Uloga umjetne inteligencije i strojnog učenja (AI/ML) u otkriću novih lijekova za neurološke bolesti u pedijatriji

Sažetak

Otkriće i razvoj lijekova vrlo je složen i skup proces, koji obično zahtijeva više od desetljeća i milijarde dolara da bi se jedan lijek plasirao na tržište. Danas razvoj metoda umjetne inteligencije (engl. artificial intelligence, AI) i strojnog učenja (engl. machine learning, ML) prevladava mnoge prepreke u otkriću i razvoju lijekova, čineći te procese naprednijima smanjenjem vremena za otkriće potencijalnih lijekova predviđanjem njihove farmakokinetike, toksičnosti i potencijalnih nuspojava, a i usavršavanjem dizajna kliničkih ispitivanja kroz poboljšano regrutiranje pacijenata i analizu podataka, čime se smanjuju troškovi i povećavaju stope uspješnosti otkrića. AI koristi ML, duboko učenje (engl. deep learning, DL), obradu prirodnog jezika (engl. natural language processing, NLP) za analizu velikih skupova podataka, omogućujući brzu identifikaciju meta lijekova, predviđanje učinkovitosti molekula i optimizaciju dizajna lijekova.

AI i ML također transformiraju otkriće lijekova u neurološkim bolestima koje mogu biti složene i heterogene, i koje pogađaju milijune, ali mogu biti i monogenske i rijetke s nekolicinom bolesnika. Obuhvaćaju preko tisuću poremećaja koji predstavljaju ogroman teret ljudskom zdravlju i financijama. Iako su se računalni alati razvijali i primjenjivali u istraživanju neuroloških bolesti desetljećima, sada u doba AI i ML, postoji veliki potencijal za ubrzanje identifikacije i otkrivanja novih lijekova, koje je u nekim slučajevima ograničeno razumijevanjem bolesti. AI se također koristi u snimanju i dijagnostici mozga, ali predviđanje propusnosti krvno-moždane barijere (engl. blood-brain barrier, BBB) jedna je od najvažnijih primjena AI u otkrivanju lijekova za poremećaje mozga, budući da je isporuka lijekova u mozak često otežana potrebom za prelaskom BBB. Dodatni izazovi proizlaze iz nedostatka optimalnih modela za pretkliničko testiranje lijekova i često uočenog nedostatka prijelaza iz pretkliničkih u klinička ispitivanja na ljudima. Nedavni napredak u platformama organoida spremnim za ispitivanje i mikrofluidnim čipovima predstavlja znatan potencijal za primjenu organoida ljudskog mozga u razvoju lijekova.

U usporedbi s odraslima, pedijatrijski pacijenti obično doživljavaju značajno kašnjenje, gotovo desetljeće, u pristupu novim lijekovima. Ipak, AI i precizna medicina sve više utječu na pedijatrijsku farmakoterapiju, gdje farmakokinetička varijabilnost ovisna o dobi zahtijeva visoko individualizirane terapijske strategije. Klinička ispitivanja pedijatrijskih lijekova za ADHD usredotočuju se na procjenu učinkovitosti, sigurnosti i optimalnog doziranja stimulansa i nestimulansa kod djece i adolescenata, a nedavna ispitivanja istražuju nove formulacije za bolje upravljanje simptomima. Nekoliko studija razvilo je modele ML i DL u identificiranju djece s ADHD s pomoću podataka elektroencefalografije (EEG). Međutim, važno je napomenuti da je upotreba AI u identifikaciji i liječenju ADHD-a još uvijek ograničena.

Unatoč svim postignućima, otkriće lijekova potaknuto s AI i dalje ima nekoliko ograničenja, kao što su pristranosti u podacima, regulatorne barijere i etička pitanja. Prevladavanje tih ograničenja bit će ključno za otključavanje punog potencijala AI u ovom području.