Ο ρόλος τεχνητής νοημοσύνης στην ανάπτυξη εμβολίων ενάντια στον κορωνοϊό και το digital hub της Pfizer στη Θεσσαλονίκη.
Στη δύναμη της Τεχνητής Νοημοσύνης -ενός αντικειμένου πάνω στο οποίο θα εργάζονται καθημερινά και οι εκατοντάδες επιστήμονες, που θα στελεχώσουν το digital hub της φαρμακοβιομηχανίας Pfizer στη Θεσσαλονίκη- οφείλουν την ταχεία έναρξη της ανάπτυξής τους πολλά από τα δεκάδες εμβόλια κατά του νέου κορωνοϊού, όπως επισημαίνει στο ΑΠΕ-ΜΠΕ ο επικεφαλής του κέντρου, Νίκο Γκαριμπόλντι (Nico Gariboldi). Κατά τον ίδιο, το ψηφιακό κέντρο τεχνολογίας και καινοτομίας της Pfizer στη Θεσσαλονίκη θα είναι πλήρως επιχειρησιακά ενεργό το 2021.
«Τα εμβόλια κατά της COVID-19 είχαν ενταχθεί σε κλινικές δοκιμές τον Μάρτιο, λιγότερο από τρεις μήνες μετά την αναγνώριση της επιδημίας στην Κίνα. Πολλά από αυτά τα εμβόλια οφείλουν την ταχεία έναρξή τους στη δύναμη της τεχνητής νοημοσύνης (TN). Από τις αρχές Σεπτεμβρίου, υπήρχαν 34 υποψήφια εμβόλια σε φάση κλινικών μελετών και άλλα 145 σε προκλινική φάση, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας.
»Αυτοί είναι εκπληκτικοί αριθμοί, δεδομένου ότι λιγότερο από έναν χρόνο πριν, κανείς δεν είχε ακούσει για τον νέο κορωνοϊό. Συνήθως χρειάζονται πολλά χρόνια ή ακόμη και δεκαετίες, για την ανάπτυξη ενός εμβολίου. Μέχρι τώρα, το ρεκόρ ταχύτητας ανάπτυξης εμβολίου κατείχε αυτό της παρωτίτιδας, που, από ένα δείγμα, κυκλοφόρησε σε προϊόν διαθέσιμο για χρήση, σε περίπου τέσσερα χρόνια», εξηγεί ο κ. Γκαριμπόλντι.
Τα συστήματα μηχανικής μάθησης και οι υπολογιστικές αναλύσεις, σημειώνει, βοηθούν τους ερευνητές να κατανοήσουν τον ιό και τη δομή του και να προβλέψουν ποια από τα συστατικά του θα προκαλέσουν μια ανοσοαπόκριση -βασικό βήμα στον σχεδιασμό εμβολίων. Μπορούν ακόμα να βοηθήσουν τους επιστήμονες να επιλέξουν τα στοιχεία των πιθανών εμβολίων και να κατανοήσουν τα πειραματικά δεδομένα, αλλά και να παρακολουθούν τις γενετικές μεταλλάξεις του ιού με την πάροδο του χρόνου, πληροφορίες που θα καθορίσουν την αξία οποιουδήποτε εμβολίου τα επόμενα χρόνια.
«Στην αναζήτηση ενός εμβολίου (για την COVID-19), η ΤΝ έχει κάνει περισσότερα από ποτέ. Και είναι μόνο μέρος μιας μεγαλύτερης σειράς υπολογιστικών εργαλείων, που φέρνουν επανάσταση στην έρευνα και ανάπτυξη των εμβολίων. Λίγοι άνθρωποι μπορεί να σκέφτονται την επόμενη πανδημία, αλλά οι ερευνητές έχουν ήδη αρχίσει να καταλαβαίνουν πως αυτά τα εργαλεία θα έχουν αρκετά καλύτερο αποτέλεσμα την επόμενη φορά», σημειώνει ο κ. Γκαριμπόλντι.
Μόνο το 14% των φαρμάκων «περνούν» τις κλινικές δοκιμές, ενώ μπορεί να χρειαστούν ώς 2 δισ. μέχρι την έγκριση ενός φαρμάκου από τον FDA
Πώς χρησιμοποιούνται αυτά ευρύτερα στη φαρμακοβιομηχανία, η ΤΝ και η ανάλυση Μεγάλων Δεδομένων (Big Data Analytics), αντικείμενα με τα οποία θα ασχολείται -μεταξύ άλλων- και το hub της Θεσσαλονίκης; Την τελευταία πενταετία, επισημαίνει το στέλεχος της Pfizer, η χρήση της ΤΝ στη βιομηχανία φαρμακευτικών προϊόντων και προϊόντων βιοτεχνολογίας επαναπροσδιόρισε τον τρόπο με τον οποίο οι επιστήμονες αναπτύσσουν νέα φάρμακα, αντιμετωπίζουν ασθένειες κ.ά.
