ยาใหม่จาก AI ราว 70 ชนิดเข้าสู่คลินิกแล้ว ต้องรออีก 3-5 ปีพิสูจน์ผลจริง

ยาใหม่ที่คัดเลือกด้วยปัญญาประดิษฐ์ (AI) ราว 70 โครงการเข้าสู่ขั้นตอนการทดลองทางคลินิกแล้ว แต่การจะตัดสินว่าเทคโนโลยีนี้ให้ผลลัพธ์จริงหรือไม่ยังต้องรอการพิสูจน์อีก 3-5 ปี ตามการวิเคราะห์ล่าสุด

เบิร์นสไตน์ (Bernstein) บริษัทวิจัยด้านการลงทุน ระบุในรายงานเมื่อวันที่ 26 ว่า โครงการพัฒนายาที่ใช้ AI เป็นแกนหลักส่วนใหญ่ยังอยู่ในขั้นทดลองทางคลินิกระยะต้นเท่านั้น แม้ AI จะถูกนำมาใช้ในการออกแบบโมเลกุล การคัดกรองด้วยระบบเสมือน และการค้นหาเป้าหมายทางชีวภาพ แต่ขั้นตอนที่ต้องพิสูจน์ประสิทธิภาพและความปลอดภัยในร่างกายมนุษย์นั้นไม่สามารถย่นระยะเวลาได้ด้วยอัลกอริทึมเพียงอย่างเดียว

การวิเคราะห์ครั้งนี้สวนทางกับมุมมองเชิงบวกที่ผู้บริหารบริษัท AI หลายรายเคยแสดงความเห็นไว้ก่อนหน้านี้ โดย ดาริโอ อโมเดอี(Dario Amodei) ประธานเจ้าหน้าที่บริหาร (CEO) ของแอนโทรปิก(Anthropic) เคยระบุว่า AI อาจมีส่วนช่วยรักษาโรคส่วนใหญ่ของมนุษย์ได้ภายใน 5-10 ปี

เบิร์นสไตน์ระบุในรายงานฉบับเดียวกันเมื่อวันที่ 26 ว่า มองความเห็นเชิงบวกของผู้บริหารบริษัท AI เหล่านี้เป็นความพยายามสื่อสารคุณค่าทางสังคมของ AI มากกว่า ท่ามกลางแรงกดดันที่เพิ่มขึ้นให้วงการ AI ต้องพิสูจน์ผลงานจริงในด้านการแพทย์และชีววิทยา

อย่างไรก็ตาม เบิร์นสไตน์ประเมินว่าคำกล่าวอ้างดังกล่าวยังไม่มีหลักฐานรองรับเพียงพอในความเป็นจริงของการพัฒนายา เนื่องจากการค้นพบเป้าหมายทางชีวภาพ การทดลองทางคลินิก และขีดความสามารถของระบบสาธารณสุขในการรองรับ ล้วนเป็นคอขวดสำคัญ อีกทั้งการพิสูจน์ทางชีววิทยาต้องเกิดขึ้นในร่างกายมนุษย์เท่านั้น

โดยทั่วไป การพัฒนายาด้วย AI มักสร้างประสิทธิภาพได้ชัดเจนในขั้นตอนการค้นหาและคัดเลือกสารตั้งต้นก่อน ด้วยการใช้แบบจำลองคอมพิวเตอร์สำรวจความเป็นไปได้ของสารประกอบและโปรตีนเป้าหมายจำนวนมหาศาล พร้อมคัดกรองตัวเลือกที่มีโอกาสสำเร็จต่ำออกตั้งแต่ขั้นต้น

แต่การทดลองทางคลินิกเป็นอีกเรื่องหนึ่ง แม้สารตั้งต้นจะแสดงผลลัพธ์ที่ดีในการทดลองระดับเซลล์หรือสัตว์ทดลอง ก็ไม่มีหลักประกันว่าจะให้ผลลัพธ์และความปลอดภัยแบบเดียวกันในมนุษย์ ทั้งการกำหนดขนาดยา การตรวจสอบผลข้างเคียง และการคัดเลือกผู้เข้าร่วมทดลอง ล้วนต้องใช้เวลา

