AI ค้นพบเป้าหมายยาตัวแรกด้านประสาทวิทยาได้อย่างไร

นี่คือโครงการด้านประสาทวิทยาโครงการแรกที่เดินหน้าจากความร่วมมือซึ่งเริ่มขึ้นในปี 2021 โดยทั้งสองฝ่ายอาจริเริ่มโครงการได้มากถึง 40 โครงการในระยะยาว

จากเซลล์นับล้านล้านสู่เป้าหมายยาใหม่

เป้าหมายดังกล่าวไม่ได้เกิดจากการคาดเดาหรือการทดลองเพียงครั้งเดียว แต่เกิดจากกระบวนการค้นพบที่ผสานการทดลองทางชีววิทยาขนาดใหญ่เข้ากับ AI โดยมีขั้นตอนสำคัญดังนี้

1. สร้างแผนที่เซลล์ประสาทขนาดมหึมา

ทีมงานเพาะเลี้ยง เซลล์ประสาทที่ได้จากเซลล์ต้นกำเนิดพหุศักยภาพเหนี่ยวนำ หรือ hiPSC มากกว่า 1 ล้านล้านเซลล์ จากนั้นทำการตัดการทำงานของยีนแบบ whole-genome CRISPR knockout โดยทดสอบยีนที่เข้ารหัสโปรตีนมากกว่า 17,000 ยีน ทีละยีน พร้อมบันทึกภาพเซลล์มากกว่า 30 ล้านภาพ

ข้อมูลทั้งหมดถูกนำไปฝึกโมเดลพื้นฐานเฉพาะทาง เพื่ออ่านความเปลี่ยนแปลงของเซลล์หลังยีนแต่ละตัวถูกกระตุ้นหรือปิดการทำงาน กระบวนการนี้ก่อให้เกิดแผนที่ชีววิทยาที่เรียกว่า Neuron Map ซึ่งเป็นแหล่งข้อมูลที่นำไปสู่เป้าหมายยาที่ Genentech เลือกในครั้งนี้

2. ให้ AI ค้นหาความเชื่อมโยงทั่วทั้งจีโนม

แทนที่จะตั้งสมมติฐานแล้วทดสอบทีละข้อ โมเดล AI เปรียบเทียบผลจากยีนที่ถูกปรับเปลี่ยนแต่ละตัวกับกลไกและยีนที่ทราบว่าเกี่ยวข้องกับโรคทางระบบประสาท จากนั้นจัดอันดับผู้สมัครตามความสัมพันธ์ทางชีววิทยากับเส้นทางที่เกี่ยวข้องกับโรค

แนวทางนี้เปลี่ยน AI จากเครื่องมือที่ใช้เพียงทำนายโมเลกุล ไปเป็นเครื่องมือสำหรับสร้างสมมติฐานใหม่เกี่ยวกับชีววิทยาของโรคในระดับจีโนม

3. ผ่านด่านยืนยันผล 3 ชั้น

ผู้สมัครจะเดินหน้าต่อได้ก็ต่อเมื่อผ่านการทดสอบครบ 3 ระดับ ได้แก่

• การยืนยันเส้นทางชีววิทยา: การปรับเปลี่ยนยีนทำให้เกิดผลตามที่โมเดลคาดการณ์หรือไม่
• การยืนยันการทำงาน: การควบคุมเป้าหมายดังกล่าวทำให้เซลล์ประสาทมนุษย์เปลี่ยนแปลงอย่างมีนัยสำคัญหรือไม่
• การยืนยันในบริบทของโรค: เมื่อปรับเปลี่ยนเป้าหมายแล้ว ลักษณะของโรคเปลี่ยนไปในทิศทางที่เกี่ยวข้องหรือไม่

จุดสำคัญคือ AI ไม่ได้ทำหน้าที่แทนการทดลองในห้องปฏิบัติการ แต่ช่วยคัดกรองความสัมพันธ์จำนวนมหาศาล เพื่อให้ทีมวิจัยนำผู้สมัครที่มีหลักฐานรองรับไปทดสอบเชิงลึกได้อย่างเป็นระบบมากขึ้น

ข้อควรแยกให้ชัด: เป้าหมายที่เข้าสู่โครงการค้นพบยาระยะแรกมาจาก Neuron Map ไม่ใช่ Microglia Map โดย Microglia Map เป็นโครงการก่อนหน้าที่ศึกษามิ microglia ซึ่งเป็นเซลล์ภูมิคุ้มกันประจำสมอง ทั้งสองแผนที่สร้างขึ้นภายใต้ความร่วมมือเดียวกันระหว่าง Recursion, Roche และ Genentech

