteligencija pokazala sposobnost dizajniranja novih proteina ili spojeva male molekule od nule na temelju ciljanih karakteristika u pretkliničkim istraživanjima. Na primjer, tim profesora Davida Bakera, dobitnika Nobelove nagrade, objavio je rad u časopisu Science predstavljajući poboljšani alat za simulaciju proteina RoseTTAFold All Atom i alat za dizajn proteina RFdiffuion All Atom. RoseTTAFold All Atom omogućuje znanstvenicima simulaciju interakcija između proteina i drugih biomolekula. RFdiffuion All Atom omogućuje znanstvenicima da dizajniraju potpuno nove proteine od nule na temelju džepova koji se vežu na specifične spojeve, potencijalno otvarajući put dizajniranju preciznih terapija.
S druge strane, većina biomolekula koje generira umjetna inteligencija u trenutnom procesu kliničkog istraživanja i razvoja još uvijek je slična postojećim molekulama, koje su prilagođene kako bi se poboljšala njihova selektivnost ili smanjila neciljana toksičnost.
Lijekovi kandidati tek trebaju dokazati svoju učinkovitost kod ljudi, što se ne može postići bez kliničkih ispitivanja. U procesu razvoja lijekova, klinička ispitivanja zauzimaju većinu troškova i vremena istraživanja i razvoja, tako da čak i malo poboljšanje učinkovitosti može imati ogroman učinak.
Rekurzija koristi kliničke i multiomičke podatke iz profesionalnih institucija za prikupljanje podataka kao što je Tempus, na temelju modela umjetne inteligencije za identifikaciju pacijenata koji bi mogli dati najbolji odgovor. Poboljšanje probira pacijenata ne znači samo ispitivanja manjeg opsega, već i teoretski povećava stope uspjeha.
Umjetna inteligencija također se može koristiti za otkrivanje odgovarajućih pacijenata i određivanje optimalne lokacije ispitivanja, čime se maksimalno ubrzava regrutiranje pacijenata.
