בינה מלאכותית משנה את פיתוח התרופות בכך שהיא מחליפה ניסוי וטעייה ארוכים בחיזוי מבוסס נתונים: מודלים סורקים מיליוני מולקולות, מאתרים מטרות טיפוליות, מעריכים רעילות לפני שנכנסים למעבדה ומסמנים אילו מטופלים צפויים להגיב לטיפול. התוצאה היא פחות כשלונות בשלבים מאוחרים ויקרים וזמן קצר יותר עד לתרופה. בישראל המהלך הזה מתבצע דרך תשתית לאומית משותפת, וההבדל בין הצלחה לכישלון תלוי פחות באלגוריתם ויותר במידע שמזינים אותו. איך זה עובד? המשיכו לקרוא!
תשתית IBFI: המהלך הלאומי שמוביל רשות החדשנות
כיום, קיים מהלך לאומי. רשות החדשנות מובילה השקעה של כ-70 מיליון ש"ח בהקמת IBFI (Israel BioToken Factory Initiative), תשתית לאומית למודלי בינה מלאכותית שמבוססים על מידע ביולוגי, כדי להאיץ גילוי תרופות ורפואה מותאמת אישית. במאגד שותפים בין היתר NVIDIA, טבע, שיבא, מכון ויצמן, הטכניון ואוניברסיטת בן-גוריון, והיישומים הראשונים כוללים גילוי תרופות, חיזוי תגובה לטיפולים אונקולוגיים וזיהוי אלח דם (ספסיס).
מי השותפים ומה כל אחד מביא לשולחן?
NVIDIA מספקת את כוח החישוב. טבע מביאה ניסיון בפיתוח תרופות ובתהליכי רגולציה. שיבא הוא בית החולים שבו המודלים נבחנים מול מטופלים אמיתיים. החברות CytoReason, TerraCyte ו-MeMed מוסיפות מודלים של מחלות, ייצוג של תהליכים תאיים ואבחון מבוסס תגובה חיסונית, והאוניברסיטאות דואגות לבסיס המדעי.
מהו Israel BioToken Factory Initiative בפועל?
זו לא מאגר מידע אחד וגם לא מודל יחיד. שני רכיבים מרכזיים מרכיבים אותה: "ביו-טוקנים", שפה אחידה שמתרגמת נתונים ביולוגיים שונים ליחידות שמודל יכול לקרוא, ו"מודל המפעל", סביבה שבה בונים, מריצים ומאמתים מודלים על גבי הטוקנים. המוצרים של התשתית נועדו לשימוש משותף של חברות ומוסדות, לפני שכל אחד מפתח עליהם יישום פרטי.
דאטה ביולוגי כדלק של מודלי בינה מלאכותית
מודל חכם שמקבל מידע מבולגן יפיק תחזיות מבולגנות. הנתונים הביולוגיים מגיעים מסוגים שונים לגמרי: רצפי DNA, ביטוי גנים, תמונות פתולוגיה, בדיקות דם ורשומות רפואיות, וכל אחד כתוב בפורמט אחר. מטרת רשות החדשנות היא לסגור בדיוק את הפער הזה כדי שחברה שמפתחת תרופה לא תצטרך לבנות מאפס את צנרת הנתונים שלה.
למה כמות ואיכות המידע קובעות את הדיוק של המודל?
הסטטיסטיקה בתעשייה קשוחה: לפי נתוני CytoReason, הסיכוי להצלחה טכנית ורגולטורית בפיתוח תרופה עומד על כ-8% בלבד, ובשלב 2 בניסויים הקליניים הוא כ-36%, בעיקר בגלל חוסר יעילות. מידע מגוון ונקי מאפשר למודל לבחור מטרות טובות יותר ולזהות מראש אילו מטופלים יגיבו. מידע דל או מוטה רק יאיץ החלטות שגויות. לכן MeMed מקימה ביובנק לטיפול דחוף שאוסף דגימות ונתונים קליניים ברגע ההחלטה הרפואית עצמו.
שלושת היישומים הראשונים: גילוי תרופות, אונקולוגיה וספסיס
בגילוי תרופות, המודלים מדמים תהליכים ביולוגיים ברמת הרקמה והתא ומאפשרים לחזות התפתחות מחלות. מקרה בוחן שהוצג בדיוני הפורום הכלכלי בדאבוס המחיש איך מודל בינה מלאכותית סיבתית (Causal AI) של CytoReason חשף מנגנון תיקון DNA במחלת הנטינגטון, ממצא שלא היה ידוע קודם ואומת במעבדה רטובה.
באונקולוגיה, המטרה היא התאמת טיפול מותאם אישית על בסיס פרופיל גנומי וחיסוני משולב. מודלי ה-AI מספקים כלי תומך החלטה לרופאים כדי לבחור את הטיפול היעיל ביותר מתוך מגוון הטיפולים המתקדמים המאושרים.
באלח דם (ספסיס), גורם הזמן קריטי. הטכנולוגיה הקיימת של MeMed מאפשרת הבחנה בין זיהום נגיפי לחיידקי בתוך רבע שעה והערכת סיכון להידרדרות עד 72 שעות מראש. תשתית IBFI מרחיבה את המודלים האלה ומסייעת בהטמעת ניבוי מדויק ואחיד בבתי החולים.
לסיכום
יוזמת ה-Israel BioToken Factory Initiative מציגה מהלך לאומי פורץ דרך שמחבר בין ענקיות טכנולוגיה, חברות פארמה, בתי חולים ואקדמיה בישראל. באמצעות פיתוח מודל בסיס ביולוגי וסטנדרטיזציה של נתוני תאים חיים, התשתית מחליפה ניסוי וטעייה יקרים בחיזוי מדויק. השילוב הזה מאיץ פיתוח תרופות, משפר התאמת טיפולים אונקולוגיים ומאפשר זיהוי מוקדם ומציל חיים של אלח דם.
שאלות נפוצות על בינה מלאכותית בפיתוח תרופות בישראל
איך בינה מלאכותית מקצרת את זמן פיתוח התרופה?
היא מסננת מועמדות חלשות לפני הניסויים היקרים, מאתרת מטרות מבטיחות ומחדדת את בחירת המשתתפים בניסוי קליני. פחות כשלונות מאוחרים משמעם פחות שנים אבודות.
מה זה IBFI ולמי זה שייך?
זו תשתית משותפת, בהובלה ובמימון של רשות החדשנות יחד עם החברות המשתתפות. הרכיבים הבסיסיים נועדו לשימוש הקונסורציום, וכל גוף שומר על הבעלות על המודלים והנתונים הפרטיים שלו.
אילו חברות וארגונים שותפים ליוזמה?
NVIDIA, טבע, שיבא, CytoReason, TerraCyte וMeMed, לצד מכון ויצמן, הטכניון ואוניברסיטת בן גוריון.
האם הטכנולוגיה כבר נמצאת בשימוש בבתי חולים בישראל?
בינה מלאכותית כבר פועלת בבתי חולים בהדמיה, פתולוגיה וניהול משאבים, ובדיקות כמו אלה של MeMed כבר בשימוש קליני. רכיבי IBFI עצמם צפויים להופיע קודם ככלי מחקר ופיילוטים.
מה ההבדל בין פיתוח תרופות קלאסי לפיתוח מבוסס AI?
בשיטה הקלאסית חוקרים מנסים השערה אחר השערה בניסויים איטיים. בשיטה החדשה מודלים לומדים מהמון נתונים, מחברים סוגי מידע שונים ומתעדכנים כל הזמן והצוות מגיע למעבדה עם כיוון ברור יותר.
