ReactWise: как AI революционизирует производство лекарств и сокращает временные рамки клинических испытаний

Искусственный интеллект продолжает вносить новшества в химию. В частности, британская компания ReactWise, поддерживаемая Y Combinator, применяет AI для ускорения производства химических веществ — важного этапа в выведении новых медикаментов на рынок.

После выявления перспективного лекарства в лабораторных условиях фармацевтическим компаниям необходимо производить значительно большее количество вещества для клинических испытаний. Именно здесь ReactWise предлагает свое решение с помощью «AI-пилота для оптимизации химических процессов», который, по утверждению компании, в 30 раз быстрее стандартного метода проб и ошибок, используемого для нахождения оптимального производственного процесса.

Соучредитель и CEO Александр Помбергер (на фото слева вверху, вместе с соучредителем и CTO Дэниелом Вигом) отметил в разговоре с TechCrunch, что процесс разработки лекарств можно сравнить с кулинарией.

По его словам, большинство предприятий долгое время полагались как на метод проб и ошибок, так и на знания своих специалистов для «разработки процессов». Введение автоматизации в этот процесс поможет сократить количество необходимых итерационных циклов на пути к стабильному рецепту производства медикамента.

Стартап планирует осуществить «одноразовое прогнозирование», когда AI сможет практически мгновенно «предсказать идеальный эксперимент» без необходимости в многочисленных итерациях, где результаты каждого теста возвращаются для уточнения следующих прогнозов — это, как предполагает Помбергер, произойдет в ближайшие два года.

Модели машинного обучения, разработанные в ReactWise, способны значительно снизить число итераций, необходимых на данном этапе разработки медикаментов.

В основе продукта компании лежит база данных, составленная из «тысяч» химических реакций, проведенных в их лабораториях, которую стартап использует для обучения своих AI. Помбергер рассказал, что была применена методика «высокопроизводительного скрининга», позволившая одновременно проверять 300 реакций, что помогло ускорить процесс накопления обучающих данных.

ReactWise начал сбор данных о типах реакций для последующего обучения AI в августе прошлого года и планирует завершить этот процесс к лету, охватив 20 000 химических данных, включающих важнейшие реакции.

Стартап также сообщил TechCrunch о своем предварительном раунде финансирования, который составил 3,4 миллиона долларов. В эту сумму включена ранее обозначенная поддержка от YC (500 000 долларов) и грант Innovate UK в размере примерно 1,2 миллиона фунтов стерлингов (или около 1,6 миллиона долларов). Остальные 1,5 миллиона долларов поступили от анонимных венчурных капиталистов и бизнес-ангелов, заинтересованных в развитии устойчивого производства медикаментов с использованием AI.

Помбергер утверждает, что хотя ReactWise сосредоточена на узком сегменте цепочки разработки медикаментов, ускорение в этой части может существенно сократить время вывода новых препаратов на рынок.

«Обычно процесс разработки лекарства занимает от 10 до 12 лет. На разработку процесса уходит от одного до двух лет. Если мы сможем сократить срок разработки на 60%, это дойдет до значительных результатов», — отметил он.

Между тем, другие стартапы также адаптируют AI для различных аспектов создания медикаментов, включая, прежде всего, поиск интересных химических соединений, что может привести к комплексному эффекту с ростом внедрения новых автоматизированных решений.

Однако Помбергер уверяет, что в производстве медикаментов ReactWise находится в авангарде. «Мы первыми взялись за это», — подчеркнул он.

Стартап соперничает с устаревшими программными решениями, использующими статистические методы, такие как JMP. Есть и другие компании, применяющие AI для ускорения производства медикаментов, но, по мнению Помбергера, доступ ReactWise к высококачественным наборам данных о химических реакциях предоставляет ему конкурентное преимущество.

«Мы единственные, кто может и фактически строит эти высококачественные данные внутри компании», — заметил он. «В отличие от большинства наших конкурентов, которые предлагают лишь программное обеспечение и рекомендации на основе входных данных, мы предоставляем предварительно обученные модели, которые глубоко понимают химию. Идея заключается в том, чтобы клиент смог просто указать реакцию, нажать «Старт», и мы сразу предоставим ему рекомендации по процессу с первого дня на основе всей предварительной работы, выполненной в нашей лаборатории. Этого не делает никто другой на данный момент», — добавил он.

Источник