اولین داروی کشف‌شده توسط هوش مصنوعی با منطق ضد پیری، وارد مرحله سوم آزمایش بالینی برای فیبروز ریوی شد

صنعت داروسازی از یک آستانه تاریخی عبور کرده است. برای اولین بار، دارویی که هم هدف بیولوژیکی و هم ساختار مولکولی آن به طور کامل توسط هوش مصنوعی کشف شده است، وارد کارآزمایی بالینی فاز ۳ شده است.[1][2]

این دارو که با نام رنتوسرتیب (rentosertib) و قبلاً با نام ISM001-055 شناخته می‌شد، توسط شرکت بیوتکنولوژی «اینسیلیکو مدیسین» (Insilico Medicine) توسعه یافته است. این دارو برای درمان فیبروز ریوی ایدیوپاتیک (IPF)، یک بیماری ریوی پیشرونده و ویرانگر که در حال حاضر درمانی ندارد، طراحی شده است.[2][3]

رسیدن به فاز ۳ – مرحله نهایی و گسترده آزمایش انسانی قبل از تأیید نظارتی – نقطه عطفی برای بخش کشف دارو با هوش مصنوعی است. این حوزه سال‌ها میلیاردها دلار را با این وعده جمع‌آوری کرده است که یادگیری ماشینی می‌تواند نحوه ساخت داروها را متحول کند؛ اکنون، این وعده با آزمون نهایی بالینی خود روبرو است.[5][6]

برای درک اهمیت رنتوسرتیب، ابتدا باید شدت فیبروز ریوی ایدیوپاتیک را درک کرد. IPF یک وضعیت مزمن است که با زخم شدن یا فیبروز پیشرونده بافت ریه مشخص می‌شود.[3][7]

با تجمع این بافت زخم، ریه‌ها سفت می‌شوند و تنفس و جذب اکسیژن برای بیماران به طور فزاینده‌ای دشوار می‌شود. این بیماری به طور نامتناسبی افراد مسن را تحت تأثیر قرار می‌دهد و پیش‌آگهی بدی دارد، به طوری که میانگین بقای بیماران تنها سه تا چهار سال پس از تشخیص است.[1][7]

در حال حاضر، تقریباً ۵ میلیون نفر در سراسر جهان با IPF زندگی می‌کنند. در حالی که داروهای ضد فیبروز موجود می‌توانند روند کاهش عملکرد ریه را کُند کنند، اما نمی‌توانند روند زخم شدن را متوقف یا معکوس سازند، که این امر نیاز پزشکی برآورده نشده بزرگی را برای درمان‌های اصلاح‌کننده بیماری باقی می‌گذارد.[1][2][4]

اینجاست که پلتفرم هوش مصنوعی «اینسیلیکو مدیسین» وارد عمل شد. به جای شروع با یک هدف بیولوژیکی شناخته شده و غربالگری هزاران ترکیب شیمیایی موجود – رویکرد سنتی داروسازی – این شرکت از یک گردش کار هوش مصنوعی «زیست‌شناسی محور و آگاه از پیری» استفاده کرد.[1][2]

این فرآیند با «پاندااومیکس» (PandaOmics)، موتور زیست‌شناسی مبتنی بر هوش مصنوعی اینسیلیکو، آغاز شد. این سیستم مجموعه داده‌های عظیمی از داده‌های اومیکس و بالینی مرتبط با فیبروز بافت، پیری و مسیرهای بیماری را جذب کرد. این سیستم ۲۰ هدف بالقوه را شناسایی کرد و سپس یک پروتئین درون‌سلولی جدید به نام TNIK (Traf2- and Nck-interacting kinase) را در اولویت قرار داد.[1][2][3]

TNIK یک کیناز است که هوش مصنوعی آن را مستقیماً به مسیرهای سیگنال‌دهی مرتبط با زخم شدن ریه، التهاب مزمن و پیری سلولی – نشانه‌های بیولوژیکی پیری – مرتبط دانست. محققان با هدف قرار دادن مکانیزمی که به شدت با خود فرآیند پیری مرتبط است، فرض کردند که می‌توانند علت اصلی آبشار فیبروتیک را مورد توجه قرار دهند.[1][2][7]

پس از شناسایی TNIK به عنوان هدف، اینسیلیکو پلتفرم شیمی مولد خود به نام «شیمی ۴۲» (Chemistry42) را به کار گرفت. «شیمی ۴۲» با استفاده از الگوریتم‌های یادگیری عمیق، ساختارهای مولکولی کاملاً جدیدی را که به طور خاص برای مهار پروتئین TNIK طراحی شده بودند، «تصور» و تولید کرد.[1][2][3]