ทำไมหมุดหมายนี้จึงสำคัญต่อการพัฒนายาด้วย AI

เป็นหลักฐานสำคัญในสาขาที่พัฒนาได้ยาก

การค้นพบเป้าหมายใหม่ในระบบประสาทส่วนกลางถือเป็นบททดสอบที่เข้มข้นของแพลตฟอร์ม AI เพราะงานวิจัยด้านนี้มีอัตราความล้มเหลวสูงและมักวนเวียนอยู่กับเป้าหมายที่ศึกษาอย่างกว้างขวางมานาน เป้าหมายที่ผ่านการยืนยันครั้งนี้จึงเป็นหลักฐานระยะแรกว่าแพลตฟอร์มชีววิทยาแบบ AI-native สามารถเสนอเป้าหมายใหม่และช่วยยืนยันเป้าหมายนั้นด้วยการทดลองจริงได้

ขนาดของข้อมูลกลายเป็นข้อได้เปรียบ

การใช้เซลล์ในระดับล้านล้านเซลล์ การรบกวนยีนครบทั้งจีโนม และการประมวลผลภาพเซลล์หลายสิบล้านภาพ ทำให้ทีมวิจัยมองเห็นรูปแบบที่อาจใช้เวลาหลายปีหากค้นหาแบบเรียงลำดับทีละสมมติฐาน

ลดความเสี่ยงของการลงทุนในเป้าหมายใหม่

แพลตฟอร์มเริ่มต้นจากหลักฐานทางพันธุกรรมของมนุษย์ที่มีอยู่ แล้วค้นหาความสัมพันธ์ทางชีววิทยาที่ใกล้เคียงกันทั่วทั้งจีโนม จึงทำหน้าที่คล้าย “เครื่องสร้างสมมติฐาน” ที่ช่วยลดความไม่แน่นอนของการลงทุนกับกลไกที่ยังไม่เคยสำรวจ มากกว่าการพึ่งพาการคาดเดาต่อเนื่องทีละขั้น

Najat Khan ซีอีโอของ Recursion ระบุว่า นี่เป็นโครงการแรกจากโครงการที่อาจมีได้มากถึง 40 โครงการ ภายใต้ความร่วมมือดังกล่าว ขณะที่ความร่วมมือกับ Roche และ Genentech สร้างเงินจ่ายล่วงหน้าและเงินตามความสำเร็จให้ Recursion แล้วรวม 216 ล้านดอลลาร์

อย่างไรก็ตาม การเข้าสู่ early discovery ยังไม่ใช่การยืนยันว่าจะได้เป็นยาที่ใช้รักษาผู้ป่วย เป้าหมายยังต้องผ่านการค้นหาโมเลกุลที่เหมาะสม การทดสอบก่อนคลินิก การทดลองในมนุษย์ และการประเมินโดยหน่วยงานกำกับดูแลอีกหลายขั้นตอน

ดีล AI–อุตสาหกรรมยากำลังเร่งตัว

หมุดหมายของ Recursion และ Genentech เกิดขึ้นท่ามกลางการลงทุนครั้งใหญ่ในเทคโนโลยีค้นพบยาโดยใช้ AI

เงินทุนและความร่วมมือเพิ่มขึ้นอย่างรวดเร็ว

• ตั้งแต่เดือนมกราคม 2025 ถึงกรกฎาคม 2026 บริษัทเภสัชภัณฑ์รายใหญ่ทุ่มเงินทุนที่เปิดเผยมูลค่ารวมมากกว่า 22,000 ล้านดอลลาร์ ให้กับแพลตฟอร์ม AI ชีวเทคโนโลยีและการค้นพบยาเชิงคอมพิวเตอร์ ผ่านการควบรวมกิจการ ความร่วมมือ และการอนุญาตใช้สิทธิ์
• เงินทุนร่วมลงทุนในบริษัทที่ใช้ AI ค้นพบยาเพิ่มเป็นประมาณ 11,000 ล้านดอลลาร์ในปี 2025 จากราว 8,900 ล้านดอลลาร์ในปี 2024 โดยมี 348 ดีลในปี 2025
• มูลค่ารวมของความร่วมมือและการควบรวมกิจการด้านการค้นพบยาด้วย AI/แมชชีนเลิร์นนิงในช่วงปี 2024–2025 สูงกว่า 55,000 ล้านดอลลาร์
• ไตรมาสแรกของปี 2026 มีความร่วมมือด้าน AI ครั้งใหญ่ 36 ดีล เพิ่มขึ้นเป็นสองเท่าจาก 18 ดีลในไตรมาสเดียวกันของปี 2025

