Terwijl taalmodellen als ChatGPT en Gemini een nieuw tijdperk van AI in Silicon Valley hebben ingeluid, kijken ‘s werelds machtigste techbedrijven vooruit naar het ontdekken van medicijnen en digitale biologie.
Toen de CEO van Nvidia, Jensen Huang, in januari het publiek afspeurde op de JPMorgan Healthcare Conference in San Francisco, het grootste evenement op het gebied van gezondheidstechnologie van het jaar, erkende hij dat hij zich op ongewoon terrein bevond.
« Jullie zijn niet mijn normale publiek » vertelde hij de zaal met gezondheids- en biologietechnologen tijdens een gesprek met Recursion, een bedrijf dat medicijnen ontwikkelt en waar Nvidia vorig jaar 50 miljoen dollar in pompte.
Het publiek behoorde misschien niet tot zijn belangrijkste doelgroep, maar hij hoopt dat daar snel verandering in komt. Huang heeft digitale biologie keer op keer aangeprezen als de ‘volgende verbazingwekkende revolutie’ in de technologie. Terwijl de AI-boom Silicon Valley overspoelde, heeft Nvidia een bedrijf opgebouwd van meer dan 60 miljard dollar per jaar en werd het afgelopen zomer één van de weinige bedrijven met een marktkapitalisatie in de triljoenen. In de gezondheidszorg en de biotechnologie ziet het bedrijf meer mogelijkheden om zijn groei te stimuleren.
« Er is gezegd dat wij de volgende miljardenbusiness voor Nvidia zijn » vertelde Kimberly Powell, Vice President Healthcare bij Nvidia, aan Forbes. Ze zei dat het bedrijf chips, cloud-infrastructuur en andere tools wil leveren aan meer biotechbedrijven.
Nu grote taalmodellen zoals OpenAI’s ChatGPT en Google DeepMind’s Gemini generatieve AI gemeengoed hebben gemaakt, kijken verschillende van ‘s werelds machtigste techbedrijven naar biotech als de volgende grens in kunstmatige intelligentie – een grens waar AI geen grappige gedichten genereert op basis van een prompt, maar eerder het volgende levensreddende medicijn.
« Er is gezegd dat wij de volgende miljardenbusiness voor Nvidia zijn »
Kimberly Powell, Vice President Healthcare bij Nvidia
Bij Nvidia, misschien wel de ruggengraat van de AI-revolutie vanwege zijn krachtige GPU-chips, waren de meeste investeringen van de afdeling durfkapitaal van het bedrijf de afgelopen twee jaar gericht op het ontwikkelen van medicijnen. Bij DeepMind is het AlphaFold-model van het Google AI-lab – een baanbrekende tool voor het voorspellen van eiwitstructuren – het afgelopen jaar gebruikt door academische onderzoekers om een ‘moleculaire’ spuit te ontwikkelen waarmee medicijnen direct in cellen kunnen worden geïnjecteerd en om onderzoek te doen naar gewassen die minder afhankelijk zijn van pesticiden. De interesse in biotech is afkomstig uit de hele industrie: Microsoft, Amazon en zelfs Salesforce hebben ook projecten voor eiwitontwerp.
Hoewel het gebruik van AI bij het ontdekken van medicijnen niet bepaald een nieuwe trend is – DeepMind onthulde AlphaFold voor het eerst in 2018 – vertelden leidinggevenden bij zowel DeepMind als Nvidia aan Forbes dat dit een doorbraakmoment is, dankzij een samenloop van drie dingen: de massa’s beschikbare trainingsdata, de explosie van computerbronnen en de vooruitgang in AI-algoritmes. « Deze drie ingrediënten zijn voor het eerst aanwezig » zei Powell. « Dit was vijf jaar geleden nog niet mogelijk. »
AI heeft een groot potentieel in de biotechnologische ruimte vanwege de enorme complexiteit – neem alleen al het probleem waar AlphaFold zich op richt. Eiwitten vormen de basismachine van je lichaam en beheren een groot aantal functies. Al deze functies zijn afhankelijk van de driedimensionale vorm van een eiwit. Elk eiwit bestaat uit een opeenvolging van aminozuren en de interacties tussen die aminozuren en de externe omgeving bepalen hoe het eiwit zich ‘vouwt’ – wat de uiteindelijke vorm dicteert. Het kunnen voorspellen van de vorm van een eiwit op basis van de aminozuursequenties is voor biotechbedrijven van groot belang, die deze inzichten kunnen gebruiken om van alles te ontwerpen, van nieuwe medicijnen en verbeterde gewassen tot biologisch afbreekbare kunststoffen.
