Voor sommige aandoeningen is het moeilijk en soms haast onmogelijk om een nieuw medicijn te ontwikkelen. Dat geldt in het bijzonder voor de 7.000 zeldzame ziektes. Dat komt onder meer door het gebrek aan wetenschappelijke kennis over deze aandoeningen en het schaarse aantal patiënten. Artificial Intelligence (AI) heeft de potentie dit te veranderen, zo hebben onderzoekers van de Harvard Medical School laten zien.
De wetenschappers ontwikkelden een model, TxGNN, dat voorspelt welke bestaande medicijnen mogelijk effectief zijn bij ziektes waarvoor nog geen (goede) behandeling bestaat. Bovendien onderbouwt het model ook waarom het medicijn mogelijk effectief is bij een bepaalde aandoening. ‘Dit is prachtig’, vindt Peter Bertens, manager Innovatie bij de Vereniging Innovatieve Geneesmiddelen (VIG). ‘Het laat zien dat AI een schat aan nieuwe mogelijkheden biedt voor geneesmiddelontwikkeling. Daarmee kunnen we een enorme impuls geven aan onderzoek naar behandelingen voor (zeldzame) ziektes waarvoor we op het moment nog niets kunnen bieden.’
Groot netwerk met data
Het TxGNN model maakt gebruik van een groot netwerk van medische gegevens, zoals DNA-informatie en klinische gegevens van patiënten. Dat maakt dat TxGNN in staat is om te extrapoleren van een goed begrepen ziekte met bekende behandelingen naar een slecht begrepen ziekte zonder behandelingen. Denk daarbij aan zeldzame aandoeningen en sommige vormen van kanker. De onderzoekers hebben hun model beschreven in een artikel dat eind september in Nature Medicine verscheen.
Voorspelling voor 17.080 ziektes
De resultaten met de toepassing van het model zijn veelbelovend. In totaal identificeerde de tool kandidaat-geneesmiddelen uit bijna 8.000 geneesmiddelen (zowel FDA-goedgekeurde geneesmiddelen als experimentele geneesmiddelen die nu in klinisch onderzoek zijn) voor 17.080 ziektes. Het voorspelde ook welke medicijnen bijwerkingen en contra-indicaties zouden hebben voor specifieke aandoeningen. ‘Het model biedt dus waardevolle inzichten aan onderzoekers en artsen’, licht Bertens toe. ‘Het helpt hen te begrijpen waarom bepaalde medicijnen zouden kunnen werken bij specifieke ziektes.’ Bovendien zorgt deze uitlegfunctie voor transparantie, wat het vertrouwen in het model kan vergroten.
Vergelijking met huidige kennis
De onderzoekers testten en verfijnden het model door het verschillende taken te laten uitvoeren. Eén van die tests betrof het vermogen van het model om te redeneren als een menselijke arts. Ze vroegen TxGNN om geneesmiddelen te vinden voor drie zeldzame aandoeningen die het nog niet had gezien als onderdeel van zijn training. De onderzoekers vergeleken vervolgens de aanbevelingen van het model voor een medicijn met de huidige medische kennis over dat medicijn; die kwamen in elk voorbeeld met elkaar overeen.
Beter dan ander AI-modellen
In vergelijking met andere AI-modellen bleek TxGNN veel beter te zijn in het herkennen van mogelijke geneesmiddelen. Het model was 50 procent beter in het vinden van mogelijke medicijnen en 35 procent nauwkeuriger in het voorspellen van bijwerkingen. Dat komt doordat het merendeel van de huidige AI-modellen die worden gebruikt voor het ontdekken van medicijnen zijn getraind op één ziekte of een handvol aandoeningen. TxGNN is zo getraind dat het bestaande gegevens kan gebruiken om nieuwe voorspellingen te doen.
Versnellen van onderzoek
TxGNN heeft de potentie om het proces van medicijnontwikkeling te versnellen en beter richting te geven. ‘Onderzoekers hebben sneller inzicht in welk middel mogelijk effectief is bij een bepaalde aandoening’, legt Bertens uit. ‘Vaak gaat het hierbij om al bestaande middelen die al veilig zijn bevonden voor menselijk gebruik. Ook dat scheelt onderzoekstijd.’
Verwachtingen dempen
Tegelijkertijd waarschuwen de onderzoekers voor een té groot enthousiasme: alle therapieën die door het model zijn geïdentificeerd, vereisen extra evaluatie voor wat betreft dosering en timing van toediening. Bertens verwacht ook niet dat deze (en soortgelijke) tools klinische trials gaan vervangen. ‘Nee, dat is een brug te ver. Wel denk ik dat de tool een belangrijke rol kan spelen bij het selectietraject voorafgaand aan klinische trials, zodat de efficiëntie daarvan hopelijk stijgt. En ook dat levert veel voordelen op. Het bespaart tijd en geld, en het voorkomt ook negatieve resultaten bij proefpersonen’.
Beschikbaar gesteld
Deze AI-tool is gratis beschikbaar gesteld, zodat artsen en wetenschappers er wereldwijd gebruik van kunnen maken. De wetenschappers moedigen anderen aan om het model te gebruiken in hun zoektocht naar nieuwe therapieën, vooral voor aandoeningen zonder of met beperkte behandelopties. ‘Een goede zaak’, vindt Bertens. ‘Voor 93 tot 95% van de zeldzame of ongediagnosticeerde aandoeningen bestaat nog geen (goede) behandeling. Alle hens aan dek om de medicijnen van morgen te vinden.’
Verder lezen
- Artikel Nature Medicine: A foundation model for clinician-centered drug repurposing
