پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

ورود هوش مصنوعی Claude به آزمایشگاه‌های داروسازی؛ کاهش ۸۹ درصدی زمان بررسی اسناد دارویی

انتشار:۶ آبان ۱۴۰۵(۲ ساعت پیش)
۵ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

شرکت Anthropic با همکاری شش مجموعه فعال در حوزه زیست‌فناوری و داروسازی، مدل هوش مصنوعی Claude را وارد مراحل گوناگون کشف دارو کرده است. این فناوری با طراحی هدفمند پادتن‌ها و بازبینی سوابق تولید، زمان بررسی اسناد دارویی را تا ۸۹ درصد کاهش داده و سرعت تحقیقات را به‌شکل چشمگیری افزایش داده است.

ورود هوش مصنوعی Claude به آزمایشگاه‌های داروسازی؛ کاهش ۸۹ درصدی زمان بررسی اسناد دارویی

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • شرکت Anthropic با همکاری شش مجموعه بزرگ داروسازی و زیست‌فناوری مدل هوش مصنوعی Claude را در مراحل طراحی مولکول‌ها و بررسی داده‌های بالینی به کار گرفت.
  • به‌کارگیری هوش مصنوعی در بازبینی پرونده‌های تولید دارو زمان بررسی اسناد را با کاهشی ۸۹ درصدی از ۲۵ ساعت به کمتر از ۳ ساعت رساند.
  • تمام پروژه‌های دارویی کنونی در مرحله آزمایشگاهی و پیش‌بالینی قرار دارند و ورود نخستین نمونه‌ها به کارآزمایی انسانی زودتر از سال ۲۰۲۸ نخواهد بود.

شرکت Anthropic در حال گسترش نقش هوش مصنوعی Claude در علوم زیستی است؛ رویکردی که از طریق همکاری با شش سازمان مختلف و اجرای برنامه‌های اختصاصی برای کشف دارو دنبال می‌شود. اطلاعیه رسمی Anthropic حوزه‌های متنوعی را پوشش می‌دهد که از پژوهش‌های آزمایشگاهی، سوابق تولید و تنظیم اسناد قانونی گرفته تا برنامه‌ریزی کارآزمایی‌های بالینی، تأسیس شرکت‌های جدید و توسعه روش‌های درمانی برای بیماری‌های نادر دیستروفی عضلانی کودکان را در بر می‌گیرد.

فرایند توسعه دارو ترکیبی پیچیده از شناسایی هدف، طراحی مولکول، آزمایش‌های آزمایشگاهی، تولید صنعتی، بررسی‌های موشکافانه نظارتی و کارآزمایی‌های بالینی است. هر یک از این مراحل حجم عظیمی از داده‌ها و اسناد تخصصی را ایجاد می‌کند که غالباً میان تیم‌ها و پیمانکاران مختلف پراکنده هستند. استراتژی Anthropic این است که Claude را در سراسر این زنجیره مستقر کند؛ از جمله در بخش وظایف اداری و مستندسازی که بخش عمده‌ای از زمان و بودجه پژوهشگران را می‌بلعد.

شش شریک تجاری، شش گلوگاه اساسی

این همکاری‌ها طیفی از استارتاپ‌های زیست‌فناوری، یک شرکت داروسازی و یک نهاد سرمایه‌گذاری را شامل می‌شود. شرکت Anthropic در گزارش خود نمونه‌های موردی منتخب این شرکا را معرفی کرده است؛ هرچند هنوز هیچ شاخص ارزیابی مشترک یا بازآزمایی مستقلی برای اثبات این ادعاها ارائه نشده است.

