deepmirror: Η ελληνικής καταγωγής AI startup που μετασχηματίζει την αγορά του φαρμάκου

deepmirror: Η ελληνικής καταγωγής AI startup που μετασχηματίζει την αγορά του φαρμάκου
Female scientist and AI robot working together in the science lab Photo: Shutterstock
Πρόσφατα η deepmirror συγκέντρωσε 2,4 εκατομμύρια δολάρια σε χρηματοδότηση seed

Η ανάπτυξη ενός νέου φαρμάκου μπορεί να κοστίσει πάνω από 1 δισεκατομμύριο δολάρια και να διαρκέσει περισσότερο από μια δεκαετία μέχρι να λάβει τις απαραίτητες εγκρίσεις από τις ρυθμιστικές αρχές.

Εν έτει 2025, λοιπόν, η φαρμακευτική βιομηχανία αντιμετωπίζει το εξής κομβικό ερώτημα: μπορεί η τεχνητή νοημοσύνη (AI) να μειώσει δραστικά αυτά τα κόστη και τους χρόνους; Σύμφωνα με τον δρα Ανδρέα Δημητρακόπουλο, βιοϊατρικό μηχανικό ελληνικής και ιταλικής καταγωγής και συνιδρυτή της deepmirror, η απάντηση είναι «ναι» – υπό την προϋπόθεση ότι η AI αξιοποιείται αποτελεσματικά για πιο έξυπνες αποφάσεις στα πρώιμα στάδια της ανακάλυψης φαρμάκων. Και δεδομένου ότι το ελληνικό οικοσύστημα βιοτεχνολογίας βρίσκεται σε φάση ανάπτυξης, αυτές οι τεχνολογικές εξελίξεις θα μπορούσαν να έχουν σημαντικό αντίκτυπο και στην Ελλάδα.

Η ανάγκη για επιτάχυνση 

Όπως σημειώνει ο Ανδρέας, η παραδοσιακή διαδικασία ανακάλυψης φαρμάκων ξεκινά με τον εντοπισμό και την επικύρωση ενός βιολογικού στόχου – συχνά μιας πρωτεΐνης που συνδέεται με κάποια ασθένεια. Δυνητικά φαρμακευτικά μόρια, γνωστά και ως «hit» ενώσεις, υποβάλλονται σε έλεγχο δραστικότητας και στη συνέχεια βελτιώνονται μέσα από πολλαπλές επαναληπτικές φάσεις (η λεγόμενη διαδικασία «hit-to-lead»). Κατόπιν, οι υποσχόμενοι υποψήφιοι φαρμακευτικοί παράγοντες περνούν σε προκλινικές δοκιμές και, τελικά, σε κλινικές δοκιμές.

Παρά τη μεγάλη επιστημονική πρόοδο που έχει επιτευχθεί, η συντριπτική πλειονότητα -σχεδόν το 90%- των υποψήφιων φαρμάκων αποτυγχάνει στις κλινικές δοκιμές, συχνά επειδή κρίσιμα ζητήματα σχεδιασμού δεν αντιμετωπίστηκαν στα αρχικά στάδια. Όπως επισημαίνει ο Ανδρέας, «επειδή οι επιστήμονες “κλειδώνουν” ορισμένες σχεδιαστικές αποφάσεις στην πορεία, οποιοδήποτε πρόβλημα παραμένει αδιευκρίνιστο μεταφέρεται στο σύνολο του προγράμματος και μπορεί να οδηγήσει σε αποτυχία σε κλινικό επίπεδο. Ο έγκαιρος εντοπισμός πιθανών προβλημάτων είναι καθοριστικός για τη μείωση κόστους και χρόνου μακροπρόθεσμα».

Η τεχνητή νοημοσύνη αλλάζει τα δεδομένα

Το AI μπορεί να βοηθήσει τους ερευνητές να μαθαίνουν συστηματικά από προηγούμενα πειράματα και δεδομένα, επιταχύνοντας σημαντικά τον κύκλο «σχεδιασμός – κατασκευή – δοκιμή» που αποτελεί τον πυρήνα της ανακάλυψης φαρμάκων. Αυτό οδηγεί σε ταχύτερη αναγνώριση υποσχόμενων μορίων, πιο αποδοτική βελτιστοποίηση των χημικών δομών και έγκαιρη ανίχνευση ζητημάτων ασφάλειας ή αποτελεσματικότητας.

Ωστόσο, παρά τη δυναμική της τεχνητής νοημοσύνης, πολλές εταιρείες δυσκολεύονται να την υιοθετήσουν. «Τα εργαλεία AI μπορούν να βοηθήσουν τους επιστήμονες να εξετάσουν τεράστιο αριθμό πιθανών νέων σχεδίων», λέει ο Ανδρέας, «αλλά η μεγάλη πρόκληση είναι η δημιουργία ενός συστήματος που γεφυρώνει αποτελεσματικά την ανθρώπινη τεχνογνωσία με τις προτάσεις της μηχανής, αντί να αφήνει την AI να λειτουργεί αποκομμένη από τους ανθρώπους».

Η προσέγγιση της deepmirror

Η deepmirror ιδρύθηκε το 2019 από τρεις σημαντικούς επιστήμονες του χώρου με στενούς δεσμούς στο Πανεπιστήμιο του Cambridge: τον δρα Max Jakobs (βιολογία), τον δρα Ryan Greenhalgh (χημεία & επιστήμη υλικών) και τον δρα Ανδρέα Δημητρακόπουλο (βιοϊατρική μηχανική).

