Douglas Yao adlı bağımsız bir biyokimyacı, ChatGPT’nin tasarladığını belirttiği PAC-3310 adlı deneysel bileşiği kendi garajında kurduğu laboratuvarda sentezlediğini öne sürdü. Yao, şizofreni tedavisi için geliştirdiğini söylediği bileşiğin yakın zamanda yetkilendirilen antipsikotik Cobenfy’den esinlendiğini ve daha gelişmiş bir yapı hedeflediğini savunuyor. Yao’nun paylaşımları yapay zekânın ilaç keşfindeki rolünü yeniden gündeme getirirken, bir bileşiğin laboratuvarda sentezlenmesi ile insanlarda kullanılabilecek onaylı bir ilaca dönüşmesi arasında uzun ve yüksek maliyetli bir araştırma süreci bulunuyor.
Douglas Yao, Şizofreni İçin PAC-3310 Adlı Bileşiği Geliştirdi
Yao, GitHub sayfasında son bir yıl içinde yapay zekâ yardımıyla birkaç bin yeni küçük moleküllü ilaç adayı tasarladığını belirtiyor. Araştırmacı, bu adaylardan yaklaşık 100’ünü sentezlediğini ve bazı bileşikleri hücre kültürlerinde ve fareler üzerinde test ettiğini ifade ediyor.
Yao’nun paylaşımlarında şizofreni tedavisi için geliştirdiğini söylediği PAC-3310’un yanı sıra Alzheimer hastalığına yönelik başka bir deneysel ilaç adayı da bulunuyor. Ancak bu bileşiklerin herhangi bir hastalığın tedavisinde etkili veya güvenli olduğunu gösteren klinik kanıtlar, verilen bilgiler kapsamında bulunmuyor.
Bir kimyasal bileşiğin yapay zekâ tarafından tasarlanması, tek başına tıbbi etkinlik anlamına gelmiyor. Araştırmacıların aday molekülün biyolojik etkisini, toksisitesini, doz aralığını, vücutta nasıl davrandığını ve olası yan etkilerini çok aşamalı çalışmalarla ortaya koyması gerekiyor.
Büyük dil modelleri, yeni moleküllerin tasarlanması ve araştırma hipotezlerinin oluşturulması gibi alanlarda bilim insanlarına yardımcı olabiliyor. Yao’nun yaklaşımı ise yapay zekâ tarafından oluşturulan molekül tasarımlarını fiziksel olarak sentezleyerek deneysel çalışmalara taşımayı hedefliyor.
PAC-3310 için öne sürülen yaklaşım, mevcut bir antipsikotik ilacın yapısal özelliklerinden yararlanarak yeni bir bileşik geliştirmeye dayanıyor. Yao, Cobenfy’yi temel aldığı yapıyı daha iyi bir tedavi adayı hâline getirmeyi amaçladığını söylüyor ancak böyle bir iyileştirmenin gerçekleştiğini göstermek için kontrollü bilimsel deneyler gerekiyor.
Yapay zekâ tarafından oluşturulan bir molekülün laboratuvarda üretilebilmesi, yalnızca sentezin teknik olarak gerçekleştirildiğini gösteriyor. Molekülün hastalık üzerinde istenen etkiyi oluşturması veya mevcut tedavilere göre daha güvenli olması için ayrıca kapsamlı biyomedikal araştırmalar gerekiyor.
Yao, kendi yaklaşımının geleneksel ilaç geliştirme yöntemlerine kıyasla çok daha düşük maliyetle çalışabileceğini savunuyor. Araştırmacı, yeni ilaçların klinik öncesi etkinlik kanıtlarını oluşturmak için harcanan maliyetleri geleneksel yöntemlerin yaklaşık binde biri seviyesine indirebileceğini öne sürüyor.
Ancak ilaç geliştirme maliyetinin yalnızca yeni bir molekülü sentezlemekten oluşmaması, bu iddianın değerlendirilmesini zorlaştırıyor. Araştırmacıların laboratuvar deneylerinin ardından kapsamlı klinik öncesi güvenlik ve etkinlik çalışmaları yürütmesi, daha sonra insanlarda farklı aşamalardan oluşan klinik araştırmalara geçmesi gerekiyor.
ABD’de bir ilacın pazarlama onayı alması için geliştiricinin FDA’ya New Drug Application başvurusu yapması gerekiyor. Başvuru sürecinden önce klinik öncesi çalışmaların tamamlanması ve ardından insanlarda yürütülen Faz 1, Faz 2 ve Faz 3 klinik araştırmalarının gerçekleştirilmesi gerekiyor.
