Zespół badawczy stworzył „wirtualną firmę biotechnologiczną”, w której tysiące agentów opartych na sztucznej inteligencji współpracują nad różnymi etapami procesu odkrywania leków.
W badaniu opublikowanym w czasopiśmie „Science” system przeanalizował dane z 55 984 badań klinicznych. Naukowcy poprosili go również o zbadanie białka B7-H3, które jest już przedmiotem badań jako potencjalny cel terapeutyczny w leczeniu raka płuc.
Wyniki są interesujące. Jednak sztuczna inteligencja nie odkryła związku B7-H3, nie opracowała nowego leku ani nie udowodniła skuteczności danej metody leczenia. Jej propozycja nie została jeszcze zweryfikowana eksperymentalnie.
Czym właściwie zajmowało się 37 000 agentów AI?
Firma „Virtual Biotech” została zaprojektowana tak, by funkcjonować na zasadach podobnych do firmy biotechnologicznej.
Sztuczna inteligencja pełniąca funkcję „głównego naukowca” przydzielała zadania zespołom zajmującym się takimi obszarami, jak cele terapeutyczne, projektowanie leków i badania kliniczne. Ponad 37 000 agentów przeanalizowało po jednym badaniu klinicznym na późnym etapie.
Następnie naukowcy postawili przed systemem bardziej konkretne zadanie: ocenić, czy białko CD276, znane szerzej jako B7-H3, może stanowić użyteczny cel terapeutyczny w leczeniu raka płuc.
B7-H3 nie było nowym odkryciem. Wcześniejsze badania wykazały już wysokie stężenie tego białka w niektórych nowotworach płuc i sugerowały, że może ono pomagać komórkom nowotworowym w uniknięciu odpowiedzi układu odpornościowego.
System przeanalizował istniejące dane genetyczne, dane dotyczące pojedynczych komórek, dane przestrzenne oraz dane kliniczne. Wskazał B7-H3 jako potencjalny cel i zaproponował zastosowanie koniugatu przeciwciała z lekiem (ADC) do jego zwalczania.
ADC łączy w sobie przeciwciało rozpoznające określony cel z lekiem zwalczającym nowotwór. Zadaniem przeciwciała jest przetransportowanie leku do komórek posiadających ten cel.
W naszym artykule poświęconym białku TROP2 i rakowi płuc dokładniej przyglądamy się mechanizmowi działania koniugatów antygen-lek (ADC) oraz kwestiom związanym z ich stosowaniem.
Lek B7-H3 jest już testowany w leczeniu drobnokomórkowego raka płuca
Podczas Światowej Konferencji poświęconej rakowi płuc w 2026 r. przedstawiono wstępne wyniki badań III fazy dotyczących dwóch odrębnych leków typu ADC skierowanych przeciwko B7-H3, stosowanych w leczeniu nawrotowego drobnokomórkowego raka płuc.
W badaniu TAISHAN-302 tambotatug pelitecan wydłużył medianę całkowitego czasu przeżycia do 13,3 miesiąca, w porównaniu z 9,4 miesiąca w przypadku topotekanu.
W badaniu ARTEMIS-008 mediana całkowitego czasu przeżycia wyniosła 18,5 miesiąca w przypadku stosowania risvutatugu rezetecanu oraz 10,3 miesiąca w przypadku stosowania topotekanu.
Oba badania przeprowadzono w Chinach. Konieczne są dalsze badania, aby ustalić, czy wyniki te mają równie silne zastosowanie w przypadku szerszych grup ludności, w tym mieszkańców Europy.
Leki te zostały opracowane niezależnie od badania przeprowadzonego przez firmę Virtual Biotech. Wyniki te nie potwierdzają słuszności systemu opartego na sztucznej inteligencji ani nie dowodzą, że jego propozycja byłaby skuteczna. Pokazują one jednak, dlaczego B7-H3 cieszy się zainteresowaniem w badaniach nad rakiem płuc.
Dzieje się to w momencie, gdy leczenie drobnokomórkowego raka płuca zaczyna się zmieniać po dziesięcioleciach ograniczonych postępów. W naszym artykule poświęconym nowym metodom leczenia drobnokomórkowego raka płuca w Europie wyjaśniamy niektóre z najnowszych osiągnięć oraz dlaczego zatwierdzenie leku w Europie nie oznacza automatycznie dostępu do niego.
Podczas naszego niedawnego webinarium poświęconego drobnokomórkowemu rakowi płuc poruszono również kwestie dostępu do badań klinicznych, nowych metod leczenia oraz wsparcia, jakiego potrzebują pacjenci w sytuacji, gdy konieczne jest podjęcie szybkiej decyzji.
Firma Virtual Biotech nie opracowała jeszcze metody leczenia
Badanie pokazuje, co duży zespół agentów opartych na sztucznej inteligencji może osiągnąć, korzystając z dostępnych informacji. Nie dowodzi ono jednak, że proponowana przez nich metoda leczenia jest bezpieczna lub skuteczna.
