AI drug discovery platform คืออะไร และทำไมถึงกลายเป็นหัวใจใหม่ของอุตสาหกรรมยา
AI drug discovery platform คือแพลตฟอร์มซอฟต์แวร์ที่ใช้ปัญญาประดิษฐ์และข้อมูลวิทยาศาสตร์จำนวนมากเพื่อช่วยออกแบบ ทำนาย และคัดเลือกโมเลกุลยา ตั้งแต่ระดับปฏิกิริยาเคมีจนถึงโปรตีนเชิงซ้อน โดยเชื่อมกระบวนการวิเคราะห์ข้อมูล การจำลอง และการทดลองในห้องปฏิบัติการเข้าด้วยกัน เพื่อลดรอบเวลาการวิจัยและเพิ่มความแม่นยำของผู้สมัครยาใหม่
สิ่งที่น่าสนใจคือภาพใหญ่ที่กำลังก่อตัวขึ้น ความร่วมมือบิโอเทค AI ระลอกใหม่ไม่ใช่แค่การทดลองเล่นเทคโนโลยี แต่คือการรื้อแบบจำลองการวิจัยยาแบบเดิมที่กินเวลานานและสิ้นเปลืองทรัพยากร วันนี้บริษัทวิจัยยาไม่ได้แข่งขันกันแค่โมเลกุล แต่แข่งขันกันที่แพลตฟอร์มข้อมูลและปัญญาประดิษฐ์ที่รองรับการเร่งสารสำรวจยา
กรณีของ Hansa Biopharma ที่นำแพลตฟอร์มแบบครบวงจรของ Cradle มาใช้ตลอดสายการค้นพบ เพื่อออกแบบ ปรับปรุง และพัฒนาโมเลกุลยาใหม่ แสดงชัดว่าบริษัทชั้นนำเริ่มมอง AI เป็นโครงสร้างพื้นฐานวิจัย ไม่ใช่แค่เครื่องมือเสริมอีกชิ้นหนึ่ง แนวโน้มนี้กำลังขยายไปทั่วห่วงโซ่ ตั้งแต่ฐานข้อมูลปฏิกิริยาเคมีของ CAS และ Novartis ไปจนถึงเวิร์กโฟลว์การวิจัยที่ใช้คลาวด์ของ CSL กับ AWS
จากข้อมูลปฏิกิริยาเคมีสู่ฐานความรู้ที่พร้อมสำหรับ AI: บทเรียนจาก CAS และ Novartis
การออกแบบโมเลกุลยาเริ่มต้นที่ข้อมูลปฏิกิริยาเคมี หากข้อมูลกระจัดกระจาย AI ก็ไม่มีวันฉลาดเต็มที่ ความร่วมมือระหว่าง CAS กับ Novartis แสดงให้เห็นว่าบริษัทวิจัยตระหนักดีว่าคุณภาพข้อมูลคือคอขวดสำคัญ โครงการนี้สร้างฐานข้อมูลการสังเคราะห์แบบบูรณาการและแพลตฟอร์มการค้นหาขั้นสูงที่ปรับแต่งได้ เพื่อสนับสนุนการค้นพบและการวิเคราะห์ข้อมูลปฏิกิริยาเคมี
หัวใจของการเปลี่ยนผ่านคือการเชื่อมข้อมูลการทดลองที่เป็นกรรมสิทธิ์ของ Novartis เข้ากับข้อมูลปฏิกิริยาที่คัดสรรแล้วกว่า 160 ล้านรายการใน CAS Content Collection ซึ่งจะถูกจัดระเบียบและสร้างมาตรฐานผ่านแพลตฟอร์ม CAS Intelligence Hub เพื่อให้พร้อมสำหรับการวิจัยเชิงคำนวณ การเรียนรู้ของเครื่อง และการประยุกต์ใช้ AI นี่คือการเปลี่ยนกองเอกสารและสมุดบันทึกให้กลายเป็นแหล่งเชื้อเพลิงของโมเดล
