Tekoäly tehostaa lääkekehitystä

Itä-Suomen yliopiston lääkeaineen suunnittelun professorin, Antti Poson mukaan tekoäly on hyvä ja ahkera assistentti. Sille on paljon käyttöä myös lääkekehityksessä sen kaikissa vaiheissa.

– Tekoäly voi auttaa tutkijaa käymällä läpi 500 tutkimusartikkelia ja luomalla niistä hyvän tiivistelmän, hän aloittaa.

Tekoäly voidaan valjastaa käsittelemään myös esimerkiksi diagnostisia tietoja, soluviljelyn tuloksia tai mikroskooppikuvia.

Se seuloo hetkessä läpi myös miljoonien molekyylien tietokannan ja pystyy analysoimaan yksittäisten molekyylien ominaisuuksia, vaikkapa vesiliukoisuutta.

– Tutkijat voivat ohjelmoida tekoälyn poimimaan tietokannasta hankkeensa kannalta kiinnostavia, tietyt kriteerit täyttäviä molekyylejä.

Poso hyödyntää tekoälyä juuri tässä lääkekehityksen varhaisessa, laskennallisessa kemiassa, kun molekyylivaihtoehtoja valitaan laboratoriossa tehtäviin jatkotutkimuksiin.

Potentiaalisia lääkeainemolekyylejä voidaan tekoälyn avulla etsiä yhä suuremmista tietokannoista. Poso kuvailee tätä kemiallisen avaruuden laajentumiseksi.

Hän vertaa lääkekehittäjää Lapissa pienellä purolla ahkeroivaan kullankaivajaan, joka on saanut käsiinsä uuden mullistavan työkalun:

– Jos aikaisemmin hippuja pystyi etsimään vaskoolin kanssa muutaman neliömetrin alueelta, niin nyt, uuden työkalun ansiosta, tutkittavan kentän koko voi olla vaikkapa 100 x 100 kilometriä. Iso alue ei silti yksistään takaa, että mitään arvokasta lopulta löytyy, täytyy osata hakea oikeasta kohdasta. Ja siinäkin tekoäly on hyvä työkalu.

Tekoäly ei itse löydä tarvittavia molekyyleja, vaan se toimii vain ihmisen apuna.

– Tekoäly pystyy vastaamaan spesifeihin, tarkasti rajattuihin kysymyksiin. Vielä ei ole olla tasolla, jossa tekoäly neuvoisi tutkijaa, tyyliin ’tee seuraavaksi näin’ tai ’älä tee noin’. En tiedä saavutetaanko tuollaista tasoa koskaan.

Tekoäly pystyy esimerkiksi ennustamaan molekyylien rakenteita, mutta vain sen perusteella, mitä se on oppinut muista molekyyleistä. Sillä ei pystytä tällä hetkellä rakentamaan aivan uudenlaisia rakenteita.

Tekoäly auttaa löytämään uusia lääkkeitä laajalla skaalalla. Se on yleistyökalu, jolla ei ole preferenssejä, joten se sopii yhtä lailla esimerkiksi syöpä-, kipu-, allergia- tai vaikkapa reumalääkkeiden kehittämiseen.

Tekoälyyn liittyy myös haasteita ja riskejä. Se on hyvä renki, mutta huono isäntä.

– Tärkeää on, että kun tekoäly käsittelee vaikkapa kliinisiä potilastietoja, kriittiset tiedot tarkistetaan myös alkuperäisistä lähteistä. Muuten on vaarana, että alkuvaiheen virhe kertaantuu ja vaikuttaa merkittävästi lopputulokseen.

Poso arvioi, että vaikka tekoäly tehostaa lääkekehitystä, se ei automaattisesti lyhennä lääkekehitykseen vaadittavaa kokonaisaikaa.

– Uusien lääkeaineiden testaaminen ja kliiniset tutkimukset vievät edelleen paljon aikaa ja vaivaa. Ainakaan itse en ole valmis tekemään mitään kompromisseja lääkkeen tehon ja turvallisuuden suhteen.

Poso toimii tällä hetkellä Vaikuttavuussäätiön rahoituksen turvin vierailevana professorina Orionilla, kolmen vuoden aikana yhteensä vuoden verran.

– Vien lääketeollisuuteen tietoa akateemisen maailman uusista menetelmistä, lähestymistavoista ja osaamisesta, tässä tapauksessa erityisesti koneoppimisesta ja kvanttilaskennasta. Välitän samalla yliopistolle tietoa teollisuuden tarpeista, toimintatavoista ja siitä, minkälaiselle osaamiselle heillä on kysyntää.

Poso toivoo, että hänen vierailuprofessuurinsa auttaa osaltaan pienentämään akateemisen maailman ja työelämän välistä kuilua.

– Joskus kun opetan lääkesuunnittelua yliopistolla, joku opiskelijoista saattaa pohtia, että ’kyllä, noin teoriassa, mutta mitenkähän ihan oikeasti teollisuudessa’. Nyt voin sanoa opiskelijoille, että siellä tehdään juuri niin kuin opetan.

Suomessa on poikkeuksellisen hyvät mahdollisuudet hyödyntää tekoälyä lääkesuunnittelussa. Maassamme riittää tekoälyn tarvitsemaa laskentatehoa, kiitos kolmen maailman tehokkaimpien joukkoon kuuluvan supertietokoneen. Hallitus on sitoutunut niiden kehittämiseen myös jatkossa.

– Supertietokoneet ovat lääkesuunnittelullemme – ja ylipäätään suomalaiselle tieteelle – erinomainen kilpailuvaltti. Muitahan ehdottomia etuja meillä ei ole.

Poso huomauttaa, että investoinnit supertietokoneisiin voivat maksaa itsensä moninkertaisesti takaisin, jo pelkästään taloudellisilla mittareilla laskettuna.

– Lääketeollisuudessa yksi kehitetty molekyyli voidaan parhaimmassa tapauksessa myydä eteenpäin vaikkapa miljardilla dollarilla.

Mutta missä olemme vaikkapa kymmenen tai viiden vuoden kuluttua?

– Tekoäly tehostaa kehitystyötä niin, että meillä on paljon uusia lääkkeitä. Pystymme tekemään asioita isommin ja tarkemmin. Mutta kaikki perustuu edelleen kemiaan. Lääkkeitä kehittävät ihmiset, ei tekoäly, Poso summaa.