« Het was altijd een soort krankzinnig randgebeuren. Heel erg buiten de gangbare stroming. »
David Baker, Director of the Institute for Protein Design at the University of Washington
Dit is waar deep learning om de hoek komt kijken: door AI-modellen te trainen op honderden miljoenen verschillende eiwitsequenties en hun onderliggende structuren kunnen deze modellen patronen in de biologie blootleggen zonder dat ze de dure berekeningen hoeven uit te voeren, die nodig zijn voor een echte moleculaire dynamica-simulatie. Het volledig simuleren van eiwitten vereist zulke intensieve rekenkracht dat instellingen speciaal supercomputers hebben ontworpen en gebouwd om dit soort problemen aan te kunnen, zoals de Anton 2 in het Pittsburgh Supercomputing Center.
De hausse in technologie voor het ontdekken van medicijnen komt niet alleen van de AI-techgiganten. Sinds 2021 zijn er wereldwijd 281 deals met durfkapitaal gesloten in AI-startups voor het ontdekken van medicijnen, goed voor 7,7 miljard dollar aan investeringen, volgens Pitchbook. De grootste piek vond plaats in 2021, toen de pandemie om zich heen greep. Er werden toen 105 deals gesloten, tegenover 65 het jaar ervoor en daarna daalde het aantal deals tot 67 in 2023. In een eerder deze maand gepubliceerd rapport merkte het analistenbureau op dat er nog steeds veel enthousiasme is « voor startups die AI integreren in het ontdekken en ontwikkelen van medicijnen ». De opkomst van generatieve AI heeft ook de interesse aangewakkerd, aldus David Baker, Director van het Institute for Protein Design aan de University of Washington.
« Het was altijd al een beetje een gek randverschijnsel. Heel erg buiten de heersende stroming » zei Baker. Nu, zei hij, « heeft iedereen het erover ». Sinds de oprichting van het Institute of Protein Design in 2012 zijn er al meer dan 20 startups uit het programma voortgekomen, aldus Baker. Tien daarvan – waaronder Archon Biosciences, dat nanomaterialen voor regeneratieve geneeskunde en kanker ontwikkelt en Lila, dat behandelingen voor fibrotische ziekten ontwikkelt – zijn sinds 2021 uit het programma voortgekomen.
Bij DeepMind begrepen de onderzoekers niet echt wat er op het spel stond totdat de Covid-19 pandemie toesloeg. Ze hadden bijna vijf jaar besteed aan de ontwikkeling van AlphaFold en toen ze het model aan het omscholen waren voor de tweede generatie, begon de hele wereld te schuilen vanwege een mysterieus virus. « Dat bracht echt het belang van het probleem aan het licht » vertelde Pushmeet Kohli, Vice President of Science bij DeepMind, aan Forbes.
Het resultaat van de hertraining door DeepMind was AlphaFold 2, een baanbrekend model dat eiwitstructuren zo nauwkeurig kon voorspellen dat organisatoren van CASP, een wereldwijde competitie voor onderzoek naar eiwitvouwing, DeepMind een e-mail stuurden met de vraag of het bedrijf op de een of andere manier vals had gespeeld, herinnert Kohli zich lachend.
De inspanningen waren zo veelbelovend dat medeoprichter Demis Hassabis in 2021 bij Alphabet een apart bedrijf oprichtte op basis van de doorbraken van AlphaFold. De startup, Isomorphic Labs genaamd, richt zich op het ontdekken van medicijnen en wordt geleid door Hassabis zelf. Dit jaar nog sloot Isomorphic Labs bijvoorbeeld onderzoeksdeals met Lilly en Novartis met een gezamenlijke waarde van bijna $3 miljard als alle mijlpalen worden gehaald – en dan hebben we het nog niet eens over de lucratieve royalty’s van potentiële geneesmiddelenverkopen die uit deze partnerschappen voortvloeien.
