«Μέσα στην επόμενη δεκαετία θα δούμε το πρώτο μεγάλο κύμα φαρμάκων που θα έχουν υποστηριχθεί ή καθοδηγηθεί από την Τεχνητή Νοημοσύνη (ΤΝ)».
Αυτό αποκαλύπτει με συνέντευξή του στο iefimerida.gr ο Έλληνας ερευνητής, Δρ. Εμμανουήλ Μετζακοπιάν, εκφράζοντας την αισιοδοξία του για το μέλλον της φαρμακευτικής έρευνας και τις νέες θεραπείες, που αναμένεται να αποτελέσουν «σανίδα» σωτηρίας για εκατομμύρια ασθενείς σε ολόκληρο τον κόσμο που πάσχουν από καρκίνο, καρδιομεταβολικές παθήσεις, νευροεκφυλιστικές ασθένειες, αυτοάνοσα και σπάνιες νόσους.
Ο κορυφαίος επιστήμονας, που το 2024 αναδείχτηκε ως «Ερευνητής της Χρονιάς», στο πλαίσιο των Ανεξάρτητων Βραβείων Επιστήμης και Τεχνολογίας του Cambridge Independent, κάνει λόγο για αγώνα δρόμου στις οποίες έχουν επιδοθεί οι μεγάλες φαρμακοβιομηχανίες, με στόχο τη δημιουργία μοντέλων ΤΝ που θα μπορούν να προβλέψουν πώς λειτουργεί κάθε κύτταρο στο ανθρώπινο σώμα σε παθολογικές συνθήκες και πώς ανταποκρίνεται στη θεραπεία.
«Πρόκειται για μοντέλα Τεχνητής Νοημοσύνης που θα οδηγούν γρήγορα σε άφθονους, ασφαλείς και αποτελεσματικούς θεραπευτικούς στόχους. Μέσω αυτών θα μπορούμε να έχουμε αυξημένη επιτυχία στις κλινικές δοκιμές και να μειώσουμε το κόστος και τον συνολικό χρόνο μέχρι οι θεραπείες να φτάσουν στους ασθενείς», λέει με νόημα.
Ο ρόλος του Δρ. Μετζακοπιάν και της ομάδας του, μέσω της νεοσύστατης εταιρείας βιοτεχνολογίας CellCodex, με έδρα το Κέιμπριτζ, είναι να παράσχουν τα δεδομένα που χρειάζεται η ΤΝ για να κάνει τη διαδικασία ανακάλυψης φαρμάκων πραγματικά πιο γρήγορη και πιο επιτυχημένη.
Ευχή του, σύντομα, η Ελλάδα να αποτελέσει τη δεύτερη έδρα της εταιρείας, καθώς όπως τονίζει η χώρα μας διαθέτει εξαιρετικά ταλαντούχο ανθρώπινο δυναμικό στους τομείς της μηχανικής και της επιστήμης δεδομένων.
Ερ. Ποιος είναι ο στόχος της νέας εταιρείας;
Η τεχνητή νοημοσύνη (ΤΝ) έχει αλλάξει τον κόσμο πρόσφατα με μεγάλα γλωσσικά μοντέλα όπως το ChatGPT, όπου μπορείς να κάνεις οποιαδήποτε ερώτηση θέλεις και, αξιοποιώντας τη «σοφία» όλου του ανθρώπινου κειμένου πάνω στο οποίο εκπαιδεύτηκαν με μηχανική μάθηση, μπορούν πλέον να απαντούν σε βάθος μέσα σε λίγα δευτερόλεπτα, λειτουργώντας πραγματικά σαν ο καθημερινός σου βοηθός. Παρομοίως, υπάρχουν μοντέλα τεχνητής νοημοσύνης που έχουν εκπαιδευτεί να δημιουργούν νέες εικόνες και βίντεο κατ’ απαίτηση — με τις κατάλληλες οδηγίες μπορείς να δημιουργήσεις έναν εικονικό κόσμο χωρίς ειδικό εξοπλισμό. Αυτό δεν είναι ένα όνειρο για το μέλλον· είναι η σημερινή πραγματικότητα.
