เอเจนต์เอไอเปลี่ยนเกมค้นพบยาใหม่ จากบริษัทเสมือนจริงสู่ยารักษาพาร์กินสัน

AI drug discovery คืออะไร และกำลังเปลี่ยนสมการพัฒนายาอย่างไร

AI drug discovery คือการใช้ปัญญาประดิษฐ์และ machine learning medicine เพื่อค้นหาเป้าหมายของโรค ออกแบบโมเลกุลยา ทำนายผลการทดลอง และวางแผนการทดสอบทางคลินิกในห่วงโซ่เดียวกัน ตั้งแต่ข้อมูลระดับยีนจนถึงพฤติกรรมของเซลล์และผู้ป่วย เป้าหมายคือทำให้การวิจัยและพัฒนายารุ่นใหม่มีความแม่นยำ เร็ว และต้นทุนต่ำลงเมื่อเทียบกับวิธีการลองผิดลองถูกแบบเดิมที่ต้องใช้ห้องแล็บ คน และเวลาจำนวนมาก

หัวใจของบทความนี้คือ การที่เอเจนต์เอไอและโมเดลเรียนรู้โลกของชีววิทยากำลังทำให้โครงสร้างอุตสาหกรรมยาเปลี่ยนไปจากรากฐาน เอไอไม่ได้แค่ช่วยนักวิจัยค้นหายาอีกชนิดหนึ่ง แต่กำลังกลายเป็นโครงสร้างพื้นฐานใหม่ของ AI pharmaceutical development ตั้งแต่บริษัทไบโอเทคเสมือนจริงของสถาบันวิชาการ ไปจนถึงสตาร์ทอัพที่พยายามพิสูจน์ว่าบริษัทยาสามารถมีกำไรจากโมเลกุลที่ออกแบบโดยเอไอได้จริง การเปลี่ยนผ่านนี้จึงไม่ใช่ข่าวเทคโนโลยีทั่วไป แต่เป็นการท้าทายสูตรสำเร็จเดิมของอุตสาหกรรมยาทั้งระบบ

บริษัทไบโอเทคเสมือนจริงของสแตนฟอร์ด ตัวอย่างสุดขั้วของ virtual biotech company

การทดลองของ Stanford Medicine กับบริษัทไบโอเทคเสมือนจริงที่มีพนักงานเอไอ 37,000 ตัวคือภาพชัดเจนที่สุดของ virtual biotech company ในตอนนี้ นักวิจัยจำลองโครงสร้างองค์กรไบโอเทคชั้นนำ ตั้งแต่ตำแหน่งประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์ไปจนถึงทีมเฉพาะทางด้านค้นหาเป้าหมายระดับโมเลกุลและออกแบบการทดลองทางคลินิก เพื่อให้เอเจนต์เอไอทำงานร่วมกันในกระบวนการพัฒนายาแบบครบวงจร

เอเจนต์เหล่านี้ทำงานที่เคยต้องใช้ทีมมนุษย์จำนวนมาก เช่น วิเคราะห์และจัดทำแคตตาล็อกการทดลองกว่า 50,000 รายการภายในเวลาไม่ถึงหนึ่งสัปดาห์ ซึ่งถ้าใช้คนอาจต้องใช้เวลาหลายปี นี่คือข้อพิสูจน์ว่า AI agents สามารถรับมือเวิร์กโฟลว์ซับซ้อนในอุตสาหกรรมยาได้ และยังข้ามช่วงเริ่มต้นธุรกิจที่สตาร์ทอัพทั่วไปต้องเจอ การที่ระบบเอไอที่ไม่มีห้องแล็บจริงสามารถออกแบบยามะเร็งได้ผลลัพธ์สอดคล้องกับบริษัทยาชั้นนำภายหลัง แสดงให้เห็นว่า machine learning medicine ไม่ได้เป็นแค่เครื่องมือเสริม แต่สามารถยืนเทียบเคียงความคิดมนุษย์ในระดับองค์กร

Insilico และโมเลกุลที่เอไอออกแบบเอง พิสูจน์ว่า AI pharmaceutical development ทำกำไรได้

ฝั่งภาคเอกชน Insilico Medicine คือสตาร์ทอัพ AI drug discovery ที่กำลังพิสูจน์ว่าระบบนี้ไม่ได้อยู่แค่ในงานวิจัย แต่เดินหน้าเข้าตลาดยาอย่างจริงจัง บริษัทใช้เอไอระบุเป้าหมายโรคและออกแบบโมเลกุลยาเพื่อรักษา idiopathic pulmonary fibrosis และประกาศว่ายา rentosertib ของตนเป็นยาแรกที่เอไอค้นพบเองจนเข้าสู่การทดลองทางคลินิกขนาดใหญ่หรือเฟส 3 ในจีนได้ นี่คือการตอบคำถามที่อุตสาหกรรมเฝ้าดูมานาน ว่าโมเลกุลที่ออกแบบโดยเอไอจะเดินไปถึงปลายทางคลินิกได้หรือไม่

