המהפכה הבאה בפיתוח תרופות / אילוסטרציה: Shutterstock
המהפכה בתחום פיתוח התרופות בדרך, כך לפחות מבטיחים לנו בתעשיית הביומד. הבינה המלאכותית עומדת לשבש, בתקווה לשפר, כל שלב ושלב בתהליך פיתוח התרופות, כמו בתחומים רבים נוספים.
● הקרב על שוק ההלוואות להייטק מתחמם: בלקרוק רוכשת את הקרן הישראלית-בריטית קראוס
● הראלי בוול סטריט מבוסס כולו על כמה מניות כוכבות - ואת חלק מהמשקיעים זה מדאיג
בשלוש השנים האחרונות, בלטו חברות בינה מלאכותית ישראליות בתחום הזה בגיוסים גדולים, בסדר גודל ששוק הביומד המקומי לא היה רגיל אליהם. כך, לדוגמה, גייסה ImmunAI 215 מיליון דולר לפי שווי של יותר מיליארד דולר. אחרות כבר דיווח על עסקאות עם חברות ענק, כמו העסקה של סייטוריזן עם פייזר, בהיקף פוטנציאלי של 110 מיליון דולר, או העסקה של חברת Biolojic שדיווחה על עסקאות בשווי של 50 מיליון דולר עם חברות כמו ענקית התרופות אלי לילי.
חברות התרופות הגדולות מגלות עניין בישראל. GSK הקימה בארץ מרכז AI לפיתוח תרופות ופייזר, מרק, אסטרהזנקה וטבע שותפות בחממת AION שתוקפת את האתגרים הגדולים של תחום הביופארמה באמצעות AI. "בקרב החברות בתחום, יש ייצוג לא פרופורציונלי לחברות אמריקאיות וישראליות", אומר דוד הראל, מנכ"ל סייטוריזן.
בעולם, מאות חברות פועלות בתחום. לפי נתוני ה־FDA, מינהל המזון והתרופות האמריקאי, ב־2021 הוגשו יותר מ־100 בקשות לאישור תרופות שפותחו באמצעות כלי בינה מלאכותית. לפי חברת Deep Pharma Intelligence, היקף ההשקעות בחברות תרופות עם בסיס חזק של AI הגיע ל־24.6 מיליארד דולר ב־2022.
ההבטחה: פיתוח תרופות יעילות ובטוחות יותר
השיח על בינה מלאכותית התעורר לאחרונה ביתר שאת, אך למעשה בתחום הפארמה מדברים עליו לפחות עשור. כבר ב־2000 הונפקה בנאסד"ק קומפיוג'ן הישראלית, שפיתחה מערכת לומדת ומכרה בהצלחה שירותי מידע לתמיכה בגילוי תרופות לחברות מובילות.
אלא שחברות היו מוכנות לשלם מעט על שירותים כאלה. קומפיוג'ן נאלצה להמציא את המודל העסקי שלה מחדש, יותר מפעם אחת, והיא עוד הייתה בת המזל ששרדה בהצלחה בתהפוכות. חברות אחרות, עם מדע מסעיר, נכשלו בחיבור חלקי הפאזל המדעי והמסחרי, ובסופו של דבר לא צלחו תקופות של קושי בשווקים.
"אחרי פענוח הגנום, הייתה תקווה שהנה, פותרים את כל המחלות בעולם, ואחרי מיליארדי דולרים שהושקעו, התברר שהסיפור הרבה יותר מסובך, ואז הגיעה הסקפטיות", אומרת ענת כהן־דייג, מנכ"לית קומפיוג'ן. "היום המטוטלת נוטה בדיוק לצד השני, אבל זה לא באמת הייפ. יש בסיס איתן להעריך שיכולות חישוביות הן הדרך קדימה מבחינת התחום".
האם הפעם המהפכה אמיתית, והיא גם תשתלם לחברות הישראליות? דבר אחד בטוח: הערך שיכולות חברות בתחום הבילוגיה החישובית לתת לחברות התרופות הוא היום גבוה יותר. המערכות החישוביות עצמן מתוחכמות יותר, אבל לא פחות חשוב, גם הביולוגיה קפצה מדרגה. למידע הגנומי הצטרף מידע על RNA, על פעילות חלבונים בתא, תהליכי ניצול אנרגיה בתא, פעילות מערכת החיסון, השפעת המיקרוביום, ועוד ועוד. כל כך הרבה מידע, שברור שהמוח האנושי לא יוכל להצביע על הקשרים המלאים בין כל התהליכים בגוף האדם.
כלי הבינה המלאכותית היום יכולים באופן עקרוני להתמודד עם כל המידע הזה ביחד, ובתעשייה מקווים שהם יובילו להבנה הרבה יותר עמוקה של מנגנונים ביולוגיים ובהתאם ליכולת ניבוי טובה של פעילות התרופות בגוף. עשויות להיות לכך השלכות על כל שלבי הפיתוח: ההחלטה מה לתקוף, באמצעות מה, עבור איזה מטופל, איך להוליך את התרופה למטרה ועוד. כל זה עוד לפני שנגענו בנבדק אחד בניסוי קליני. ההבטחה היא להאיץ ולהוזיל את פיתוח התרופות, אבל גם לקבל בסופו של דבר מוצרים הרבה יותר מדויקים ובטוחים.