نتیجه، داروی رنتوسرتیب، یک مهارکننده خوراکی مولکول کوچک از نوع «اولین در کلاس» بود. کل فرآیند کشف – از شناسایی هدف تا معرفی یک کاندیدای پیش‌بالینی – در کمتر از ۱۸ ماه تکمیل شد، که کسری از زمان و هزینه مورد نیاز معمول در توسعه سنتی داروها است.[1][3][7]

ادعای اساسی کشف دارو با هوش مصنوعی تنها سرعت نیست، بلکه بهبود اثربخشی است. شواهد پشتیبان پیشرفت رنتوسرتیب از یک کارآزمایی بالینی تصادفی و دوسوکور فاز IIa به دست می‌آید که نتایج آن در سال ۲۰۲۵ در مجله «نیچر مدیسین» (Nature Medicine) منتشر شد.[3][4]

کارآزمایی GENESIS-IPF شامل ۷۱ بیمار در ۲۲ مرکز بود. این مطالعه با موفقیت به نقاط پایانی اولیه خود برای ایمنی و تحمل‌پذیری دست یافت و نشان داد که مولکول تولید شده توسط هوش مصنوعی سمیت غیرمنتظره‌ای ایجاد نمی‌کند.[1][4]

مهم‌تر از آن، این کارآزمایی یک سیگنال اولیه اثربخشی ارائه داد. بیمارانی که دوز ۶۰ میلی‌گرمی رنتوسرتیب را یک بار در روز دریافت کردند، بهبود میانگین ۹۸.۴+ میلی‌لیتری در ظرفیت حیاتی اجباری (FVC) – یک معیار استاندارد عملکرد ریه – در ۱۲ هفته نشان دادند. در مقابل، گروه دارونما کاهش ۲۰.۳- میلی‌لیتری را تجربه کرد.[1][4]

این نتایج میانی، اطمینان لازم برای پیشرفت به فاز ۳ را فراهم کرد. کارآزمایی محوری تازه آغاز شده، یک مطالعه آینده‌نگر، تصادفی، دوسوکور و کنترل‌شده با دارونما است که ۳۲۰ بیمار مبتلا به IPF را در ۴۷ مرکز در چین ثبت‌نام خواهد کرد.[2][4]

شرکت‌کنندگان به مدت ۵۲ هفته، روزانه یک بار رنتوسرتیب دریافت خواهند کرد. نقطه پایانی اولیه، اندازه‌گیری نرخ سالانه کاهش ظرفیت حیاتی اجباری خواهد بود که منعکس‌کننده استانداردهای دقیق ثبت مورد نیاز آژانس‌های نظارتی است. این کارآزمایی توسط متخصصان برجسته تنفسی، از جمله پروفسور «زوئوجون خو» و آکادمیسین «نانشان ژونگ» هدایت می‌شود.[2][3][4]

با وجود خوش‌بینی، عدم قطعیت قابل توجهی باقی است. کارآزمایی‌های فاز ۳ به عنوان گورستان توسعه دارویی شهرت دارند، جایی که تقریباً ۴۰ تا ۵۰ درصد از داروهایی که در فاز ۲ موفق می‌شوند، در نهایت هنگام آزمایش در جمعیت‌های بزرگ‌تر، متنوع‌تر و در دوره‌های طولانی‌تر شکست می‌خورند.[6]

تحلیلگران صنعت خاطرنشان می‌کنند که در حالی که هوش مصنوعی به طور غیرقابل انکاری «بخش مقدماتی» کشف دارو – یافتن اهداف و طراحی مولکول‌ها – را متحول کرده است، اما هنوز ثابت نکرده است که می‌تواند نرخ شکست اثربخشی فاز ۳ را به طور معناداری کاهش دهد. سایر شرکت‌های برجسته دارویی مبتنی بر هوش مصنوعی قبلاً شاهد لغزش کاندیداهای اصلی خود در کارآزمایی‌های میانی تا مراحل پایانی بوده‌اند، زمانی که سیگنال‌های اولیه اثربخشی نتوانستند دوام بیاورند.[5][6]

برای بیماران مبتلا به IPF، رنتوسرتیب نشانه‌ای از امید برای یک درمان اصلاح‌کننده بیماری است که به طور بالقوه می‌تواند زخم شدن ریه را معکوس کند. برای بخش بیوتکنولوژی، ۵۲ هفته آینده به عنوان یک همه‌پرسی قطعی در مورد این موضوع عمل خواهد کرد که آیا هوش مصنوعی واقعاً می‌تواند داروهای بهتری را مهندسی کند یا خیر.[1][3][5]