ตัวอย่างดีลที่น่าจับตา

ภาพรวมจึงกำลังเปลี่ยนจากการซื้อสิทธิ์ในยาเพียงหนึ่งตัว ไปสู่การลงทุนใน โครงสร้างพื้นฐานและแพลตฟอร์ม AI ที่สามารถค้นหาเป้าหมายและโมเลกุลได้หลายโครงการพร้อมกัน การควบรวม Recursion–Exscientia และการเกิดขึ้นของดีลแพลตฟอร์มจำนวนมากสะท้อนว่า AI กำลังถูกวางให้เป็นส่วนหนึ่งของโครงสร้าง R&D หลักของบริษัทเภสัชกรรม

FDA เริ่มวางกรอบความน่าเชื่อถือของ AI

การกำกับดูแลก็เริ่มปรับตามความก้าวหน้าทางวิทยาศาสตร์เช่นกัน โดยมีพัฒนาการสำคัญ 2 ระยะ

• มกราคม 2025: FDA เผยแพร่ร่างแนวทางฉบับแรกชื่อ Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products ซึ่งเสนอกรอบประเมินความน่าเชื่อถือของโมเดลแบบอิงความเสี่ยง สำหรับ AI ที่ใช้สร้างข้อมูลเพื่อสนับสนุนการตัดสินใจด้านความปลอดภัย ประสิทธิผล หรือคุณภาพของยา
• มกราคม 2026: FDA และ European Medicines Agency หรือ EMA เผยแพร่ Guiding Principles of Good AI Practice in Drug Development ร่วมกัน เพื่อกำหนดหลักปฏิบัติสำหรับการใช้ AI สร้างหลักฐานตลอดวงจรชีวิตของผลิตภัณฑ์ยา

แนวคิดสำคัญของ FDA คือผู้พัฒนายาต้องแสดง “ความน่าเชื่อถือของโมเดล” หรือพิสูจน์ว่าเครื่องมือ AI เหมาะสมและเชื่อถือได้สำหรับวัตถุประสงค์เฉพาะที่จะนำไปใช้ในเอกสารยื่นต่อหน่วยงานกำกับดูแล

ทั้งนี้ ร่างแนวทางของ FDA เดือนมกราคม 2025 ไม่ได้ครอบคลุม AI ที่ใช้ในการค้นพบยาโดยตรง แต่เน้น AI ที่สร้างข้อมูลเพื่อสนับสนุนการตัดสินใจของหน่วยงานกำกับดูแล นั่นหมายความว่า การใช้ AI ค้นหาเป้าหมายยาอาจเดินหน้าได้ แต่หลักฐานที่เกิดขึ้นยังต้องผ่านการตรวจสอบและยืนยันตามมาตรฐานการพัฒนายาแบบเดิม

บทสรุป: จากคำถามว่า AI ค้นพบเป้าหมายได้หรือไม่ สู่คำถามว่าจะไปถึงผู้ป่วยเมื่อใด

การที่ Genentech เลือกเป้าหมายด้านประสาทวิทยาจากแพลตฟอร์มของ Recursion เป็นหมุดหมายสำคัญของการค้นพบยาโดยใช้ AI เพราะแสดงให้เห็นว่า AI-native biology สามารถค้นหาเป้าหมายใหม่ในสาขาที่ท้าทาย และนำเป้าหมายนั้นเข้าสู่การยืนยันด้วยการทดลองได้

แต่เส้นทางจาก “เป้าหมายที่น่าสนใจ” ไปสู่ “ยาที่ใช้ได้จริง” ยังอีกยาวไกล ความสำเร็จครั้งนี้จึงควรถูกมองเป็นหลักฐานของความเป็นไปได้ ไม่ใช่การรับประกันผลทางคลินิก

เมื่อพิจารณาร่วมกับเงินลงทุนด้าน AI–เภสัชกรรมที่ทะลุ 55,000 ล้านดอลลาร์ในช่วงปี 2024–2025 และการที่ FDA กับ EMA เริ่มกำหนดหลักปฏิบัติสำหรับ AI อย่างเป็นระบบ อุตสาหกรรมกำลังขยับจากคำถามว่า “AI ค้นพบเป้าหมายยาได้หรือไม่” ไปสู่คำถามที่สำคัญกว่าอย่าง “ยาเหล่านั้นจะผ่านการทดสอบและไปถึงผู้ป่วยได้เร็วเพียงใด”