המודל העסקי: אלה שמסתכנים ואלה שנזהרים
המודל העסקי של החברות הפועלות בתחום הבינה המלאכותית אינו אחיד. הראל מחלק אותו לארבעה סוגים עיקריים. הראשון הוא טיוב תרופות בעזרת כלים חישוביים ומכירתן לחברות התרופות, כפי שקומפיוג'ן עושה. המכירה יכולה להיות בשלב מוקדם או מאוחר של הפיתוח.
חברת נימבוס האמריקאית, לדוגמה, מכרה לטקדה תרופה שפיתחה בכלים חישוביים בלא פחות מ־4 מיליארד דולר ועם פוטנציאל למיליארדים נוספים בהמשך, בשלבים מתקדמים יחסית של הניסויים הקליניים. בעסקה אחרת, שילמה סאנופי ל־Exscientia הבריטית מקדמה של 100 מיליון דולר לפיתוח של 15 תרופות פוטנציאליות חדשות באונקולוגיה ואימונולוגיה, מתוך אמונה בפלטפורמה שלה.
שני מודלים עסקיים נוספים הם מכירת שירותים של חברות חישוביות לחברות תרופות. הראל מבחין בין שירותים למדענים (שיפור מולקולה מסוימת או ניסוי קליני) לבין שירותים להנהלה המדעית של חברה, למשל בתחום של קבלת החלטות ותעדוף פרויקטים. במודל הזה פועלות רוב החברות שדיברנו איתן.
קומפיוג'ן היא היוצאת דופן. "לא ראינו את הפוטנציאל הגדול במתן שירותי פיתוח תרופות לחברות אחרות", אומרת כהן דייג. "הייתה תקרת זכוכית לנתח שקומפיוג'ן הייתה יכולה לקבל מהמוצר כשההשקעה הנדרשת מחברת התרופות השותפה היא כל כך גדולה".
כך, קומפיוג'ן החליטה לגלות בעצמה תרופות ולמכור את הזכויות לחברות הגדולות. גם זה לא תמיד הלך בקלות. "גילינו על בשרנו שהמולקולות שאנחנו מגלים כל כך רחוקות ממוצר מסחרי, עד שהרצון של חברות להשקיע במוצר הוא נמוך. גם אם הן רכשו את הזכויות, המוצר נשחק תחת גלגלי השיניים של הפיתוח".
היום קומפיוג'ן מנסה לקדם את התרופות כמה שיותר לפני שהיא מעבירה אותן הלאה. היא גם בחרה להתמקד במוצרים עם ערך מוסף גבוה, שלחברות התרופות קשה להתעלם מהם. "רק כשמבינים את השוק, את התחרות ואת החולים, מבינים מה זו מולקולה נחמדה ומה באמת מוצר", אומרת כהן דייג.
NucleAI העדיפה להתמקד במתן שירותים להנהלות של חברות אחרות. "פיתוח מוצר עצמאי דורש השקעה אדירה וזה סיכון עצום", אומר המנכ"ל אבי וידמן. "מודל המערכות התומכות לחברות התרופות יכול להניב רווחיות גבוהה אם אותה טכנולוגיה יכולה לשמש פרויקטים רבים. חברות מסוימות המגדירות את עצמן פלטפורמה הן בעצם חברות פרויקטים שצריכות לבצע עם חברות התרופות בכל פעם פרויקט ייחודי להן, והמשמעות היא מתח רווחים נמוך יותר". עם זאת, וידמן לא שולל את האפשרות שבעתיד נוקלאי תתבסס ותרגיש נוח לקחת את הסיכון ולפתח מוצרים בעצמה.
מנכ"ל ביולוג'יק דיזיין, ינאי עופרן, מאמין גם הוא במודל הזה, אבל מסייג שההצלחה תלויה בתועלת שמציעה החברה. "יש הייפ גדול סביב מציאת המטרות לתרופות, אבל זה כל כך רחוק מהמוצר. נניח שמצאתי שני גנים שקשורים לפטריות ברגליים, איך אדע איך תוקפים את זה? זה מרחק 15 שנה ממוצר. זה שלב שאולי צריך בשבילו אקדמיה או מימון מדינה.
"בביולוג'יק דיזיין אנחנו נכנסים בשלב שבו ברור מה המטרה וצריך לתכנן את הנשק. הבינה המלאכותית עשתה את הקפיצה שמאפשרת זאת. אני יכול לתכנן תרופה שיכולה לעשות מה שאני רוצה, עם התכונות שאני צריך בדיוק, כמו שאני יכול לבקש ממידג'רני לצייר לי תמונה של אחותי מבצעת צניחה חופשית עם עוגת יום הולדת אדומה. זה אפשרי במקום שבו המטרות כבר מוכרות ומאופיינות".