Φανταστείτε λοιπόν έναν τέτοιο «βοηθό» για την πρώιμη φάση ανάπτυξης φαρμάκων: να μας οδηγεί γρήγορα σε άφθονους, ασφαλείς και αποτελεσματικούς θεραπευτικούς στόχους. Θα είχαμε αυξημένη επιτυχία στις κλινικές δοκιμές και θα μειώναμε το κόστος και τον συνολικό χρόνο μέχρι οι θεραπείες να φτάσουν στους ασθενείς — άρα πιο γρήγορα και οικονομικά. Τι μας κρατά πίσω; Η έλλειψη δεδομένων. Χρειαζόμαστε ποιοτικά δεδομένα, μεγάλης κλίμακας και συγκεκριμένου τύπου, ώστε να μπορούν να χρησιμοποιηθούν για να εκπαιδεύσουν την επόμενη γενιά μοντέλων ΤΝ που θα υποστηρίζουν τη διαδικασία ανακάλυψης φαρμάκων.
Στην παρούσα φάση υπάρχει ένας αγώνας δρόμου στις μεγάλες φαρμακοβιομηχανίες για τη δημιουργία μοντέλων ΤΝ που θα μπορούν να προβλέψουν πώς λειτουργεί κάθε κύτταρο στο ανθρώπινο σώμα σε παθολογικές συνθήκες και πώς ανταποκρίνεται στη θεραπεία. Τα μοντέλα αυτά εκπαιδεύονται χρησιμοποιώντας δεδομένα από πειραματικές παρεμβάσεις: επηρεάζουμε, για παράδειγμα, την έκφραση ή τη λειτουργία ενός γονιδίου και μελετάμε τι αποτέλεσμα είχε η παρέμβαση σε μοριακό, κυτταρικό και πολυκυτταρικό επίπεδο. Η CellCodex ιδρύθηκε για να παράγει ακριβώς αυτά τα δεδομένα — στη σωστή κλίμακα (έως και δισεκατομμύρια κύτταρα), με υψηλή ποιότητα και τυποποίηση — ώστε να μπορούν να χρησιμοποιηθούν για την εκπαίδευση ΤΝ μοντέλων. Με απλά λόγια, παρέχουμε τα δεδομένα που χρειάζεται η ΤΝ για να κάνει τη διαδικασία ανακάλυψης φαρμάκων πραγματικά πιο γρήγορη και πιο επιτυχημένη.
Ερ. Με ποιον τρόπο η ΤΝ μπορεί να συμβάλλει στην ανακάλυψη νέων και πιο αποτελεσματικών φαρμάκων; Και για ποιες νόσους;
Η ΤΝ μπορεί να εκτελεί εκατομμύρια εικονικά (in silico) πειράματα, να προβλέπει τα αποτελέσματα και να καθοδηγεί τους επιστήμονες μέσα σε λίγες ώρες αντί για μήνες ή χρόνια που μπορεί να απαιτούνται για πειραματική έρευνα στο εργαστήριο, εξοικονομώντας έτσι σημαντικό χρόνο και χρήματα μέχρι να υπάρχει ισχυρή ένδειξη ότι ο σχεδιασμός κάθε μελέτης θα έχει επιτυχία. Αυτό μειώνει δραστικά το ρίσκο και επιταχύνει τη μετάβαση από την ιδέα στις κλινικές μελέτες. Οι εφαρμογές είναι ευρείες: καρκίνοι, καρδιομεταβολικές παθήσεις, νευροεκφυλιστικές ασθένειες, αυτοάνοσα και σπάνιες νόσοι. Με απλά λόγια, η ΤΝ βοηθά να διαλέγουμε τους καταλληλότερους θεραπευτικούς στόχους και τα πιο υποσχόμενα μόρια σε λιγότερο χρόνο και με λιγότερα έξοδα.