Nie wyprodukowano żadnego nowego leku B7-H3 opracowanego przez firmę Virtual Biotech. Jego koncepcja nie została zweryfikowana w eksperymentach laboratoryjnych, badaniach na zwierzętach ani w badaniach klinicznych.
W prace nadal zaangażowani byli również naukowcy. Wybrali oni raka płuc jako cel badań systemu, weryfikowali jego działanie oraz zaprosili zewnętrznych specjalistów do oceny projektu.
Opracowywanie leków to nie tylko poszukiwanie prawdopodobnego celu terapeutycznego. Potencjalny środek leczniczy trzeba jeszcze wyprodukować, przetestować i porównać z dotychczasowymi metodami leczenia. Wiele pozornie obiecujących pomysłów upada właśnie na tym etapie.
Czy sztuczna inteligencja mogłaby przyspieszyć proces opracowywania leków na raka płuc?
Potencjał tkwi w szybkości i skali.
Zespół naukowców nie jest w stanie rozdzielić dziesiątek tysięcy badań klinicznych między dziesiątki tysięcy badaczy. System oparty na sztucznej inteligencji potrafi zorganizować pracę na taką skalę i wyszukiwać powiązania w ogromnych zbiorach danych.
Może to pomóc naukowcom w podjęciu decyzji, które obszary badań zasługują na większą uwagę, w ustaleniu przyczyn sukcesów lub porażek poprzednich badań oraz w zawężeniu zakresu pomysłów poddawanych badaniom laboratoryjnym.
Może też generować przekonujące błędy na dużą skalę. Jakość jego wniosków zależy od otrzymanych danych, zadanych pytań oraz kontroli przeprowadzanych przez osoby posiadające odpowiednią wiedzę specjalistyczną.
W oświadczeniu organizacji Lung Cancer Europe dotyczącym wykorzystania sztucznej inteligencji w leczeniu raka płuc wzywa się do zapewnienia przejrzystości i oparcia się na dowodach naukowych, przy czym w centrum uwagi ma pozostać ludzki osąd, a osoby dotknięte rakiem płuc powinny być angażowane w podejmowanie decyzji dotyczących sposobu wykorzystania sztucznej inteligencji.
Zasady te mają zastosowanie zarówno w badaniach nad lekami, jak i w opiece klinicznej.
Kto odnosi korzyści z przyspieszenia badań nad rakiem płuc?
Szybsze znalezienie potencjalnego celu terapeutycznego to tylko jedna z części tego zadania.
Dwa badania III fazy dotyczące leku B7-H3 przeprowadzono w Chinach. To, czy terapie te ostatecznie trafią do pacjentów w Europie, zależeć będzie od dalszych wyników badań, decyzji organów regulacyjnych oraz krajowych procedur refundacyjnych.
Dostęp do nowych metod leczenia raka płuc już teraz znacznie różni się w poszczególnych krajach europejskich. Atlas dostępu do leczenia raka płuc opracowany przez organizację Lung Cancer Europe umożliwia użytkownikom porównanie informacji dotyczących refundacji, badań biomarkerów, badań przesiewowych i badań klinicznych w całej Europie.
Sztuczna inteligencja może pomóc badaczom w szybszym przejściu przez wczesne etapy opracowywania leków. Nie jest jednak w stanie samodzielnie rozwiązać problemów związanych z powolnym procesem zatwierdzania leków, nierównym dostępem do badań, ograniczoną dostępnością badań klinicznych ani różnicami w finansowaniu na poziomie krajowym.
Te same pytania pojawiają się również w innych obszarach medycznej sztucznej inteligencji. W naszym artykule poświęconym obrazowaniu opartemu na sztucznej inteligencji oraz inicjatywie „Cancer Image Europe” analizujemy, w jaki sposób lepsze dane mogłyby wspierać badania i diagnostykę, a także dlaczego kwestie reprezentacji, zarządzania i dostępu wymagają uwagi już na samym początku.
Co będzie dalej?
Firma „Virtual Biotech” musi teraz wykazać swoją wartość poza systemem komputerowym.
Zanim będzie można stwierdzić, czy propozycja B7-H3 ma szansę stać się metodą leczenia, konieczne będzie przeprowadzenie badań eksperymentalnych. System ten należy również przetestować w kontekście innych zagadnień badawczych, aby sprawdzić, na ile jest niezawodny.
Dla osób dotkniętych rakiem płuc test ten jest prosty: czy to podejście pomaga w opracowywaniu bezpiecznych i skutecznych metod leczenia oraz czy te metody docierają do osób, które ich potrzebują?
Odpowiedź na to pytanie dostarczą badania laboratoryjne, badania kliniczne oraz praktyczne zastosowanie, a nie liczba wykorzystywanych środków opartych na sztucznej inteligencji.