Anthropicin Claude Science ja tekoäly lääkekehityksessä

Kun konversaatio-AI:sta tunnettu yritys alkaa palkata koeputkilla työskenteleviä tutkijoita ja rakentaa wet-labeja, se herättää huomiota. Anthropic on hiljaisesti siirtynyt chattimallien kehittelystä kohti lääkekehitystyökalupakin kokoamista ja esitteli Claude Sciencen The Briefing: AI for Science -tapahtumassa, raportoi The Verge.

Claude Science esitetään integroituna työtilana: tietojoukot, analyysityökalut ja visualisointimoottorit yhdistettynä yhteen käyttöliittymään, jotta tutkijat näkevät monimutkaiset tulokset selkeinä kaavioina ja kuvina hajanaisten tiedostojen sijaan. Ajatus on houkutteleva. Yksi ympäristö, joka yhdistää laskennalliset työnkulut, voisi lyhentää rutiinianalyysien aikaa viikoilla ja tuoda hypoteesit esiin nopeammin.

Alustan rakentaminen ja todellisuudessa molekyylin vieminen kliinisiin kokeisiin ovat kuitenkin hyvin erilaisia projekteja. Anthropic kertoo aikovansa keskittyä laiminlyötyihin sairauksiin ja kehittää räätälöityjä hoitoja. Tietoja on toistaiseksi niukasti siitä, miten yhtiö aikoo toteuttaa eläinkokeita, järjestää kliinisiä tutkimuksia tai tehdä yhteistyötä vakiintuneiden valmistajien kanssa. Yritys on kuitenkin palkannut viime vuoden aikana runsaasti elintieteiden asiantuntijoita ja on raporttien mukaan perustanut erillisiä laboratorioita tukemaan tavoitteitaan.

Anthropic astuu kilpailtuun kenttään. Suuret teknologiayritykset ja erikoistuneet startupit pyrkivät jo myymään laskennallista lääkkeiden löytöä: OpenAI, Google ja Amazon ovat käynnistäneet elintieteisiin liittyviä aloitteita; Insilico ja Isomorphic Labs ovat kehittäneet kokonaisia lääkkeiden suunnittelun putkia vuosia. Se, mikä erottaa Anthropicin, on sen tausta suurten kielimallien kehittäjänä ja julkinen panostus siihen, että nämä mallit voivat merkittävästi nopeuttaa tieteellisiä työnkulkuja yhdistettynä alakohtaiseen dataan ja laboratoriokapasiteettiin.

Asiantuntijat varoittavat liiallisesta innostuksesta. Cambridgein ja UCL:n tutkijat huomauttavat, että AI-työkalut ovat arvokkaita monissa vaiheissa, esimerkiksi uusien perusrakenteiden ehdottamisesta ja monidimensionaalisten assayaineistojen analysointiin, mutta ne eivät korvaa tarvetta korkealaatuisille kokeellisille datoille. Biologiassa signaali on usein kohinainen. Jatkuvasti samanlaisia ja hyvin kommentoituja tietojoukkoja kaipaavat mallit voivat takertua kokeellisten tulosten epätasaisuuteen ja heterogeenisuuteen.

Voivatko laskennalliset menetelmät poistaa käytännön kokeet? Vielä ei. Oxfordin kemistit ja muut korostavat, että yhdisteen teho, toksisuus ja annostelu elävissä järjestelmissä on silti varmistettava. Ennustavat mallit auttavat priorisoimaan ehdokkaita. Ne eivät tällä hetkellä poista fyysisen validoinnin perusvaatimusta.

Anthropic näyttää ymmärtävän tämän eron; sen investoinnit biologeihin ja laboratoritiloihin viittaavat hybridilähestymistapaan: tekoäly tuottaa johtolankoja, ihmiset ja kokeet todistavat ne.

Seuraa jatkossa: pystyykö Claude Science yhdistymään ulkoisten CRO-toimijoiden ja valmistajien kanssa, kuinka läpinäkyviä Anthropic on validointityönkulkuihin liittyen, ja tuottaako alusta toistettavissa olevaa prekliinistä dataa, joka vakuuttaa sääntelyviranomaiset ja kumppanit. Jos yritys pystyy yhdistämään laskennallisen ja kokeellisen maailman, se voisi lisätä uskottavan uuden toimijan tekoälyn ohjaamaan lääkekehitykseen, mutta toteutus ratkaisee kaiken.