Interpretowalne i interaktywne wielomodalne wyszukiwanie w procesie odkrywania leków.

Przyszłość odkrywania leków z wykorzystaniem AI

Wprowadzenie każdego nowego leku na rynek wymaga kolosalnych nakładów finansowych oraz wielu lat pracy ogromnego sztabu ludzi, dlatego coraz częściej na różnych etapach tego procesu wykorzystuje się sztuczną inteligencję. Takie podejście znacznie zmniejsza nakłady finansowe, przyspiesza odkrywanie nowych leków, a przede wszystkim zmniejsza liczbę niepowodzeń w badaniach klinicznych. Temu też służy projekt pt. „Interpretowalne i interaktywne wielomodalne wyszukiwanie w procesie odkrywania leków”, prowadzony przez dr hab. Bartosza Zielińskiego, prof. UJ, z Instytutu Informatyki i Matematyki Komputerowej Uniwersytetu Jagiellońskiego w Krakowie. Badania te są finansowane przez Fundację na rzecz Nauki Polskiej z programu Fundusze Europejskie dla Nowoczesnej Gospodarki 2021-2027 (FENG), w działaniu FIRST TEAM.

Sztuczna inteligencja odgrywa coraz większą rolę w procesach poszukiwania i testowania nowych leków. Jednym z kluczowych problemów pozostają jednak błędne predykcje modeli AI oraz niska interpretowalność wyników uzyskiwanych przez algorytmy.

„W naszym projekcie planujemy opracować takie narzędzie, które będzie wspierać proces odkrywania leków poprzez interpretowalne i interaktywne metody wielomodalnego wyszukiwania wiedzy. Zaproponowany przez nas system będzie korzystać z różnorodnych danych wejściowych, takich jak: obrazy komórek poddanych działaniu różnych związków małocząsteczkowych (uzyskiwane metodą cell painting czyli techniki pozwalającej wizualizować zmiany morfologiczne w komórkach) i struktury chemiczne tych związków, a także dodatkowe informacjebiologiczne i chemiczne, które mogą ułatwić interpretację działania leków. Wielomodalność oznacza, że system będzie integrował te różne typy danych, po to, żeby lepiej zrozumieć, jak konkretna cząsteczka oddziałuje na komórki oraz ułatwić wyszukiwanie potencjalnych kandydatów na nowe leki” – mówi prof. Bartosz Zieliński.

Kluczowymi aspektami modeli opracowywanego przez krakowskich naukowców są interpretowalność i interaktywność. 

„Obecnie stosowane algorytmy często przewidują skuteczność danej cząsteczki jako leku, ale nie dostarczają użytkownikowi informacji, dlaczego dany związek został uznany za podobny do innego, już wykorzystywanego jako lek. W praktyce może to prowadzić do błędnych wyników, gdy algorytm zwraca uwagę na zupełnie nieistotne cechy, tj. artefakty na zdjęciach komórek. Dlatego naszym celem jest opracowanie rozwiązania, które będzie w stanie wyjaśnić decyzje algorytmu, wskazując, jakie cechy obrazu czy struktury chemicznej były kluczowe dla predykcji. To pozwali użytkownikowi na interakcję z modelem i eliminowanie jego błędów” – podkreśla prof. Bartosz Zieliński.

Optymalizując w ten sposób proces wyszukiwania nowych kandydatów na leki, możliwe będzie odnalezienie cząsteczek o pożądanym działaniu leczniczym, ale pozbawionych niepożądanych efektów ubocznych. Projekt realizowany jest we współpracy z firmą ArdigenSA, specjalizującą się w wykorzystaniu sztucznej inteligencji w analizie obrazów uzyskanych metodą cell painting co pozwoli obiektywnie ocenić użyteczność opracowanej technologii i zwiększy jej potencjał wdrożeniowy.

„W ramach badań prowadzone są eksperymenty, które mają na celu integrację metod interpretowalnej sztucznej inteligencji z nowoczesnymi algorytmami wyszukiwania wiedzy, co pozwoli na lepsze dopasowanie uzyskiwanych wyników do rzeczywistych potrzeb chemików i biologów. Wierzymy, że dzięki nowym metodom interpretowalnej i interaktywnej sztucznej inteligencji proces odkrywania leków stanie się bardziej precyzyjny i mniej podatny na błędy wynikające z przypadkowych korelacji w danych wejściowych” – podsumowuje prof. Bartosz Zieliński.

Dr hab. Bartosz Zieliński uzyskał tytuł magistra na Uniwersytecie Jagiellońskim, stopień doktora w Polskiej Akademii Nauk oraz habilitację na Politechnice Wrocławskiej – wszystkie w dziedzinie informatyki. Jest członkiem stowarzyszenia ELLIS (European Laboratory for Learning and Intelligent Systems) i regularnie pełni rolę recenzenta na czołowych konferencjach i w czasopismach z zakresu informatyki. Uczestniczył jako kierownik lub wykonawca w kilkunastu projektach badawczych. Jest autorem 60 publikacji i trzechzgłoszeń patentowych. Ośmiokrotnie otrzymywał nagrodę Rektora Uniwersytetu Jagiellońskiego za osiągnięcia naukowe. Jego zainteresowania badawcze obejmują widzenie komputerowe, głębokie uczenie maszynowe, interpretowalną sztuczną inteligencję oraz ich zastosowania medyczne.