ที่สำคัญ CAS ยังร่วมพัฒนาแพลตฟอร์มการค้นพบที่ปรับแต่งได้บนสถาปัตยกรรม SciFinder เพื่อให้นักวิจัยค้นหาและเปรียบเทียบปฏิกิริยาภายในองค์กรควบคู่กับข้อมูล CAS ในครั้งเดียว นี่ไม่ใช่แค่เครื่องมือค้นหา แต่เป็น AI drug discovery platform ระดับข้อมูลต้นน้ำที่กำลังวางรากฐานให้การออกแบบโมเลกุลการออกแบบ AI ในอนาคตมีบริบทเชิงเคมีที่ลึกและครบกว่าเดิม
โมเลกุลการออกแบบ AI ในโลกจริง: Hansa Biopharma และ Cradle เร่งการวิศวกรรมโปรตีน
หาก CAS และ Novartis แก้ปัญหาข้อมูลต้นน้ำ ความร่วมมือระหว่าง Hansa Biopharma กับ Cradle คือภาพของการลงมือออกแบบโปรตีนและโมเลกุลยาในระดับปลายน้ำจริง Hansa ประกาศนำแพลตฟอร์มแบบครบวงจรของ Cradle มาใช้ในสายการค้นพบ เพื่อออกแบบ ปรับปรุง และพัฒนาโมเลกุลยาใหม่สำหรับผู้ป่วยโรคภูมิคุ้มกันทำลายตัวอย่างรุนแรง
แพลตฟอร์มของ Cradle ถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพหลายคุณสมบัติของโปรตีนพร้อมกัน เช่น กิจกรรม ความเสถียร และการแสดงออก โดยไม่ต้องแยกเป็นขั้นตอนต่อเนื่อง แต่ปรับสมดุลเป้าหมายที่ขัดแย้งกันในรอบเดียว Sofia Järnum จาก Hansa มองว่าความสามารถแบบครบวงจร การปรับปรุงหลายพารามิเตอร์ และการเรียนรู้จากข้อมูลของ Hansa เอง คือเงื่อนไขจำเป็นของการวิศวกรรมโปรตีนรุ่นถัดไป
ผลลัพธ์ไม่ใช่แค่ทฤษฎี Cradle รายงานว่าลูกค้าทำโครงการได้เร็วขึ้น 2–12 เท่าในกว่า 50 โครงการ และนักวิทยาศาสตร์ให้คะแนนผู้สมัครโปรตีนที่ออกแบบด้วย AI เฉลี่ย 8 จาก 10 เมื่อแพลตฟอร์มเรียนรู้จากข้อมูลห้องปฏิบัติการทุกครั้ง การเร่งสารสำรวจยาจึงกลายเป็นวงจรต่อเนื่องที่ฉลาดขึ้นเรื่อยๆ และ Hansa เองก็ผูกกลยุทธ์การสร้างสายผลิตภัณฑ์รุ่นต่อไปเข้ากับการค้นพบยาที่ขับเคลื่อนด้วย AI อย่างชัดเจน
CSL และ AWS: เมื่อเวิร์กโฟลว์ R&D ถูกออกแบบให้คิดแบบ AI ตั้งแต่ต้น
อีกด้านหนึ่งของสมการคือการทำให้เวิร์กโฟลว์วิจัยรองรับ AI ตั้งแต่การออกแบบทดลองจนถึงงานเอกสาร ความร่วมมือของ CSL กับ AWS แสดงภาพนี้ได้ดี บริษัทประกาศนำปัญญาประดิษฐ์และการประมวลผลบนคลาวด์มาเชื่อมกับการวิจัยและการพัฒนาทางคลินิก เพื่อให้นักวิทยาศาสตร์เชื่อมโยงและวิเคราะห์ข้อมูลได้มีประสิทธิภาพมากขึ้น ระบุเป้าหมายยาที่มีศักยภาพแต่เนิ่นๆ และประเมินโอกาสภายนอกได้รวดเร็วขึ้น