Ερ. Πόσο κοντά είμαστε στην ανακάλυψη αυτών των φαρμάκων (π.χ. καρκίνος ή άλλες θανατηφόρες νόσοι);
Ήδη είδαμε μεγάλη πρόοδο με το AlphaFold, ένα μοντέλο ΤΝ που προβλέπει τη δομή πρωτεϊνών και βοηθά να σχεδιάζουμε φάρμακα πιο έξυπνα. Ωστόσο, δεν διαθέτουμε ακόμη τα δεδομένα που απαιτούνται για να εκπαιδεύσουμε τα μοντέλα ΤΝ που θα μπορούν να προβλέψουν πώς συμπεριφέρονται τα κύτταρα σε παθολογικές συνθήκες και ποιοι φαρμακευτικοί στόχοι μπορούν να τα επαναφέρουν σε υγιή κατάσταση. Παρ’ όλα αυτά, ο τομέας εξελίσσεται γρήγορα και σύντομα θα παραχθούν τα απαραίτητα δεδομένα ειδικά για αυτόν τον σκοπό, με την CellCodex να στοχεύει να παίξει σημαντικό ρόλο σε αυτή την προσπάθεια. Τα επόμενα πέντε χρόνια θα είναι καθοριστικά: θα δούμε επέκταση αυτής της προσπάθειας και παραγωγή μεγάλου όγκου δεδομένων από πειραματικές παρεμβάσεις. Πιστεύω ότι μέσα στην επόμενη δεκαετία θα δούμε το πρώτο μεγάλο κύμα φαρμάκων που θα έχουν υποστηριχθεί ή καθοδηγηθεί από την ΤΝ. Είμαι πολύ αισιόδοξος για το μέλλον της φαρμακευτικής έρευνας και για τους ασθενείς που χρειάζονται νέες θεραπείες.
Ερ. Γιατί έχετε βάση στο Κέιμπριτζ (ΗΒ) και πόσο σημαντικές είναι οι συνεργασίες με την Ελλάδα;
Επιλέξαμε το Κέιμπριτζ γιατί συνδυάζει παγκόσμιας κλάσης βιοϊατρική έρευνα, ισχυρές υπολογιστικές ικανότητες και ώριμο σύστημα επιχειρηματικής ανάπτυξης, υποστηριζόμενο από τα απαραίτητα δίκτυα χρηματοδότησης. Στον επιστημονικό τομέα, το Cambridge Biomedical Campus, το Babraham Research Campus, το Milner Therapeutics Institute και το Wellcome Genome Campus προσφέρουν στρατηγικές συνεργασίες, εξειδικευμένους επιστήμονες και άμεση πρόσβαση σε κλινικές μελέτες. Στον επιχειρηματικό τομέα, οι Cambridge Angels είναι μια κοινότητα εμπειρότατων ιδρυτικών στελεχών που επενδύουν προσωπικά κεφάλαια σε εταιρείες που βρίσκονται σε πολύ αρχικά στάδια και ανοίγουν πόρτες σε πελάτες και περαιτέρω επενδυτικά κεφάλαια μέσω συνεργασιών και προσωπικών γνωριμιών. Παράλληλα, η start-up accelerators δημιουργεί συστηματικά νέες επιχειρήσεις, παρέχοντας αρχική χρηματοδότηση, γραφεία και χώρους εργαστηρίου, καθοδήγηση και ένα δομημένο πρόγραμμα ταχείας ανάπτυξης. Μαζί αυτά τα δίκτυα λειτουργούν συμπληρωματικά, επιτρέποντας σε μια εταιρεία όπως η CellCodex να εξελιχθεί γρήγορα από το πιλοτικό στάδιο στην κλιμάκωση. Λαμβάνοντας επίσης υπόψη την άμεση σύνδεση με την Ευρώπη, την εύκολη πρόσβαση στις ΗΠΑ και τις ισχυρές υποδομές AI/HPC, το Κέιμπριτζ αποτελεί την ιδανική βάση για την CellCodex.