شریک تجاری
نقش هوش مصنوعی Claude
Generate Biomedicines
مهندسی بخشی از یک گیرنده سنتزی برای درمان سرطان با سلول‌های CAR-T
Divergence Labs
طراحی پادتن‌ها با هدف درمان آلرژی‌های غذایی
بهینه‌سازی کاندیداهای دارویی با استفاده از یک سیستم آزمایشگاهی خودکار
Enveda
بررسی سوابق تولید دارو و تنظیم پیش‌نویس اسناد قانونی و نظارتی
The Column Group
راه‌اندازی یک شرکت زیست‌فناوری بر پایه عملیات مبتنی بر هوش مصنوعی
Bristol Myers Squibb
ارزیابی برنامه‌های اولیه کارآزمایی بالینی و تخمین شانس موفقیت آن‌ها

در شرکت Generate Biomedicines، شش دانشمند با استفاده از ابزار Claude Code بخشی از یک گیرنده آنتی‌ژن کایمریک را طراحی کردند؛ گیرنده‌ای ساختگی که به سلول‌های ایمنی مهندسی‌شده کمک می‌کند سلول‌های سرطانی را شناسایی کنند. یکی از طرح‌های ارائه‌شده حدود ۷۰ درصد کوتاه‌تر از نسخه استاندارد بود. در آزمایش‌های آزمایشگاهی، سلول‌هایی که از این طرح استفاده کردند حدود ۱۰ برابر گیرنده بیشتری ساختند، سلول‌های تومور را با بازدهی بالاتری از بین بردند و برای مدت طولانی‌تری فعال ماندند.

استارتاپ Divergence Labs با کمک Claude توانست در مدت یک ماه حدود ۳۵ هزار طرح پادتن تولید کند. این شرکت سه طرح را شناسایی کرد که به ایمونوگلوبولین E یا IgE (پادتن دخیل در واکنش‌های آلرژیک) متصل می‌شدند. افزون بر این، ۲۰ طرح دیگر پیدا شدند که IgE را از سلول‌های ایمنی جدا می‌کردند؛ از جمله سه طرح که بر اساس گزارش‌ها عملکرد بهتری نسبت به داروی استاندارد موجود در بازار ثبت کرده‌اند.

مجموعه BigHat مدل Claude را با Reccy، پلتفرم آزمایشگاهی خودکار خود، ادغام کرد. نتایج نشان داد که قوی‌ترین کاندیداهای دارویی بیش از ۱۰ برابر محکمتر به اهداف خود متصل می‌شوند، پایداری دمایی یکی از کاندیداهای ضدسرطان را ۱۸ درجه سانتی‌گراد ارتقا می‌دهند و تجمع ناخواسته ذرات در یک کاندیدای دارویی طولانی‌اثر را بیش از ۱۰۰ برابر کاهش می‌دهند.

سه طرح پادتن به همراه نمودارهای سینتیک پیوند با IgE
مقایسه سه طرح پادتن ارزیابی‌شده در Divergence Labs بر اساس داده‌های منتشرشده توسط Anthropic.

بخش اداری و ثبت ملموس‌ترین آمارها

بر اساس گزارش شرکت Enveda، شیمی‌دان‌های بخش تولید این مجموعه تا ۷۵ درصد از زمان کاری خود را صرف آماده‌سازی و بازبینی مدارک می‌کردند. این شرکت Claude را به سوابق تولید خود متصل کرد تا ناهماهنگی‌های موجود در اسناد شیوه بهینه تولید یا GMP (که نحوه ساخت و کنترل کیفی داروها را ثبت می‌کند) شناسایی شوند.

در آزمایشی روی ۱٬۰۶۱ صفحه سند، Claude موفق شد هر ۱۱ مغایرتی را که قبلاً توسط بازبین‌های انسانی شناسایی شده بود پیدا کند و علاوه بر آن، ۷ ایراد دیگر را که از چشم انسان دور مانده بود آشکار سازد. بازبینی اسناد با کمک Claude از بیش از ۲۵ ساعت به کمتر از ۳ ساعت رسید که کاهشی معادل ۸۹ درصد را نشان می‌دهد.

