Bagaimana “Virtual Biotech” Stanford Meneliti 55,984 Ujian Klinikal dengan 37,000 Ejen AI

Virtual Biotech lebih tepat difahami sebagai sistem penyelidikan pengiraan berskala besar, bukannya makmal farmaseutikal yang beroperasi sendiri. Dibangunkan oleh penyelidik Stanford, termasuk James Zou dan Harrison Zhang, sistem ini menyusun ejen AI khusus di bawah satu ejen ketua pegawai saintifik maya. Susunan itu membolehkan banyak tugasan mengumpul bukti dan menganalisis data dijalankan serentak. 12

Demonstrasi utamanya ialah penyusunan dan analisis 55,984 ujian klinikal. Hasilnya menunjukkan corak yang mungkin berguna untuk memilih sasaran ubat, di samping satu hipotesis rawatan kanser paru-paru. Namun, dapatan tersebut tidak membuktikan mana-mana terapi baharu selamat atau berkesan. Bukti itu masih memerlukan kajian makmal, ujian klinikal dan semakan pengawal selia. 12

Bagaimana puluhan ribu ejen memproses bukti ujian klinikal

Daripada meminta satu model AI serba guna merumuskan jumlah literatur yang sangat besar, Virtual Biotech membahagikan kerja kepada ejen dengan peranan saintifik berbeza. Ejen ketua pegawai saintifik mengagihkan tugasan kepada ejen khusus dalam bidang seperti biologi sasaran, reka bentuk molekul dan analisis ujian klinikal, sebelum menggabungkan dapatan mereka. 12

Bagi tugasan analisis ujian klinikal berskala besar itu, sistem berkenaan menggunakan lebih 37,000 ejen penganalisis ujian klinikal secara selari. Ejen-ejen ini menyusun data keselamatan dan keberkesanan yang diterbitkan daripada 55,984 ujian, kemudian menghubungkan sasaran ubat dengan anotasi genomik, molekul dan sel tunggal. Stanford melaporkan kira-kira 50,000 ujian berjaya dikatalogkan dalam masa kurang seminggu. 2

Kelajuan ini datang daripada pemprosesan selari: banyak ejen boleh mendapatkan, menanda dan menyemak rekod ujian yang berasingan pada waktu yang sama. Ini ialah aliran kerja penyusunan bukti pada skala luar biasa—bukan bukti bahawa sistem tersebut menjalankan eksperimen sendiri atau menemui ubat yang telah disahkan secara klinikal. 12

Ciri sasaran yang dikaitkan dengan hasil sejarah lebih baik

Analisis itu menonjolkan dua ciri sasaran ubat:

• Kekhususan jenis sel: sama ada sesuatu gen atau protein tertumpu pada jenis sel yang paling berkaitan dengan penyakit, dan bukannya aktif secara meluas dalam pelbagai sel.
• Bimodaliti: sama ada aktiviti gen lebih menyerupai keadaan diskret hidup/mati, berbanding berubah secara beransur-ansur pada satu spektrum berterusan.

Penyelidik melaporkan bahawa sasaran dengan kekhususan jenis sel yang tinggi dan corak bimodal dikaitkan dengan hasil pembangunan yang lebih baik dalam data sejarah ujian klinikal. Dalam analisis mereka, ubat yang menyasarkan gen khusus jenis sel adalah 40% lebih berkemungkinan bergerak dari Fasa I ke Fasa II, 48% lebih berkemungkinan sampai ke pasaran, dan dikaitkan dengan 32% lebih sedikit kejadian buruk. 2

Angka ini menerangkan perkaitan dalam set data yang telah disusun, bukannya jaminan bagi setiap sasaran atau rawatan. Satu penjelasan yang munasabah ialah sasaran yang terhad kepada sel berkaitan penyakit mungkin lebih mudah dipengaruhi secara terpilih, sekali gus berpotensi mengurangkan kesan tidak diingini di bahagian lain tubuh. Penjelasan biologi itu tetap perlu diuji secara eksperimen. 12