Οι δεσμοί με την Ελλάδα είναι και προσωπικοί — κατάγομαι από την Άνδρο και η οικογένειά μου ζει μόνιμα εκεί — και στρατηγικοί αφού η Ελλάδα μπορεί να αποτελέσει για την CellCodex μια δεύτερη έδρα, εντός της ευρωπαϊκής ένωσης με αξιόπιστους ακαδημαϊκούς και νοσοκομειακούς συνεργάτες, πρόσβαση σε ευρωπαϊκά προγράμματα, έναν δυναμικά αναπτυσσόμενο τεχνολογικό τομέα και εξαιρετικά ταλαντούχο ανθρώπινο δυναμικό στους τομείς της μηχανικής και της επιστήμης δεδομένων. Οι δεσμοί με την Ελλάδα μπορούν να μας βοηθήσουν να παράγουμε δεδομένα από διαφορετικούς πληθυσμούς, να επεκτείνουμε τη δυναμικότητά μας χωρίς έκπτωση στην ποιότητα και να διατηρήσουμε στενή σχέση με ευρωπαϊκούς συνεργάτες.
Ερ. Υπάρχει στη χώρα μας το έμψυχο δυναμικό και τα μέσα;
Απολύτως — ναι. Η Ελλάδα διαθέτει πολύ καλό ανθρώπινο δυναμικό (βιολόγοι, γιατροί, data scientists, μηχανικοί) και ένα αναπτυσσόμενο δίκτυο ερευνητικών κέντρων/νοσοκομείων με σύγχρονες υποδομές και βιοτράπεζες. Για την CellCodex βλέπουμε τρεις σαφείς δυνατότητες συνεργασίας: (1) προσλήψεις βιοπληροφορικών/μηχανικών υπολογιστών και ερευνητών εργαστηρίου · (2) κλινικές και ακαδημαϊκές συνεργασίες για συλλογές δεδομένων από πειραματικές παρεμβάσεις· (3) αξιοποίηση τοπικών μονάδων αλληλούχισης και ευρωπαϊκών ψηφιακών/HPC πόρων. Θα υποστηρίξουμε προγράμματα πρακτικής άσκησης, συνεργασίες με ήδη τρέχοντα ερευνητικά προγράμματα και θέσεις εργασίας εξ αποστάσεως, ώστε αυτό να γίνει πράξη σύντομα.
Ερ. Ποιοι είναι οι στόχοι που έχετε θέσει και το χρονοδιάγραμμά τους;
Μόλις ξεκινήσαμε τη δραστηριότητά μας και ήδη βρισκόμαστε σε συζητήσεις με φαρμακευτικές και βιοτεχνολογικές εταιρείες που χρειάζονται δεδομένα μεγάλης κλίμακας από πειραματικές παρεμβάσεις και επιθυμούν να αποκτήσουν πρόσβαση στις υπηρεσίες μας.
Στους πρώτους 6 μήνες θα στήσουμε το ερευνητικό/εργαστηριακό σκέλος, θα εξασφαλίσουμε και θα ξεκινήσουμε 2–3 πιλοτικά προγράμματα για την παραγωγή δεδομένων που μπορούν να χρησιμοποιηθούν για την εκπαίδευση μοντέλων ΤΝ.
Μέχρι τους 12 μήνες, στόχος μας είναι να παραδώσουμε τα πρώτα επικυρωμένα πακέτα δεδομένων μεγάλης κλίμακας και να μετατρέψουμε τα πιλοτικά προγράμματα σε πολυετή.
Στους 12–24 μήνες, στόχος μας είναι να επεκτείνουμε την αυτοματοποίηση, ώστε να παράγουμε ακόμη μεγαλύτερης κλίμακας δεδομένα και να διευρύνουμε τους θεραπευτικούς τομείς που καλύπτουμε, εδραιώνοντας συνεργασίες σε ΗΒ και Ελλάδα.
Σε ορίζοντα 24–36 μηνών, στόχος είναι η συστηματική παραγωγή δεδομένων από εκατοντάδες εκατομμύρια κύτταρα, καθιερώνοντας την CellCodex ως τον βασικό προμηθευτή τυποποιημένων δεδομένων που θα τροφοδοτούν μοντέλα ΤΝ για την υποστήριξη της ανακάλυψης φαρμάκων.