مدل Claude همچنین پیش‌نویس اولیه دو سند قانونی و نظارتی را تدوین کرد. آماده‌سازی یکی از این پیش‌نویس‌ها در مقایسه با فرایند دستی سه ماهه، تنها چهار ساعت زمان برد. در پیش‌نویس دیگر نیز فرایند بازبینی استاندارد انسانی شرکت Enveda تنها یک خطای جزیی پیدا کرد.

نمودار میله‌ای نشان‌دهنده کاهش زمان بازبینی پرونده تولید GMP از ۲۵٫۹ ساعت به ۲٫۸ ساعت با هوش مصنوعی Claude
گزارش Enveda از کاهش ۸۹ درصدی زمان بازبینی پرونده‌های استاندارد بهینه تولید با استفاده از Claude.

البته به‌کارگیری این فناوری در خط تولید واقعی به نرم‌افزارهای تاییدشده، سطوح دسترسی امنیتی، گزارش‌های ثبت رویداد، منابع داده قابل‌رهگیری و تأیید نهایی توسط کارشناسان مسئول نیاز دارد. آزمون‌های گزارش‌شده صرفاً سرعت تهیه پیش‌نویس و کمک در بازبینی را ارزیابی کرده‌اند و به هیچ وجه نشان‌دهنده توانایی Claude در تأیید مستقل سوابق تولید یا ارجاع مستقیم به مراجع قانونی نیستند.

ورود مستقیم Anthropic به میدان کشف دارو

شرکت Anthropic استارتاپ تک‌نفره Mithril Medicine را تصاحب کرده است؛ مجموعه‌ای که برای دو نوع نادر دیستروفی عضلانی روش‌های درمانی توسعه می‌دهد. کودی ترانبارگر (Cody Tranbarger)، بنیان‌گذار این شرکت، از Claude برای هماهنگی قراردادها، تدارکات و پیشبرد آزمایش‌ها میان ۱۱ آزمایشگاه خارجی استفاده می‌کرد.

به گفته Anthropic، این استارتاپ توانست یک درمان بالقوه را در کمتر از ۱۸ ماه از ایده اولیه به نتایج نویدبخش در موش‌های آزمایشگاهی برساند. ترانبارگر اکنون تحقیقات خود را در ساختار Anthropic ادامه می‌دهد و قصد دارد چندین برنامه پژوهشی تازه را کلید بزند.

نمودارهای آزمایش روی موش‌ها شامل مقایسه قدرت چنگ‌زدن، نیروی ماهیچه سه‌سر و نرخ بقا میان گروه‌های بدون درمان، درمان‌شده و سالم
نتایج پیش‌بالینی گزارش‌شده در برنامه درمان دیستروفی عضلانی استارتاپ Mithril Medicine.

با این حال، نتایج به‌دست‌آمده روی موش‌ها گام اولیه در فرایند داروسازی محسوب می‌شود؛ زیرا بسیاری از کاندیداهای دارویی در مراحل بعدی به دلیل مسائل ایمنی، دوز مصرفی یا اثربخشی ناکافی کنار گذاشته می‌شوند. شرکت Anthropic اعلام کرده است که در صورت تداوم موفقیت در پژوهش‌های پیش‌بالینی، این کاندیدا در خوش‌بینانه‌ترین حالت در اواخر سال ۲۰۲۸ وارد فاز کارآزمایی‌های انسانی خواهد شد؛ مرحله‌ای از فاز ۱ که تمرکز اصلی آن سنجش ایمنی و دوز مناسب خواهد بود.