ความคิดสำคัญที่ซ่อนอยู่คือการลดงานที่ไม่สร้างคุณค่า เช่น การเขียนโปรโตคอล การจัดการข้อมูลคลินิก และการเตรียมเอกสารกำกับดูแล โดยวางแผนใช้เทคโนโลยี AWS เพื่อย่นงานที่ต้องทำด้วยมือ ขณะเดียวกันยังคงการกำกับดูแลข้อมูล ความสามารถในการตรวจสอบย้อนหลัง และความพร้อมตรวจสอบในทุกขั้นตอน แปลว่านักวิจัยใช้เวลาน้อยลงกับเอกสาร และมากขึ้นกับการตีความข้อมูลและสร้างสมมติฐานใหม่
หากมองเชิงระบบ ความร่วมมือนี้ทำให้ AI ไม่ได้อยู่แค่ในโมเดลโมเลกุล แต่ฝังอยู่ในผังการทำงานทั้งหมดของ R&D ตั้งแต่ห้องทดลองจนถึงคลินิก ผลทางอ้อมต่อคนไข้คือโอกาสเห็นยาตัวใหม่เข้าสู่การพัฒนาและประเมินความเสี่ยงได้เร็วขึ้น แม้ต้นทุนการนำคลาวด์และ AI มาใช้จะสูงในระยะสั้น แต่ในโลกที่การแข่งขันค้นพบยาเข้มข้น ใครปรับเวิร์กโฟลว์ให้เป็นแพลตฟอร์ม AI ก่อนก็มีโอกาสนำหน้า
ข้อสรุป: เมื่อข้อมูล แพลตฟอร์ม และความร่วมมือรวมเป็นโครงสร้างพื้นฐานใหม่ของการค้นพบยา
เมื่อมองรวมทั้งสามกรณี เราจะเห็นโครงสร้างเดียวกันชัดขึ้น การเร่งสารสำรวจยาไม่ได้เกิดจาก AI ตัวเดียว แต่เกิดจากสามเสาหลักที่เชื่อมกัน คือ โครงสร้างข้อมูลที่พร้อมสำหรับ AI จากความร่วมมือ CAS–Novartis แพลตฟอร์มโมเลกุลการออกแบบ AI อย่าง Cradle ที่ใช้ใน Hansa และเวิร์กโฟลว์ R&D ที่ออกแบบให้คิดแบบดิจิทัลตั้งแต่ต้นอย่างกรณี CSL–AWS
สำหรับผู้ป่วย ความเปลี่ยนแปลงนี้หมายถึงโอกาสเข้าถึงการรักษาใหม่เร็วขึ้น โดยเฉพาะโรคหายากและโรคภูมิคุ้มกันที่ซับซ้อน เช่น โครงการของ Hansa ที่เร่งการพัฒนาการบำบัดปรับภูมิคุ้มกัน สำหรับนักวิจัย นี่คือการย้ายจากการค้นหาเข็มในกองฟางด้วยตนเอง ไปสู่การทำงานร่วมกับแพลตฟอร์มที่ช่วยจัดระเบียบข้อมูล สร้างแบบจำลอง และเสนอผู้สมัครโมเลกุลที่มีโอกาสสำเร็จสูงกว่า
คำถามที่อุตสาหกรรมยาต้องตอบต่อจากนี้ไม่ใช่ว่าจะใช้ AI หรือไม่ แต่คือจะออกแบบ AI drug discovery platform ของตนอย่างไรให้ผูกพันกับยุทธศาสตร์วิจัยระยะยาว ใครที่เห็น AI เป็นแค่โครงการทดลองเล็กๆ จะถูกทิ้งไว้ข้างหลัง ส่วนผู้เล่นที่กล้าปรับโครงสร้างพื้นฐานข้อมูล ความร่วมมือบิโอเทค AI และเวิร์กโฟลว์วิจัยพร้อมกัน จะเป็นกลุ่มที่นิยามมาตรฐานใหม่ของการค้นพบยาในทศวรรษหน้า
