AI accelererar både forskning och innovation. Det märks inte minst i läkemedelsindustrin där man nu kan få fram nya läkemedel från idé till de första kliniska prövningarna på mindre än 12 månader jämfört med 4-5 år tidigare.
Att utveckla nya läkemedel, och få dem godkända, har traditionellt inte bara varit en tidskrävande process, utan även extremt kostsam. Enligt en rapport från Deloitte var utvecklingskostnaden för de läkemedel som blev godkända 2018 omkring 20 miljarder kronor i genomsnitt.
– Kostnaden har genom åren drivits upp av man inte tidigt kunna avgöra vilka kandidater som är värda att gå vidare med i processen. För att få fram ett godkänt läkemedel har man behövt ta fram och testa 10 000 kandidater. Med AI blir pricksäkerheten kanske så hög som en på tio i stället. Det är nästan ofattbart hur mycket AI kan effektivisera utvecklingsprocessen, säger Ian A Cotgreave, professor i toxikologi på RISE med mångårig bakgrund i läkemedelsbranschen, bland annat från Astra Zeneca.
”Bommarna” rensas bort redan från början
AI lär sig av miljontals tidigare utförda strukturer, experiment och tester, både framgångsrika och ofruktsamma. Slutsatser dras även från all världens tillgängliga vetenskapliga dokument på medicinområdet, från underlag till patent, från journaler, från gensekvensdata och så vidare. Det här gör att forskarna slipper lägga tid på spår som är dömda att misslyckas.
AI varnar för de kandidater som kan leda till trubbel.
– Det är mycket bättre att döda ett spår tidigt än att långt senare upptäcka att kandidater som man trott på, och investerat 4-5 års forskning i, visar sig vara helt verkningslösa på människor – eller riskerar att drabba hjärtat, eller ge andra livshotande biverkningar, säger Ian A Cotgreave.
Datorerna kan hitta de kandidater som har störst potential.
– Den genererar en ”heat map”, varifrån man plockar strukturer som har störst chans att komma in i en klinisk fas. Tidigare tog denna första urvalsprocess 12-16 veckor. Idag kan det tar så lite som en vecka.
AI är oslagbart på att analysera tillgängliga data, göra prioriteringar och därmed snabba upp processerna. Det var en av förklaringarna att utvecklingen av Covid-19-vaccin gick så snabbt. Men AI kommer inte på många år kunna ersätta klinisk validering. Människokroppen är så komplex – med olika system sammanlänkade, där alla påverkas av både interna och externa faktorer – att allt inte går att förutsäga.
Själva träningen av AI-modellerna tar förstås en del tid – men sedan går det blixtsnabbt
Nya material kan utvecklas mycket snabbare
Lyfter vi blicken från läkemedelsindustrin, så ser vi att forskning och innovation går fortare inom i stort sett alla områden i samhället med hjälp av AI. Ett annat exempel är utveckling av nya material.
– Kanske allra mest spännande är möjligheten att med AI kunna ersätta de fysikbaserade materialsimuleringsmjukvarorna, säger Andreas Thore, forskare på RISE avdelning för industriella system.
Att beräkna den tredimensionella atomstrukturen, eller de fysiska egenskaperna, hos ett enda material med vanliga mjukvarorna inte sällan flera dagar. Med AI, och tillgång till en stor mängd data från tidigare beräkningar och experiment, kan man istället träna en simuleringsmodell att göra dessa uträkningar en miljon gånger (!) snabbare.
– Själva träningen av AI-modellerna tar förstås en del tid – men sedan går det blixtsnabbt. Man bör dock ha i åtanke att även de konventionella, fysikbaserade simuleringsmjukvarorna tog väldigt lång tid utveckla.
AI-mjukvara kan användas för design av nya material för alla möjliga slags tillämpningsområden: batterier, solpaneler, skyddande beläggningar, elektronikkomponenter och så vidare.
– Det här betyder att batteriers energitäthet och solpanelers effektivitet kan förbättras snabbare. Dessa innebär i sin tur att priset per lagrad eller genererad energienhet sjunker i ökande takt och att omställningen till ett fossilfritt samhälle kan accelerera, säger Andreas Thore.