เรื่องราวของ Insilico ยังสะท้อนวิวัฒนาการของมุมมองต่อเอไอในอุตสาหกรรมยา เดิมบริษัทก่อตั้งขึ้นจากแนวคิดว่าจะใช้เอไอเลือกเป้าหมายโรคและสร้างโมเลกุลอย่างรวดเร็ว ท่ามกลางกระแสสตาร์ทอัพจำนวนมากที่ล่มสลาย ผู้ก่อตั้งยอมรับเองว่าครั้งหนึ่งเคยเชื่อว่าเอไอจะมาแทนเคมีภัณฑ์เชิงยา แต่ความสำเร็จของ rentosertib แสดงให้เห็นว่าพลังของ AI pharmaceutical development อยู่ที่การร่วมมือกับนักวิทยาศาสตร์ ไม่ใช่การแทนที่ เมื่อโมเลกุลที่คิดว่ามีโอกาสสำเร็จน้อยกว่าร้อยละหนึ่งเดินมาถึงเฟส 3 ได้ ความเสี่ยงก็ถูกเฉลี่ยด้วยข้อมูลและอัลกอริทึม มากกว่าการเดิมพันจากสัญชาตญาณคนเพียงอย่างเดียว

Cellular Intelligence กับภารกิจควบคุมพฤติกรรมเซลล์ และยาพาร์กินสัน

Cellular Intelligence เดินอีกเส้นทางหนึ่งของ AI drug discovery ด้วยแนวคิดสร้างโมเดลเอไอที่ทำนายและควบคุมพฤติกรรมของเซลล์เหมือนที่โมเดลภาษาทำนายข้อความ เป้าหมายคือทำให้การสร้างยาที่ใช้เซลล์มีความเร็วและต้นทุนต่ำลงเมื่อเทียบกับการทดลองแบบลองผิดลองถูกในห้องแล็บที่กินเวลาหลายทศวรรษ บริษัทวางโมเดลของตนเป็น world model ของชีวิต ที่มองเซลล์เป็นหน่วยประมวลผลรับสัญญาณและเปลี่ยนพฤติกรรมได้

ความทะเยอทะยานของ Cellular Intelligence ไม่ได้อยู่ที่โมเดลเพียงอย่างเดียว แต่รวมถึงการนำไปทดสอบบนยาจริง บริษัทเข้าซื้อสิทธิระดับโลกของ STEM-PD ยาเซลล์บำบัดรักษาโรคพาร์กินสันที่ถูกยุติโครงการโดยบริษัทก่อนหน้า เพื่อใช้เป็นสนามทดสอบโมเดลของตน พร้อมดึงนักบุกเบิกเอไอและผู้นำด้านชีวการแพทย์อย่าง Yann LeCun และ Robert Langer เข้ามาในคณะที่ปรึกษาวิทยาศาสตร์ แผนระยะต่อไปคือการให้สิทธิใช้งานโมเดลกับพันธมิตรยาหลายรายเพื่อทำ AI pharmaceutical development และร่วมพัฒนายาใหม่ในอนาคต ทิศทางนี้ชี้ว่าค่าที่แท้จริงของ machine learning medicine อาจไม่ใช่แค่ยาตัวเดียว แต่คือแพลตฟอร์มที่เปลี่ยนวิธีคิดเรื่องเซลล์และโรคทั้งระบบ

เอเจนต์เอไอกำลังเขียนกติกาใหม่ของอุตสาหกรรมยา

เมื่อมองภาพรวม ตั้งแต่ virtual biotech company ของสแตนฟอร์ด ไปจนถึง Insilico และ Cellular Intelligence เราเห็นรูปแบบเดียวกัน คือ AI agents และโมเดลเรียนรู้เชิงลึกกำลังเข้าไปแทนที่สายการผลิตความคิดที่เคยใช้คนจำนวนมาก เวลาแรมปี และต้นทุนสูง เอเจนต์เอไอที่วิเคราะห์การทดลองกว่า 50,000 รายการในหนึ่งสัปดาห์ หรือโมเดลที่ทำนายพฤติกรรมเซลล์ได้แม่นยำกว่าโมเดลเดิมแม้ไม่เคยฝึกบนเซลล์มะเร็งเลย ล้วนตั้งคำถามกับแนวคิดว่า “ของดีต้องช้าและแพง” ในการพัฒนายา

อย่างไรก็ตาม การเปลี่ยนผ่านนี้ไม่ควรถูกมองว่าเป็นชัยชนะของเครื่องจักรเหนือมนุษย์ แต่คือการออกแบบโครงสร้างใหม่ที่ให้คนและเอไอทำในสิ่งที่ตนถนัดที่สุด เมื่อเอเจนต์เอไอรับงานที่ต้องกลั่นข้อมูลและจำลองสถานการณ์จำนวนมหาศาล นักวิทยาศาสตร์และแพทย์จึงมีพื้นที่มากขึ้นในการตีความ ตัดสินใจเชิงจริยธรรม และออกแบบการศึกษาที่มีความหมายต่อผู้ป่วย สุดท้ายแล้ว AI drug discovery และ machine learning medicine จะเร่งพัฒนายาได้แค่ไหน อาจขึ้นอยู่กับว่าอุตสาหกรรมยาจะยอมทดลองโครงสร้างองค์กรและรูปแบบความร่วมมือแบบใหม่มากเพียงใด ไม่ใช่เพียงความเก่งของอัลกอริทึมเพียงอย่างเดียว