אימון האלגוריתם: החשיבות של מידע עצמאי להישרדות
לצד המודל העסקי, החברות נבדלות באופן שבו הן משיגות את המידע שעל בסיסו הן מאמנות את האלגוריתם שלהן. מנכ"ל ImmunAI, נועם סולומון, סבור שחברות עם אלגוריתם משובח אבל ללא מקור מידע עצמאי או ייחודי לא ישרדו. "הופעל עלינו לחץ להביא את המידע מבחוץ, להפעיל את האנליזה שלנו על מידע שהלקוחות מביאים לנו, אבל החלטנו שאנחנו רוצים להבין את מערכת החיסון לעומק, וגם אם זה ייקח לנו חמש שנים, אנחנו מוכנים להשקיע את המשאבים ויש לנו המשקיעים שמוכנים לעשות את זה איתנו", הוא אומר.
צחון בנטואיץ, מנכ"ל קיוריס, מסכים: "אנחנו מביאים מידע ייחודי מאיברונים תלת־ממדיים שאנחנו בונים בעצמנו, וזה היתרון שלנו. אבל זה לא יעבוד אם לא נוכל לבצע אינטגרציה של המידע הייחודי שלנו עם המון מידע חיצוני שיש בעולם".
התפקיד של ישראל: "יש לנו נפט שצריך להגן עליו"
עד כמה ישראל היא באמת גורם דומיננטי בתחום? לדברי הראל, "לישראל יש היסטוריה בביולוגיה חישובית, וגם ביולוגים וקלינאים טובים. מצד שני, פיתוח תרופות פר סה זה לא היתרון שלנו. נדרש כפר כדי לפתח תרופת, והיום נדיר למצוא מדינה אחת שמחזיקה את כל הזכויות בתרופה מסוימת. חייבים את התמיכה של התעשייה מחו"ל, והקשרים שלנו שם עדיין לא חזקים מספיק. אנחנו מתחילים ממקום טוב, אבל זה לא אומר שמחר תהיה פה חברת פארמה גדולה מבוססת AI. העובדה שיש בתחום הזה גם מודלים עסקיים שלא מחייבים פיתוח מוצר באופן עצמאי, זה יתרון מבחינת ישראל".
עופרן מוסיף: "משלב מסוים בפיתוח, החברות הגדולות והמשקיעים הגדולים לוחצים להוציא את הנכס או את החברה כולה מהארץ".
סולומון: "לפני הבלגן הנוכחי, היה מומנטום מאוד גדול לגבי התחום בישראל, בזכות ההצלחה של פייזר בשימוש במידע ישראלי בפיתוח החיסונים שלה. הדבר הזה הוא נפט וצריך להגן עליו".
בחברות מצביעים על כמה חסמים לתעשייה הזאת כיום. "בארץ קשה לעשות שיתופי-פעולה סביב מידע, אין לכך מספיק תמריצים", אומר הראל. "אתגר אחר הוא מחסור ברופאים. בחו"ל אנחנו רואים מעבר של הון אנושי בין האקדמיה לבתי החולים ולתעשייה. בישראל מי שעוזב את האקדמיה לא חוזר".
סולומון מזהה חסם אחר: היכולת לרכוש את אמון האימונולוגים. "הבנו שעלינו להוכיח לאימונולוגים שאנחנו יודעים לשחזר מהנתונים את מה שהם כבר יודעים, ולדבר בשפה שלהם. הבעיה היא שלפעמים אנחנו מדייקים יותר מהם או נותנים מידע ברמת עומק או בצורה שהם לא מכירים. לעולם האימונולוגיה יש אמיתות מוסכמות לכאורה, אבל חלק מהן עומדות להשתנות בעשור הקרוב. התפקיד שלנו הוא לרכוש את אמונם ורק אז להראות להם דברים מחוץ לקונצנזוס".
עם כל הכבוד לבינה מלאכותית, כהן דייג מדגישה את החשיבות של המומחי ות האנושית. "כשגילינו את אחת המטרות המשמעותיות שלנו, היה נראה שהיא מתבטאת באופן חלש בסרטן. המדענים שלנו הבינו שזה לא יכול להיות. גילינו שבספרות המקצועית הייתה טעות שהשפיעה על כל המודלים ופספסו את זה במשך שנים".
סולומון: "מחשבים מסוגלים להסיק מהכלל אל הפרט בקלות, ואילו בני אדם לעתים מצליחים להסיק מהפרט אל הכלל בצורה מעוררת התפעלות. כאשר תחום מסוים נחקר היטב, כמו למשל מידע טקסטואלי, ניתן לפרק את הבעיה האינדוקטיבית לעותקים רבים של בעיות דדוקציה, וכך מאפשרים למחשב לפתור בעיות אינדוקטיביות מורכבות. זו רק תחילתה של מהפכת הבינה המלאכותית, וזה מאד מרגש לראות לאן היא תמשיך להתפתח".