In 2022 onthulde Nvidia BioNeMo, een generatief AI-platform dat ontwikkelaars helpt bij het sneller trainen, inzetten en schalen van grote taalmodellen voor het ontdekken van medicijnen. Bij Nventures, de afdeling durfkapitaal van de chipmaker, sloten zeven van de in totaal 19 deals met startups die zich bezighouden met het ontdekken van AI-geneesmiddelen, waaronder Genesis Therapeutics, Terray en Generate Biomedicines – de grootste van alle investeringscategorieën.
« De computerondersteunde ontwerpindustrie creëerde het eerste chipbedrijf van $ 2 biljoen » zei Powell, verwijzend naar Nvidia en haar stratosferische stijging in het afgelopen jaar. « Waarom zou dezelfde industrie voor computerondersteund ontwerpen niet het volgende medicijnbedrijf van $ 2 biljoen kunnen creëren? » Ze voegde eraan toe: « Dat is waarom we investeren zoals we doen. »
Verschillende andere techgiganten hebben hun eigen inspanningen op het gebied van eiwitvouwing. Vorig jaar debuteerde Salesforce met ProGen, een AI-model dat eiwitten genereert en Microsoft bracht EvoDiff uit, een soortgelijk maar open source model. Amazon heeft ook tools voor eiwitvouwing uitgebracht voor SageMaker, zijn AWS machine learning platform. Zelfs ByteDance, het moederbedrijf van TikTok, lijkt aan het werven te zijn voor teams die zich bezighouden met wetenschap en het ontwerpen van medicijnen, meldde Forbes in januari.
Maar hoe veelbelovend en gehypet AI-geneesmiddelenonderzoek ook is, er zijn ook tegenslagen. Het duurt nog steeds jaren om medicijnen door klinische tests te krijgen en hoewel de FDA tot nu toe klinische tests heeft goedgekeurd voor meer dan 100 nieuwe kandidaat-medicijnen, die AI of machine learning gebruiken voor de ontwikkeling, zal het waarschijnlijk nog jaren duren voordat er medicijnen op de markt komen.
In sommige gevallen hebben de moeilijkheden, die gepaard gaan met het ontdekken van medicijnen, ervoor gezorgd dat grote techbedrijven hun onderzoek hebben gestaakt. Afgelopen augustus hief het moederbedrijf van Facebook, Meta, zijn team voor eiwitvouwing op. De onderzoekers van het team gingen later voor zichzelf beginnen en richtten een bedrijf op met de naam EvolutionaryScale, meldde Forbes vorig jaar. Meta weigerde commentaar te geven op de reden voor het stopzetten van het project.
Een belangrijk knelpunt waar techbedrijven zich op moeten richten, is het hebben van voldoende trainingsdata. Nieuwere basismodellen zoals GPT zijn afhankelijk van reinforcement learning, een methode waarbij algoritmes ongelabelde informatie met vallen en opstaan kunnen verwerken. Dat maakt ze nog afhankelijker van data van hoge kwaliteit, vertelde Anna Marie Wagner, AI-manager bij het synthetisch biologisch bedrijf Ginkgo Bioworks, aan Forbes. Afgelopen zomer ging haar bedrijf een vijfjarig strategisch partnerschap aan met Google Cloud om de AI-expertise te koppelen aan Ginkgo’s vermogen om snel biologische data te genereren in zijn geautomatiseerde laboratoria, die vervolgens onmiddellijk weer in het AI-model kunnen worden gestopt als nieuwe trainingsdata. Deze combinatie helpt om het ontdekkingsproces beter te optimaliseren, zegt ze.
Daarnaast heeft Ginkgo de mogelijkheid om voorspellingen van modellen snel te valideren. Dat maakt, contra-intuïtief gezien, de eigenaardigheid van AI-modellen die soms hallucineren – verkeerde of misleidende resultaten produceren op een vraag – « een eigenschap, geen bug » omdat het kan leiden tot interessante ontdekkingen die voor wetenschappers ondenkbaar zouden zijn geweest. « We willen dat het model met de gekke dingen op de proppen komt, want dat is waar we verbeteringen van een orde van grootte gaan zien. »
Kohli verwoordt het dataprobleem wat botter: « Wat je erin stopt, komt er ook uit. Terwijl de industrie werkt aan het oplossen van deze problemen, heeft hij de impact van AI op biologisch onderzoek al gezien. « Als ik naar conferenties ga en de verandering zie in hoe biologen vroeger hun werk deden en hoe ze dat nu doen, dan is dat een verbazingwekkende transformatie » zegt hij.
