Science dergisinde yayımlanan çalışmada tanıtılan “Virtual Biotech”, ilaç keşfi için çalışan yapay zekâ ajanlarından oluşan sanal bir biyoteknoloji şirketi olarak tasarlandı. Sistem, büyük dil modelleriyle veya birbirleriyle özerk biçimde etkileşen ve çok aşamalı görevleri yerine getirebilen 37,000 ajana kadar kapasiteye sahip.
Stanford University’den bilgisayar bilimci James Zou liderliğindeki ekip, şirket yapısını bir “baş bilim sorumlusu” (CSO) ajanının yönettiği farklı bölümlerle modelledi. Bu bölümlerde hedef belirleme ve klinik çalışma tasarımı gibi uzmanlıklar yer aldı. Çalışmada Anthropic tarafından geliştirilen Claude modelleri kullanıldı; Zou, gelişmiş herhangi bir büyük dil modelinin, açık kaynaklı modeller dahil, kullanılabileceğini belirtti.
Sistem, farklı hastalıklar için yürütülen 55,000’den fazla klinik çalışmanın yayımlanmış sonuçlarını analiz etti. 37,075 ajan, ileri aşamadaki klinik çalışmaların her birini incelemekle görevlendirildi. Analiz, belirli hücre tiplerinde etkin olan proteinleri hedefleyen ilaçların, diğer ilaçlara kıyasla pazara ulaşma olasılığının yaklaşık 50% daha yüksek olduğunu gösterdi.
İkinci testte sistem, akciğer kanserlerinde CD276 proteininin tedavi hedefi olup olamayacağını araştırdı. Önceki verilerle uyumlu olarak CD276’yı aday hedef olarak doğrulayan ajanlar, bu proteini tanıyan bir antikorun kanser ilacına bağlandığı bir tedavi stratejisi geliştirdi. Dış değerlendiricilerin katkısıyla yaklaşım umut verici bulundu.
Ancak araştırmacılar, sistemin gerçek ilaç geliştirme süreçlerinde sınanmadığını ve öngörülerinin deneyler ya da klinik çalışmalarla doğrulanmadığını vurguladı.
Neden önemli
Çalışmanın asıl önemi, ilaç keşfinde hangi biyolojik hedeflerin daha fazla araştırılacağına ilişkin önceliklendirmeyi, çok sayıda klinik çalışmanın sonuçlarını birlikte inceleyen bir sistemle desteklemeyi denemesidir. Bulgular, belirli hücre tiplerinde etkin olan proteinlere odaklanmanın, aday ilaçların pazara ulaşma olasılığıyla ilişkili olabileceğini göstererek araştırma tasarımında kullanılabilecek bir ölçüt sunuyor. Bu yaklaşım, hedef seçimi ve klinik çalışma planlamasında görev alan araştırmacılar açısından karar süreçlerine yeni bir analiz katmanı ekleyebilir. Ancak sistemin gerçek geliştirme süreçlerinde denenmemiş olması, sonuçların laboratuvar deneyleri ve klinik çalışmalarla sınanması gerektiğini ortaya koyuyor; dolayısıyla açık soru, yapay zekâ tarafından belirlenen hedeflerin uygulamada doğrulanıp doğrulanamayacağıdır.
Terim: ajan
Yapay zekâ ajanı, tek bir yanıt üretmek yerine hedefe ulaşmak için araç çağırıp çok adımlı iş yürüten yazılımdır.