Βάσει μελέτης του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης (MIT) μόλις 13,8% των φαρμάκων περνούν επιτυχώς κλινικές δοκιμές. Επιπλέον, μια εταιρεία μπορεί να πληρώσει από 161 εκατομμύρια έως 2 δισεκατομμύρια δολάρια για οποιοδήποτε φάρμακο, για να ολοκληρώσει τη διαδικασία κλινικών δοκιμών και να λάβει έγκριση από το FDA. Έχοντας αυτό κατά νου, οι φαρμακευτικές επιχειρήσεις χρησιμοποιούν TN για να αυξήσουν τα ποσοστά επιτυχίας των νέων φαρμάκων, μειώνοντας ταυτόχρονα το λειτουργικό κόστος.
Αυτό, σημειώνει ο κ. Γκαριμπόλντι, συνεπάγεται σημαντικά οφέλη για τους ασθενείς, καθώς καθιστά τις κλινικές δοκιμές αποτελεσματικότερες και επιτρέπει στις φαρμακευτικές εταιρείες να μεταφέρουν πόρους σε περαιτέρω φαρμακευτική έρευνα.
«Όσον αφορά στη χρήση των big data analytics, οι φαρμακευτικές εταιρείες συχνά βασίστηκαν σε εμπειρικά δεδομένα για να προσδιορίσουν τα πρότυπα, τις θεωρίες δοκιμών και να κατανοήσουν την αποτελεσματικότητα των θεραπειών. Ωστόσο, μερικές φορές αυτή δεν ήταν μια καλή λύση.
»Η αξιοποίηση των Data Analytics για την αντιμετώπιση των διαθέσιμων Μεγάλων Δεδομένων παρέχει πολύτιμες πληροφορίες στις φαρμακευτικές εταιρείες σχετικά με τις ανάγκες, τη χρήση, τις αντενδείξεις, τις τάσεις της αγοράς και την απόδοση των πωλήσεων κι επιταχύνει τη διαδικασία. Αυτά είναι τα είδη έργων στα οποία θα εργαστούν και οι digital experts του hub μας στη Θεσσαλονίκη» εξηγεί.
Σε παγκόσμια projects συμμετέχουν οι εργαζόμενοι του hub στη Θεσσαλονίκη
Σύμφωνα με τον κ.Γκαριμπόλιντι, η διαδικασία πρόσληψης στο hub βρίσκεται ήδη σε εξέλιξη (σ.σ.προβλέπεται να απασχοληθούν 200 άτομα) και το κέντρο είναι πλέον σε λειτουργία, αν και δεν έχουν καλυφθεί όλες οι θέσεις. «Έχουμε ανθρώπους που εργάζονται στο Hub, ή, αυστηρά μιλώντας, εργάζονται εξ αποστάσεως για το Hub, λόγω του lockdown. Επί του παρόντος, συμμετέχουν σε παγκόσμια projects» επισημαίνει, ενώ ερωτηθείς αν οι τεχνικές υποδομές της Θεσσαλονίκης επαρκούν για να καλύψουν έργα πάνω σε ΤΝ και Big Data απαντά πως, βάσει της μέχρι τώρα εμπειρίας, ανταποκρίνονται πλήρως στις ανάγκες.
Παραδείγματα έργων από άλλα hubs
Στόχος των digital hubs της Pfizer είναι και η προσφορά λύσεων, που ανακουφίζουν ασθενείς στην καθημερινότητά τους. Ήδη, σε άλλα αντίστοιχα κέντρα της φαρμακοβιομηχανίας αναπτύχθηκαν το ρομπότ Mabu και η εφαρμογή LivingWith (όπως ονομάζεται στις ΗΠΑ) ή Βy your side (η ονομασία στην Ευρώπη).
«Το MABU ® Wellness Coach είναι το μικρό μας ρομπότ για ενεργούς ασθενείς με ρευματοειδή αρθρίτιδα. Αναπτύχθηκε για να βοηθήσει τους ασθενείς να ενταχθούν ομαλά στην θεραπεία και ακολουθήσουν τις ιατρικές οδηγίες. Η εφαρμογή LivingWith™ βοηθά τους ασθενείς να συνδέονται με τους αγαπημένους τους, να ζητούν υποστήριξη και να θυμούνται σημαντικές πληροφορίες από τις επισκέψεις του γιατρού. Αυτή τη στιγμή, αφορά ασθενείς με καρκίνο, αλλά αναζητούμε και σε ποιους άλλους θεραπευτικούς τομείς θα μπορούσαν να χρησιμοποιηθούν» καταλήγει ο κ. Γκαριμπόλντι.
Στην πρώτη συνάντηση με τίτλο «Ψυχανάλυση και κινηματογράφος της παρατήρησης - Μεγεθύνοντας το αδιόρατο», την Κυριακή 24 Νοεμβρίου, ο Γρηγόρης Μανιαδάκης συνομιλεί με την Εύα Στεφανή
10°
