انقلاب در درمان بیماریها: ۱۲ شرکتی که با هوش مصنوعی، آینده داروسازی را همین امروز میسازند
هوش مصنوعی دیگر یک واژه علمی-تخیلی نیست؛ این فناوری اکنون واقعیترین تأثیر خود را بر زندگی ما، بهویژه در صنعت بیوتکنولوژی (زیستفناوری)، آغاز کرده است. تصور کنید کشف یک دارو که قبلاً دهها سال زمان میبرد، حالا با کمک هوش مصنوعی میتواند تنها در چند ماه یا چند سال، از آزمایشگاه به دست بیماران برسد.
تجربه همهگیری کووید-۱۹ به همه ثابت کرد که وقتی «زمان» اهمیت حیاتی دارد، هوش مصنوعی میتواند تفاوت بزرگی در کشف سریع واکسن یا درمان ایجاد کند. از آن زمان، شرکتهای بیوتکنولوژی یکی پس از دیگری به سراغ این فناوری آمدهاند تا فرآیند کشف دارو را سریعتر، دقیقتر و بسیار ارزانتر کنند.
در ادامه، با ۱۲ شرکت پیشرو آشنا میشویم که نه فقط دارو میسازند، بلکه در حال تعریف مجدد آینده صنعت داروسازی با قدرت هوش مصنوعی هستند.
غولهای نوظهور در کشف داروی مبتنی بر AI
۱. Anima Biotech (متخصص درمانهای mRNA)
این شرکت از هوش مصنوعی (پلتفرم mRNA Lightning.AI) استفاده میکند تا رفتار سلولهای سالم و بیمار را به دقت بررسی کند.
دستاورد: با شناسایی الگوهای غیرطبیعی، مدلهای هوش مصنوعی را برای کشف داروهای جدید مبتنی بر mRNA آموزش میدهد. این رویکرد منجر به توسعه ۲۰ داروی پیشبالینی (از جمله دارویی برای فیبروز ریوی) و همکاری با غولهایی مانند Takeda و Eli Lilly شده است.
۲. Atomwise (متخصص مولکولهای کوچک)
پلتفرم AtomNet این شرکت از یادگیری عمیق برای طراحی دارو استفاده میکند.
دستاورد: این فناوری میتواند در کتابخانهای با بیش از سه تریلیون ترکیب شیمیایی جستجو کند و گزینههای دارویی امیدوارکننده را با سرعتی بسیار فراتر از روشهای سنتی شناسایی کند.
۳. BPGbio (متخصص دادههای عظیم و نانوفناوری)
این شرکت با پلتفرم NAi، میلیونها نمونه داده بیولوژیکی را تحلیل میکند تا اهداف دارویی جدید یا نشانگرهای زیستی بیماریها را کشف کند.
دستاورد: مهمترین دارایی آنها، BPM31510، یک داروی مبتنی بر نانوفناوری است که اکنون در فاز دوم آزمایشهای بالینی برای درمان سرطان قرار دارد.
۴. Cradle Bio (طراح پروتئین با هوش مصنوعی مولد)
این شرکت از مدلهای هوش مصنوعی مولد (Generative AI) برای طراحی پروتئینهای اصلاحشده و کاملاً جدید استفاده میکند.
دستاورد: این پروتئینهای سفارشی میتوانند در درمان، تشخیص بیماریها، صنایع غذایی و حتی کشاورزی کاربرد داشته باشند.
۵. Iktos (متخصص اتوماسیون و رباتیک)
Iktos سه حوزه کلیدی را با هم ترکیب کرده است: هوش مصنوعی، شیمی پیشرفته و رباتیک (اتوماسیون).
دستاورد: پلتفرمهای این شرکت (مانند Makya و Spaya) کل چرخه طراحی و ساخت مولکولهای دارویی را خودکار میکنند و زمان توسعه دارو را به شدت کاهش میدهند.
۶. Insilico Medicine (سازنده اولین داروی کاملاً AI)
این شرکت با پلتفرم جامع Pharma.AI، تمام مراحل کشف دارو را هوشمندسازی کرده است.
