Het ontwikkelen van een nieuw medicijn kost vaak 10 tot 15 jaar, vele miljarden euro’s en mislukt in meer dan 90 procent van de gevallen. Dat proces moet anders, vinden onderzoekers You Wu en Lei Xie van Northeastern University. Hun voorstel: een virtuele programmeerbare mens. Dit is een digitaal mensmodel dat met behulp van AI voorspelt hoe een nieuw medicijn niet alleen één doelwitmolecule beïnvloedt, maar het complete lichaam.
Volgens Xie ligt het probleem in de huidige aanpak. Vroege testen richten zich vooral op één gen of één eiwit, vaak in diermodellen of reageerbuizen die nauwelijks lijken op de complexe menselijke biologie. Zelfs wanneer een middel veelbelovend oogt, is onduidelijk hoe het zich gedraagt binnen het grote netwerk van DNA, RNA, eiwitten en metabole processen. De resultaten van het onderzoek zijn onlangs verschenen in Drug Discovery Today.
Programmeerbare virtuele mens
De voorgestelde programmeerbare virtuele mens bouwt voort op het concept van een digitale tweeling, maar gaat veel verder. Waar digitale tweelingen vooral leren van bestaande medicijngegevens, moet deze nieuwe virtuele mens ook kunnen voorspellen wat er gebeurt met volledig nieuwe stoffen, zonder dat er eerst op proefpersonen getest hoeft te worden. Door fysische, biologische en klinische modellen te combineren met AI die getraind is op enorme datasets, kan het platform simuleren hoe een middel zich verspreidt, ingrijpt in moleculaire processen en mogelijk bijwerkingen veroorzaakt.
Vooral bij complexe ziektes, denk aan Alzheimer of neurologische aandoeningen waarbij meerdere genen en processen tegelijk betrokken zijn, kan zo’n virtuele mens grote waarde hebben. In plaats van te testen op één doelwit, kunnen onderzoekers zien wat er op systeemniveau gebeurt, en dus veel eerder bepalen of een middel kans van slagen heeft.
Minder mislukte trials
Het potentieel is groot: betere voorspellingen over effectiviteit en bijwerkingen zouden het aantal mislukte trials drastisch kunnen verlagen, tijd besparen en de kosten van geneesmiddelontwikkeling terugdringen. Toch is er nog werk aan de winkel. Er moeten datasets worden uitgebreid, modellen verder worden gekoppeld, en samenwerking met industrie en academie is noodzakelijk.
Volgens Xie gaat het dan ook niet alleen om AI, maar om een fundamentele koerswijziging. “Echte innovatie ontstaat pas wanneer AI ons helpt te begrijpen hoe het hele menselijk systeem op behandeling reageert,” zegt hij. “We bouwen aan een platform dat leert en redeneert over alle lagen van de biologie. Dat is niet sneller zoeken, dat is het opnieuw definiëren van de ontwikkeling van geneesmiddelen.”
Met AI zoeken naar nieuwe medicijnen
Het ontwikkelen van nieuwe geneesmiddelen is extreem complex en tijdrovend. Volgens hoogleraar AI en medicinale chemie Gerard van Westen kost het gemiddeld 15 jaar en meer dan een miljard euro om één succesvol medicijn op de markt te brengen. Daarbij moeten miljoenen mogelijke moleculen worden beoordeeld, terwijl slechts een fractie uiteindelijk geschikt blijkt voor gebruik. Veel kandidaten vallen af tijdens testen in reageerbuizen, diermodellen of klinische studies. Bovendien moeten eigenschappen zoals veiligheid, stabiliteit, oplosbaarheid en bijwerkingen worden meegewogen. Factoren die voor één mens nauwelijks te overzien zijn.
Van Westen pleit daarom voor het gebruik van kunstmatige intelligentie als copiloot in medicijnontwikkeling. AI kan het enorme chemische universum doorzoeken en slimme selecties maken. Zijn aanpak combineert ideeëngeneratie met digitale filters die ongeschikte kandidaten automatisch uitsluiten. Zo blijven slechts enkele veelbelovende moleculen over die efficiënt in het laboratorium kunnen worden getest.