Hipotesis B7-H3/CD276 untuk kanser paru-paru

Virtual Biotech turut meneliti B7-H3, yang juga dikenali sebagai CD276, dalam kanser paru-paru. Dengan menggunakan maklumat awam yang tersedia sebelum Januari 2025, sistem itu mengenal pasti rasional yang melibatkan ekspresi B7-H3 pada fibroblas berhampiran tumor, lalu mencadangkan sel ini mungkin menyumbang kepada penekanan imun setempat. 2

Sistem tersebut mencadangkan strategi konjugat antibodi-ubat (ADC): antibodi yang menyasarkan B7-H3, digabungkan dengan muatan sitotoksik. Secara prinsip, ADC cuba menghantar bahan pembunuh sel kanser secara lebih tertumpu kepada sel yang membawa sasaran berkenaan. Output ini ialah reka bentuk praklinikal dan hipotesis mekanisme—bukan produk yang telah dihasilkan atau rawatan yang telah dibuktikan. 12

B7-H3 juga menjadi sasaran aktif dalam industri. GSK menyifatkan risvutatug rezetecan (GSK5764227) sebagai ADC penyiasatan yang menyasarkan B7-H3 bagi kanser paru-paru sel kecil, dan bahan syarikat itu melaporkan penetapan Breakthrough Therapy oleh FDA bagi aset tersebut dalam kanser paru-paru sel kecil tahap luas yang berulang atau refraktori.

Namun, rekod sumber yang dibekalkan tidak menyokong dakwaan bahawa program GSK itu ialah pengesahan klinikal kemudian terhadap cadangan Virtual Biotech. Pengumuman GSK yang dirujuk bertarikh Ogos 2024, iaitu sebelum had maklumat awam Januari 2025 yang digunakan dalam analisis Stanford. Maka, minat yang sama terhadap B7-H3 menunjukkan penumpuan strategi terhadap satu sasaran, bukannya bukti bahawa sistem AI itu memulakan, meniru atau mengesahkan secara klinikal program ubat GSK. 2

Apa yang belum dibuktikan oleh Virtual Biotech

Keterbatasan utama ialah jurang antara penaakulan pengiraan dan bukti perubatan. Ejen AI tersebut tidak:

• menjalankan eksperimen pada sel, haiwan atau manusia;
• membuktikan ketepatan sasaran, dos, farmakokinetik, ketoksikan atau profil rintangan ADC;
• menghasilkan terapi; atau
• menunjukkan manfaat kepada pesakit dalam ujian klinikal. 12

Saintis lain turut mengingatkan bahawa platform ini belum melalui ujian sebenar penemuan ubat, iaitu pengesahan eksperimen. Korelasi sejarah boleh membantu mengutamakan kerja, tetapi ia juga boleh dipengaruhi masalah kualiti data, pemboleh ubah pengeliru atau pola yang gagal dikekalkan dalam program prospektif. 1

Ujian seterusnya ialah pengesahan eksperimen

Virtual Biotech mungkin paling berguna untuk mengecilkan ruang carian saintifik yang besar dan menjadikan semakan bukti lebih sistematik. Saintis manusia masih perlu menetapkan soalan, meneliti bukti asas, menilai kemunasabahan biologi dan memutuskan hipotesis yang wajar diteruskan. 12

Bagi cadangan B7-H3, pengesahan bermakna memerlukan replikasi bebas, diikuti kajian makmal tentang biologi sasaran, pengikatan serta ketepatan ADC, keberkesanan, ketoksikan, farmakokinetik dan rintangan. Hanya ujian klinikal yang direka bentuk dengan baik dapat menentukan sama ada sesuatu rawatan benar-benar memperbaiki hasil pesakit. 12

Kesimpulan yang lebih seimbang: AI berbilang ejen boleh menyusun bukti bioperubatan dengan pantas dan menjana hipotesis yang boleh diuji. Ia belum menghapuskan keperluan terhadap sains eksperimen yang teliti—atau pertimbangan manusia pada setiap langkah penting.