دستاورد: این شرکت تاریخساز شد و داروی INS018_055 را به عنوان اولین داروی کاملاً طراحیشده توسط هوش مصنوعی وارد فاز دوم آزمایشهای بالینی انسانی کرد (برای درمان فیبروز ریوی).
۷. Insitro (مدلسازی بیماری با دادههای ژنومی)
Insitro دادههای ژنومی بسیار دقیقی تولید میکند و سپس با مدلهای یادگیری ماشین پیشرفته، آنها را تحلیل میکند.
دSTAورد: این پلتفرم میتواند رفتار بیماریها را پیشبینی کرده و گزینههای درمانی جدیدی را بر اساس ژنتیک طراحی کند.
۸. Isomorphic Labs (آینده پیشبینی ساختار پروتئین)
این شرکت که با Google DeepMind (سازنده آلفابت) همکاری نزدیک دارد، نقشی اساسی در توسعه AlphaFold3 داشته است.
دستاورد: AlphaFold3 پیشرفتهترین مدل هوش مصنوعی برای پیشبینی دقیق ساختار سهبعدی پروتئینها است. درک ساختار پروتئین، کلید اصلی طراحی داروهای مؤثر است و این مدل، سرعت کشف دارو را به شکل چشمگیری افزایش میدهد.
۹. Generate Biomedicines (طراحی پروتئینهای درمانی)
این شرکت نیز با استفاده از هوش مصنوعی مولد، توالیهای پروتئینی جدیدی را طراحی کرده و آنها را در آزمایشگاه میسازد.
دSTAورد: داروی GB-0895 که برای درمان آسم شدید توسعه یافته، اکنون وارد فاز اول آزمایشهای بالینی شده است.
۱۰. Latent Labs (خلق پروتئینهای مصنوعی)
تمرکز این شرکت بر طراحی پروتئینهایی کاملاً جدید است؛ پروتئینهایی که در طبیعت وجود ندارند.
دستاورد: این پروتئینهای مصنوعی میتوانند بیماریهایی را هدف قرار دهند که درمانهای فعلی قادر به مقابله با آنها نیستند.
۱۱. Relay Therapeutics (متخصص پروتئینهای «دشوار»)
برخی پروتئینها در بدن که باعث بیماری میشوند، به سادگی هدف دارو قرار نمیگیرند. پلتفرم Dynamo در این شرکت، مدلهای محاسباتی پیشرفته را با دادههای تجربی ترکیب میکند تا به سراغ همین پروتئینهای دشوار برود.
دستاورد: داروی کلیدی آنها (RLY-2608) که در درمان نوعی سرطان پستان نقش دارد، نتایج اولیه بسیار امیدوارکنندهای نشان داده است.
۱۲. Recursion (تحلیلگر دادههای عظیم زیستی)
این شرکت با سیستمعامل RecursionOS و مدل زبانی LOWE، حجم عظیمی از دادههای زیستی و شیمیایی را به صورت همزمان تحلیل میکند.
دستاورد: داروی REC-994 این شرکت برای درمان یک ناهنجاری عروقی مغزی (CCM) وارد فاز دوم آزمایشها شده و نتایج مثبتی ثبت کرده است.
چالشها و آینده روشن
اگرچه این رشد بسیار سریع است، اما کشف دارو با هوش مصنوعی هنوز با چالشهایی جدی مانند اطمینان از کیفیت دادهها، درک پیچیدگیهای زیستی بدن انسان و عبور از الزامات نظارتی سختگیرانه روبهرو است.
با این حال، بازار جهانی هوش مصنوعی در کشف دارو که در سال ۲۰۲۲ حدود ۱.۱ میلیارد دلار ارزش داشت، پیشبینی میشود تا سال ۲۰۳۰ با رشد سالانه نزدیک به ۳۰ درصد افزایش یابد. این روند به وضوح نشان میدهد که آینده صنعت بیوتکنولوژی به طور جداییناپذیری به هوش مصنوعی گره خورده است.