همکاری‌هایی که محصولات آینده را شکل می‌دهند

شرکت Anthropic این مشارکت‌ها را یک چرخه توسعه محصول توصیف می‌کند؛ دانشمندان نقاط ضعف و کاستی‌های جریان کار را آشکار می‌سازند، تیم فنی Anthropic مدل Claude و ابزارهایش را بهینه‌سازی می‌کند و در نهایت این تغییرات در قالب محصولات تازه در اختیار سایر محققان قرار می‌گیرد. این شرکت هم‌اکنون محیط کار پژوهشی Claude Science و برنامه‌ای موسوم به Life Sciences Verification Program را عرضه کرده است؛ برنامه‌ای که به سازمان‌های تاییدشده اجازه می‌دهد با حفاظ‌های ایمنی منعطف‌تر و به شیوه‌ای کنترل‌شده برای فعالیت‌های مجاز زیست‌شناسی از این مدل بهره ببرند.

همکاری با شرکت دارویی Bristol Myers Squibb بر کاربرد Claude در ارزیابی برنامه‌های اولیه کارآزمایی بالینی و تخمین شانس موفقیت آن‌ها متمرکز است. با این حال، Anthropic هیچ معیار اعتبارسنجی مشخصی برای این تخمین‌ها ارائه نکرده است؛ موضوعی که کالیبراسیون داده‌ها، قابلیت ردگیری منابع و نظارت انسانی را به شروطی حیاتی برای هرگونه استفاده عملیاتی تبدیل می‌کند.

از سوی دیگر، شرکت The Column Group در حال راه‌اندازی مجموعه‌ای به نام Pleiades است؛ شرکتی در حوزه زیست‌فناوری که هدف آن پیشبرد همزمان برنامه‌های دارویی بیشتر با تیمی کوچک است. مدل Claude وظایف علمی و اداری این مجموعه را پشتیبانی خواهد کرد تا مشخص شود آیا کاهش هزینه‌های عملیاتی می‌تواند پیشبرد سبد متنوع‌تری از درمان‌های آزمایشی را توجیه‌پذیر کند یا خیر.

برای توسعه‌دهندگانی که در حوزه‌های تحت نظارت قانونی یا علوم دقیق فعالیت می‌کنند، نمونه‌های Enveda و Mithril نیازهای اساسی و تکرارشونده‌ای را برجسته می‌سازند:

  • استنادپذیری و منشأ داده‌ها: خروجی‌ها باید به اسناد منبع تاییدشده، نسخه‌های مشخص داده و سوابق آزمایشگاهی لینک شوند.
  • دسترسی کنترل‌شده به ابزارها: عامل‌های هوشمندی که وظیفه هماهنگی میان آزمایشگاه‌ها یا تأمین‌کنندگان را دارند، باید دارای مجوزهای شفاف، سقف هزینه و مراحل تأیید مرحله‌ای باشند.
  • ارزیابی عملکرد در سطح فرایند: آزمون‌ها باید خطاهای دیده‌نشده، هشدارهای کاذب، زمان بازبینی، نرخ اصلاح و نقص‌های بعدی فرایند را به‌دقت بسنجند.
  • بازبینی توسط متخصصان: مسئولیت تصمیم‌گیری‌های حوزه تولید، ارسال پرونده‌های نظارتی، آزمایش‌ها و برنامه‌ریزی‌های بالینی همچنان بر عهده کارشناسان انسانی است.
  • قابلیت حسابرسی و ثبت وقایع: سامانه‌های فعال در صنایع تحت نظارت به سوابق ماندگار از پرامپت‌ها، شواهد بازیابی‌شده، خروجی‌های مدل، ویرایش‌ها و تاییدها نیاز دارند.

شرکت Anthropic نسخه‌های دقیق مدل، پرامپت‌ها، ساختار ابزارها، هزینه‌ها، توزیع کامل خطاها یا مجموعه‌داده‌های ارزیابی را برای اغلب این نمونه‌های موردی فاش نکرده است. بنابراین تیم‌های پژوهشی دیگر نمی‌توانند صرفاً با تکیه بر این گزارش رسمی، نتایج اعلام‌شده را بازتولید یا راستی‌آزمایی کنند.

