בינה מלאכותית פוגשת ביולוגיה: שיתוף פעולה חדש מבטיח להאיץ גילוי תרופות

בעולם שבו תרופות חדשות לוקחות לעיתים מעל עשור להגיע מהמעבדה אל המטופלים, שיתוף פעולה חדש בין BenchSci הקנדית לבין מכון Mila ממונטריאול מסמן צעד משמעותי לעבר חזון שאפתני: מעבדות אוטונומיות לגילוי תרופות, המונעות על ידי בינה מלאכותית מתקדמת.

BenchSci ו-Mila: שילוב נדיר של עומק ביולוגי וכוח חישובי

BenchSci, שמוכרת במיוחד בקרב ענקיות הפארמה בזכות פלטפורמת ASCEND שלה, נחשבת לשחקנית מובילה בשילוב AI בתהליכי מחקר ופיתוח תרופות. היא מתמקדת בבעיה מספר אחת שגורמת לכישלון בפרויקטי גילוי תרופות: "מקבלים את הביולוגיה לא נכון" – כלומר, הנחות יסוד שגויות לגבי מנגנוני מחלה, מטרות תרופתיות או מודלים ניסיוניים.

מולה ניצב Mila – Quebec Artificial Intelligence Institute, אחד ממוקדי הכוח הגדולים בעולם ללמידה עמוקה, שהוקם על ידי פרופ' יושע בנג'יו. עם מעל 1,500 חוקרים ומורשת עשירה בתרומה לתחומים כמו language modeling, תרגום אוטומטי, זיהוי עצמים ומודלים גנרטיביים, Mila הוא המקום שבו רעיונות frontier AI נבחנים ומפותחים בקצב שמכתיב את התעשייה.

כעת, שתי הישויות הללו נכנסות לשיתוף פעולה רב-שנתי שמטרתו לייצר דור חדש של מודלים ל"הסקה ביולוגית" – Biological Inference – כבסיס לדור הבא של גילוי תרופות.

מה זה בעצם "הסקה ביולוגית" ולמה זה חשוב?

אם בשנים האחרונות דיברנו בעיקר על שימוש ב-AI לניתוח דאטה – חיפוש בדאטה קיימת, זיהוי דפוסים, סינון מטרות – השותפות הזו מכוונת צעד קדימה: AI שלא רק קורא נתונים, אלא מסיק, מציע ומנבא.

היעד המשותף של BenchSci ו-Mila כולל:

• פיתוח מודלים חזויים וגנרטיביים שיכולים:
  • לייצר השערות מדעיות חדשות באופן אוטומטי.
  • לנבא אילו ניסויים (assays) יהיה כדאי לבצע לפני שמוציאים עליהם זמן וכסף.
• הרחבת היכולת של מערכות AI "לחשוב" על ביולוגיה ברמת רשת: קשרים בין גנים, חלבונים, מסלולים, מחלות ותגובות לתרופות.

במילים אחרות, המערכת לא רק תענה על שאלות, אלא תתחיל לעזור לנסח את השאלות הנכונות – אחד המשאבים הנדירים ביותר במדע טוב.

ASCEND ו-BEKG: התשתית שעליה נבנה הדור הבא

בלב השותפות עומדת ASCEND של BenchSci, הפועלת כסוג של "עוזר AI סקיילבילי" עבור צוותי R&D פרה-קליניים. אחת מאבני היסוד של המערכת היא ה-Biological Evidence Knowledge Graph (או בקיצור BEKG) – גרף ידע שממפה באופן שיטתי ואוטומטי עדויות ביולוגיות, מחקרים, קשרי מחלה-מטרה-מולקולה ועוד.

כעת, Mila תסייע לפתח מודלים מתקדמים שייבנו על BEKG זה:

• שילוב טכניקות frontier AI כדי לשפר את עומק ההבנה הסיבתית, לא רק הקורלטיבית.
• פיתוח מודלים גנרטיביים שמסוגלים להציע שילובים חדשים של מטרות, מנגנונים או מסלולים טיפוליים.
• התאמת המודלים להיקפים עצומים של מידע – מרישומי ניסויים ועד ספרות מדעית – תוך שמירה על עקביות והסקת מסקנות ברמת דיוק המתקרבת או אף עולה על זו האנושית בהקשרים מסוימים.

עבור חברות פארמה גדולות (BenchSci כבר פעילה עם 16 מתוך 20 הגדולות) ומשקיעי עומק טכנולוגי, מדובר בצעד מעשי, לא רק חזון מרוחק: קיצור זמן מחקר, צמצום מספר ניסויים מיותרים והפחתת הסיכון להיתקע על כיוונים ביולוגיים לא נכונים.

חזון: מעבדות אוטונומיות לגילוי תרופות

השותפות הזו מציגה בגלוי את היעד: Autonomous Drug Discovery.

הרעיון: במקום תהליך ליניארי איטי שבו מדענים מגדירים השערות, מתכננים ניסויים, מפענחים תוצאות ואז חוזרים לנקודת ההתחלה – מערכת AI תוכל:

1. לסרוק את כל מאגר הידע הזמין.
2. לגבש השערות חדשות על מטרות או מנגנונים.
3. להמליץ על הניסויים האופטימליים לבחינתן.
4. להתעדכן בזמן כמעט אמת מתוצאות ולכוון מחדש את קו המחקר.

המדען האנושי לא מוחלף – הוא עובר לתפקיד של ולידטור, מנווט ומקבל החלטות על בסיס מערכת חכמה שמביאה לשולחן תובנות שלא היו נגישות בקנה מידה ידני.

למה זה מעניין את קהילת הטכנולוגיה וה-AI בישראל?

לקהל הישראלי, שמכיר היטב את ההצטלבות בין AI, ביולוגיה ופארמה (מסטארטאפים כמו CytoReason ו-Insilico לשיתופי פעולה עם חברות פארמה גלובליות):

• השותפות הזו מאשררת את הכיוון: AI לביולוגיה זה לא באז זמני, אלא תשתית אסטרטגית.
• היא מדגישה את הערך של שיתופי פעולה עמוקים בין תעשייה למכוני מחקר חזקים, מודל שרלוונטי מאוד גם לאקוסיסטם המקומי.
• היא מבהירה לאן נושבת הרוח: מי שיידע לחבר בין מודלים גנרטיביים, גרפי ידע וביולוגיה מורכבת – יגדיר את הדור הבא של גילוי תרופות.

בעוד שרוב הכותרות סביב GenAI מתמקדות בטקסט, תמונה וקוד, השותפות BenchSci-Mila מזכירה שהמהפכה האמיתית עשויה להתרחש דווקא מתחת לפני השטח: בעומק התאים, המסלולים והמחלות – שם בינה מלאכותית עשויה לקצר את הדרך מהרעיון לתרופה מצילת חיים.