Η εταιρεία αντιμετωπίζει ένα από τα μεγαλύτερα εμπόδια για την υιοθέτηση της AI στην ανακάλυψη φαρμάκων: την προσβασιμότητα. Παραδοσιακά, μόνο οι μεγάλες φαρμακευτικές εταιρείες μπορούσαν να επενδύσουν σε εξατομικευμένες πλατφόρμες AI, ενώ οι μικρότερες οργανώσεις βασίζονταν σε εξωτερικούς συνεργάτες, παραχωρώντας ουσιαστικά σημαντικά πνευματικά δικαιώματα.  «Η πλατφόρμα μας ανατρέπει αυτά τα δεδομένα. Δίνουμε τη δυνατότητα στους επιστήμονες να κινούνται γρήγορα, συνδυάζοντας την εξειδίκευση και τη διαίσθησή τους με τις προτάσεις και τις συστάσεις που παράγει το AI» εξηγεί ο Ανδρέας.

Χάρη σε αυτό το μοντέλο συν-ιδεασμού, οι ερευνητές μπορούν να βελτιστοποιούν και να ελέγχουν υποψήφια φάρμακα σε πραγματικό χρόνο, μειώνοντας τόσο το κόστος όσο και τον κίνδυνο. Η πλατφόρμα της deepmirror έχει ήδη αποφέρει μετρήσιμα αποτελέσματα. «Για παράδειγμα, σε συνεργασία με τη Medicines for Malaria Venture, προτείναμε μια νέα φαρμακευτική δομή που μείωσε τη μη στοχευμένη δραστηριότητα δέκα φορές, διατηρώντας παράλληλα την ισχύ της στον βασικό στόχο. Επιπλέον, η πλατφόρμα μας βοήθησε μια ευρωπαϊκή βιοτεχνολογική εταιρεία να επιταχύνει τον εντοπισμό hit ενώσεων από τρεις μήνες σε μόλις δύο εβδομάδες» αναφέρει ο Ανδρέας.

Ο Andrew McTeague της Morphic Therapeutics και πρώιμος χρήστης της πλατφόρμας της deepmirror, δηλώνει: «Η deepmirror αποτελεί ένα τεράστιο βήμα μπροστά στον εκδημοκρατισμό των μοντέλων μηχανικής μάθησης και την εφαρμογή τους στην ανακάλυψη φαρμάκων. Το φιλικό περιβάλλον της επιτρέπει σε χημικούς φαρμάκων κάθε επιπέδου να αξιοποιούν αυτές τις δυνατότητες σε ελάχιστο χρόνο. Η deepmirror διασφαλίζει ότι κανένα πιθανό μονοπάτι δεν μένει ανεξερεύνητο».

Ψήφος εμπιστοσύνης 2,4 εκατομμυρίων δολαρίων

Σε αυτό το πλαίσιο, πρόσφατα η deepmirror συγκέντρωσε 2,4 εκατομμύρια δολάρια σε χρηματοδότηση seed από την Twin Path Ventures και μια επιχορήγηση του Innovate UK Investor Partnership, με τη συμμετοχή της Saras Capital, της stealth.vc και angels investors από σημαντικές βιοτεχνολογικές εταιρείες. Η εταιρεία σκοπεύει να ενισχύσει τις γενεσιουργές και προβλεπτικές λειτουργίες AI, να βελτιώσει τις βάσεις δεδομένων της και να υποστηρίξει πολλαπλές μοριακές οντότητες, ακολουθώντας τη γενικότερη τάση της βιομηχανίας για πιο ποικίλους φαρμακευτικούς στόχους.

Στους ταχέως αναπτυσσόμενους πελάτες της deepmirror περιλαμβάνονται η Morphic Therapeutic (θυγατρική της Lilly), η Medicines for Malaria Venture και η Curie.Bio, οι οποίοι χρησιμοποιούν την πλατφόρμα για να επιταχύνουν τη λήψη αποφάσεων στον σχεδιασμό φαρμάκων.

Το επόμενο βήμα

Ορισμένοι υποψήφιοι φαρμακευτικοί παράγοντες που έχουν αναπτυχθεί με τη συνδρομή της τεχνητής νοημοσύνης παρουσιάζουν ήδη ενθαρρυντικά αποτελέσματα σε δοκιμές Φάσης II, και υπάρχει αυξανόμενη αισιοδοξία ότι τα πρώτα AI-ενισχυμένα φάρμακα ίσως φτάσουν σύντομα στην αγορά. Ωστόσο, η ανθρώπινη εξειδίκευση παραμένει ουσιώδης. Όπως τονίζει ο Ανδρέας, «Στόχος της AI δεν είναι να αντικαταστήσει τους επιστήμονες, αλλά να ενισχύσει τη δημιουργικότητα και την κατανόησή τους».

Παρότι η deepmirror δεν έχει ακόμη φυσική παρουσία στην Ελλάδα, ο Ανδρέας δηλώνει ότι είναι πάντοτε ανοιχτός σε νέες ευκαιρίες και θα ήθελε να συνεισφέρει στο να αναδειχθεί το ελληνικό οικοσύστημα βιοτεχνολογίας σε έναν σημαντικό διεθνή παίκτη, αξιοποιώντας τις δυνατότητες που προσφέρει η τεχνητή νοημοσύνη.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ: