בבריטניה, היה מקרה שבו TGN1412, טיפול אימונותרפי בפיתוח, עורר סערת ציטוקינים תוך שעות ממתן מתן לבני אדם, מה שהוביל לאי ספיקת איברים מרובה. דוגמה נוספת, Aptiganel, מועמדת לתרופה לשבץ, הייתה יעילה מאוד גם בבעלי חיים אך הופסקה בבני אדם עקב תופעות לוואי כמו הזיות והרגעה. למרות שתרופות הנחשבות בטוחות בבדיקות פרה-קליניות יכולות להיות קטלניות בניסויים קליניים בבני אדם. פותחה טכנולוגיה מבוססת למידת מכונה כדי ללמוד את ההבדלים הללו ולזהות תרופות שעלולות להיות מסוכנות לפני ניסויים קליניים.
צוות מחקר בראשות פרופסור סאנגוק קים מהמחלקה למדעי החיים ובית הספר לתארים מתקדמים לבינה מלאכותית ב-POSTECH, יחד עם ד"ר Minhyuk Park ומר וומין סונג מהמחלקה למדעי החיים, ומר היונסו אהן מבית הספר לתארים מתקדמים לבינה מלאכותית, פיתחו טכנולוגיה שמשתמשת בלימוד מכונה כדי לחזות תופעות לוואי של תרופות אנושיות. מחקר זה פורסם לאחרונה באינטרנט בכתב העת הרפואי הבינלאומי eBioMedicine.
במהלך פיתוח תרופות חדשות, אלו שעוברות ניסויים פרה-קליניים מראים לעיתים קרובות רעילות בלתי צפויה בבני אדם. סוגיה זו נובעת מהבדלים בתגובות ביולוגיות בין בני אדם ובעלי חיים. לדוגמה, שוקולד הוא בדרך כלל בטוח לבני אדם אך רעיל לכלבים. באופן דומה, תרופה בטוחה בעכברים לא בהכרח אומרת שהיא בטוחה לבני אדם. עד כה, "הבדל בין המינים" הזה היה סיבה מרכזית לכשלים בפיתוח תרופות חדשות.
צוות המחקר התמקד ב"הבדל הגנוטיפ-פנוטיפ (GPD)," ההבדלים הביולוגיים בין תאים, עכברים ובני אדם. הם ניתחו כיצד גנים הממוקדים על ידי תרופות מתפקדים בצורה שונה בבני אדם ובמודלים פרה-קליניים, תוך התמקדות בשלושה גורמים מרכזיים: ראשית, השפעת ההפרעה של הגן על ההישרדות (מהותיות); שנית, דפוס ביטוי הגנים ברקמות שונות; ושלישית, הקישוריות של גנים בתוך רשתות ביולוגיות.
אימות באמצעות נתונים מ-434 תרופות מסוכנות ו-790 תרופות מאושרות העלה כי מאפייני GPD היו קשורים באופן מובהק לכישלון תרופות עקב רעילות בבני אדם. כוח הניבוי השתפר משמעותית בהסתמך על נתונים כימיים של תרופה, כאשר השטח מתחת לעקומה (AURC1) גדל מ-0.35 ל-0.63, והשטח מתחת לעקומה (AUROC2) גדל מ-0.50 ל-0.75. מודל הבינה המלאכותית שפותחה הוכיח ביצועי חיזוי מעולים בהשוואה למודלים חדישים קיימים.
יתר על כן, הוא הוכיח פרקטיות ב"אימות כרונולוגי", המתריע בפני משתמשים על סמים העומדים בפני גמילה מהשוק עקב רעילות. לאחר הכשרה של מודל החיזוי על נתוני תרופות בלבד עד 1991, הוא חזה נכון את התרופות הצפויות להיסגר מהשוק לאחר 1991, תוך השגת דיוק של 95%.
המשמעות של מחקר זה היא שהוא מגשר על "פער התרגום" בין ניסויים פרה-קליניים לקליניים על ידי כימות הבדלים ביולוגיים בתאים, במודלים פרה-קליניים של בעלי חיים ובבני אדם. חברות תרופות יכולות להפחית את עלויות הפיתוח והזמן על ידי סינון מועמדים בסיכון גבוה לפני ניסויים קליניים, תוך שיפור בטיחות המטופלים. יעילות המודל צפויה לעלות ככל שיצטברו נתונים והערות רלוונטיות יותר.
זהו הניסיון הראשון לשלב הבדלים ביחסי גנוטיפ-פנוטיפ לצורך חיזוי רעילות לתרופות. המסגרת שלנו מאפשרת זיהוי מוקדם של תרופות בסיכון גבוה בפיתוח קליני. גישה זו טומנת בחובה הבטחה להפחתת עלויות הפיתוח, שיפור בטיחות המטופל והגדלת שיעור ההצלחה של אישורים טיפוליים. המחברים הראשונים, ד"ר מין-היוק פארק ומר וומין סונג, ציינו, "מודל חיזוי הרעילות הממוקד באדם יהיה כלי מעשי מאוד בפיתוח תרופות חדשות. אנו צופים שחברות תרופות יוכלו לסנן מראש תרופות בסיכון גבוה בשלב הפרה-קליני, ובכך לשפר את יעילות הפיתוח".
פרופסור סנגוק קים, המחלקה למדעי החיים ובית הספר לתארים מתקדמים לבינה מלאכותית ב-POSTECH
מחקר זה נתמך על ידי קרן המחקר הלאומית (NRF), במימון ממשלת קוריאה (MSIT), המרכז לחדשנות מכשירים רפואיים ותוכנית פיתוח משאבי אנוש לביולוגיה סינתטית.