รายงานระบุว่าคุณค่าหลักของ AI อยู่ที่การ 'ยกระดับคุณภาพการตัดสินใจ' มากกว่าการ 'ย่นระยะเวลา' โดยเบิร์นสไตน์วิเคราะห์ว่า หากอัตราความสำเร็จเพิ่มขึ้น 20% ผลตอบแทนด้านวิจัยและพัฒนาที่ได้จะสูงกว่าการลดต้นทุนหรือระยะเวลาในสัดส่วนเท่ากัน

ประเด็นนี้เชื่อมโยงกับโครงสร้างต้นทุนของอุตสาหกรรมยาโดยตรง เนื่องจากค่าใช้จ่ายและเวลาที่ทุ่มไปกับสารตั้งต้นที่ล้มเหลวจะสะสมเพิ่มขึ้นเรื่อยๆ ความสามารถในการเลือกตัวเลือกที่มีโอกาสสำเร็จสูงจึงอาจส่งผลต่อความสามารถในการทำกำไรมากกว่าการเร่งทดลองให้เร็วและมากขึ้น

รายงานยังประเมินว่า AI อาจสร้างมูลค่าได้มากขึ้นในกลุ่มโรคที่รักษายากและยังมีความเข้าใจทางชีววิทยาจำกัด แม้อัตราความสำเร็จโดยรวมจะไม่สูงนัก แต่หาก AI ช่วยค้นพบเป้าหมายหรือสารตั้งต้นที่วิธีเดิมค้นหาได้ยาก ก็อาจช่วยเพิ่มประสิทธิภาพการวิจัยและพัฒนาได้

กลยุทธ์ด้าน AI ของบริษัทยารายใหญ่ก็แตกต่างกันไป โดยอีไล ลิลลี(Eli Lilly, LLY) มีจำนวนความร่วมมือกับพันธมิตรภายนอกมากที่สุดถึง 25 โครงการ ขณะที่โรช(Roche) ถูกระบุว่าเป็นบริษัทที่ลงทุนด้านคอมพิวติ้งสูงที่สุด ส่วนแอมเจน(Amgen, AMGN) ถูกยกให้เป็นตัวอย่างบริษัทที่มีความได้เปรียบเชิงป้องกันแข็งแกร่ง จากการใช้ข้อมูลของ deCODE Genetics

สำหรับบริษัทยา ปัจจัยชี้ขาดไม่ได้อยู่ที่เทคโนโลยี AI เพียงอย่างเดียว แต่อยู่ที่การผสานข้อมูลทางคลินิก ข้อมูลพันธุกรรม และความเชี่ยวชาญเฉพาะโรคเข้าด้วยกัน แม้โมเดล AI จะเสนอสารตั้งต้นที่มีศักยภาพ แต่กระบวนการตรวจสอบและจัดลำดับความสำคัญในการพัฒนายังต้องเกิดขึ้นภายในระบบวิจัยและพัฒนาของบริษัทยาเดิม

ข้อมูลการอนุมัติยาของสำนักงานคณะกรรมการอาหารและยาสหรัฐ (FDA) ยังไม่แสดงผลกระทบจาก AI อย่างชัดเจน โดยเบิร์นสไตน์ตีความว่า จำนวนยาใหม่ที่ได้รับอนุมัติเฉลี่ยปีละ 48.5 รายการในช่วง 5 ปีที่ผ่านมา เป็นผลจากการปรับปรุงกฎระเบียบให้ทันสมัยและการเติบโตของยาชีวภาพ มากกว่าผลจาก AI

การพัฒนายาด้วย AI กำลังช่วยเพิ่มประสิทธิภาพในขั้นตอนห้องปฏิบัติการได้จริง แต่การจะไปถึงข้อกล่าวอ้างเรื่อง 'การรักษาโรคส่วนใหญ่' ยังต้องผ่านขั้นตอนการทดลองทางคลินิก การพิสูจน์ในร่างกายมนุษย์ และการนำไปใช้จริงในระบบสาธารณสุข ซึ่งเบิร์นสไตน์มองว่าคำตอบจะปรากฏชัดขึ้นจากผลการทดลองทางคลินิกในช่วง 3-5 ปีข้างหน้า