Üretim tesislerinin denetlenmesi, kalite standartlarının karşılanması ve başvurunun değerlendirilmesi de sürecin diğer aşamalarını oluşturuyor. Bu nedenle garaj ortamında sentezlenen bir bileşiğin insanlarda kullanılabilecek bir ilaca dönüşmesi için yalnızca kimyasal sentezin başarılı olması yeterli değil.
Yeni bir molekülün klinik araştırmalara ulaşması da onay garantisi vermiyor. İlaç adaylarının önemli bölümü güvenlik, etkinlik, dozlama veya başka klinik kriterler nedeniyle geliştirme sürecinin farklı aşamalarında eleniyor.
Verilen araştırma verilerine göre klinik araştırmalara giren ilaçların yalnızca yaklaşık yüzde 13,8’i FDA tarafından tam onay alabiliyor. Bu oran, yapay zekâ ile binlerce molekül tasarlanmasının ilaç geliştirmedeki önemli darboğazları tek başına ortadan kaldırmadığını gösteriyor.
Yapay zekâ molekül keşfinin erken aşamalarını hızlandırabilse bile klinik araştırmaların gerektirdiği insan verilerinin yerini alamıyor. Araştırmacıların güvenlik ve etkinlik konusunda güvenilir sonuçlara ulaşması için kontrollü deneylere ihtiyaç duyulmaya devam ediyor.
Yao’nun Alzheimer hastalığı için geliştirdiğini söylediği aday da benzer bilimsel engellerle karşı karşıya. Alzheimer tedavisi, uzun yıllardır ilaç araştırmalarının en zorlu alanlarından biri olarak kabul edilirken çok sayıda aday klinik araştırmalarda başarısız oldu.
2019 tarihli bir çalışma, Alzheimer hastalığı için yeni tedavi geliştirme çabalarının uzun süredir yüksek başarısızlık oranlarıyla karşılaştığını ortaya koymuştu. Çalışmada 200’den fazla adayın klinik araştırmalarda başarısız olduğu veya geliştiricileri tarafından terk edildiği belirtilmişti.
Bu geçmiş, yeni bir Alzheimer ilacı tasarlamanın yalnızca molekül üretme kapasitesiyle çözülemeyecek kadar karmaşık bir süreç olduğunu gösteriyor. Bir yapay zekâ sisteminin yeni adaylar üretmesi araştırmacılara başlangıç noktaları sağlayabilir ancak adayların gerçek bir tedaviye dönüşmesi için biyolojik mekanizmaların ve klinik sonuçların doğrulanması gerekiyor.
Yao’nun paylaşımı sosyal medyada yapay zekânın bilimsel araştırmalarda nasıl kullanılması gerektiğine ilişkin tartışmaları da beraberinde getirdi. Özellikle doğrudan insan sağlığıyla ilişkili ilaç geliştirme çalışmalarında yapay zekâ tarafından üretilen sonuçların uzman denetimi olmadan güvenilir kabul edilmemesi gerektiği yönünde eleştiriler öne çıktı.
Büyük dil modelleri bilimsel bilgi üretirken hatalı veya doğrulanmamış sonuçlar oluşturabilir. Bu nedenle bir modelin önerdiği moleküler yapı, araştırmacının deneysel doğrulama yapmasını gerektiren bir hipotez olarak değerlendirilmeli; klinik etkinlik veya güvenlik kanıtı olarak görülmemeli.
PAC-3310 konusunda da mevcut iddialar ile bilimsel olarak doğrulanmış sonuçlar arasında net bir ayrım bulunuyor. Yao’nun bir bileşiği sentezlediğini ve deneysel çalışmalara başladığını söylemesi, bileşiğin şizofreniyi tedavi ettiğini göstermiyor.
Yapay zekânın ilaç keşfinde daha fazla kullanılması, araştırmacıların yeni molekülleri belirleme ve önceliklendirme yöntemlerini değiştirebilir. Binlerce adayın bilgisayar ortamında değerlendirilmesi, laboratuvar çalışmalarına ayrılacak kaynakların daha hedefli kullanılmasına katkı sağlayabilir.
Ancak ilaç geliştirme sürecinin güvenlik ve etkinlik aşamaları yapay zekâ tarafından ortadan kaldırılamıyor. Özellikle şizofreni ve Alzheimer gibi karmaşık hastalıklarda yeni bir tedavinin klinik değerinin belirlenmesi, laboratuvar ortamındaki ilk sentezden çok daha kapsamlı kanıtlar gerektiriyor.
Bu nedenle PAC-3310 gibi yapay zekâ destekli deneysel bileşikler, ilaç sektöründe yeni bir araştırma yaklaşımının örnekleri olarak değerlendirilebilir. Bir adayın gerçek bir tedaviye dönüşüp dönüşmeyeceği ise ancak bağımsız deneyler, klinik araştırmalar ve düzenleyici değerlendirmeler tamamlandıktan sonra ortaya çıkabilir.