جریان‌های کاری وابسته به حجم سنگین اسناد، مشابه آنچه در Enveda رخ داد، در حوزه‌های حقوقی، مالی، تطبیق با مقررات و مهندسی نیز به چشم می‌خورند. الگوی قابل انتقال این دستاورد، ترکیبی از بازیابی داده‌های اختصاصی، بازبینی ساختاریافته، ارزیابی‌های کمی و تأیید نهایی متخصصان است.

فاصله چندساله تا آغاز کارآزمایی‌های انسانی

تقریباً تمام پروژه‌های دارویی مطرح‌شده همچنان در مرحله پیش‌بالینی هستند و هیچ‌یک از کاندیداهای یادشده روی انسان‌ها آزمایش نشده‌اند. داده‌های ایمنی انسانی، نتایج اثربخشی کنترل‌شده، تأیید استانداردهای تولید و بررسی‌های موشکافانه نهادهای ناظر مشخص خواهند کرد که آیا این دستاوردهای اولیه آزمایشگاهی به درمان‌هایی واقعی و در دسترس تبدیل می‌شوند یا خیر.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

نامزدی وکیل سابق ایلان ماسک در کنگره؛ کارخانه تراشه‌های هوش مصنوعی در کانون جنجال انتخاباتی تگزاس
آخرین اخبار

نامزدی وکیل سابق ایلان ماسک در کنگره؛ کارخانه تراشه‌های هوش مصنوعی در کانون جنجال انتخاباتی تگزاس

کریس گوبر، وکیل ارشد سابق ایلان ماسک، به‌عنوان نامزد جمهوری‌خواهان برای راهیابی به مجلس نمایندگان آمریکا از حوزه دهم تگزاس رقابت می‌کند. این حوزه محل ساخت کارخانه بزرگ تراشه‌های هوش مصنوعی شرکت‌های تسلا و SpaceX است و گسترش پروژه‌های فناوری اکنون به موضوعی داغ میان نامزدهای انتخاباتی بدل شده است.

۶ دقیقه مطالعه
۰
۶ آبان
خطر ورود هوش مصنوعی به دانشگاه‌ها؛ وقتی اتوماسیون بار اداری استادان را سنگین‌تر می‌کند
آخرین اخبار

خطر ورود هوش مصنوعی به دانشگاه‌ها؛ وقتی اتوماسیون بار اداری استادان را سنگین‌تر می‌کند

استفاده از هوش مصنوعی در دانشگاه‌ها ممکن است به‌جای کاستن از بار اداری، بوروکراسی و وظایف حاشیه‌ای استادان را افزایش دهد. اگر این فناوری برای خودکارسازی رویه‌های ناکارآمد اداری به کار رود، دانشگاه‌ها از هدف بنیادین خود یعنی پژوهش عمیق، آموزش باکیفیت و پرورش اندیشه نقادانه دور خواهند شد.

۶ دقیقه مطالعه
۰
۶ آبان
شناسایی دقیق باگ‌های پنهان نرم‌افزاری با هوش مصنوعی؛ فریمورک SemLoc ابزارهای سنتی را پشت سر گذاشت
آخرین اخبار

شناسایی دقیق باگ‌های پنهان نرم‌افزاری با هوش مصنوعی؛ فریمورک SemLoc ابزارهای سنتی را پشت سر گذاشت

پژوهشگران با توسعه فریمورک SemLoc راهکاری نوآورانه برای رفع یکی از بزرگ‌ترین چالش‌های خطایابی نرم‌افزار ارائه داده‌اند. این سیستم با تبدیل استدلال‌های مدل‌های زبانی به قیدهای اجرایی، باگ‌های معنایی پیچیده را با دقتی به مراتب بالاتر از روش‌های کلاسیک شناسایی می‌کند. این دستاورد گامی ارزشمند در جهت هوشمندسازی فرایند عیب‌یابی و افزایش پایداری کدهای برنامه‌نویسی است.

۲ دقیقه مطالعه
۰
۶ آبان