Gamla läkemedel kan få nya användningsområden
AI-teknik gör det möjligt att hitta nya användningsområden för redan godkända läkemedel.
Ny forskning från Högskolan i Skövde banar väg för snabbare diagnostik, skräddarsydda behandlingar och effektivare läkemedelsutveckling. En oväntad bonus är att gamla läkemedel kan få nya användningsområden. – AI har revolutionerat arbetet med precisionsmedicin och kommer att förbättra livskvaliteten för många, säger Zelmina Lubovac, lektor vid institutionen för biovetenskap.
En läkare sätter sig bredvid dig i mottagningsrummet. På skärmen framför dig ser du resultatet från en AI-analys. Läkaren förklarar att tack vare nya AI-modeller kan de erbjuda en behandling som är mer anpassad till dina unika, genetiska förutsättningar. Du slipper testa flera olika läkemedel för att behandla din sjukdom. Snart är det verklighet.
Individanpassade behandlingar
I projektet AI-driven precisionsmedicin, som leds av Högskolan i Skövde, har forskare utvecklat AI-modeller för att bättre förstå hur sjukdomar fungerar, vilket gör att man kan skapa individuellt anpassade behandlingar. Zelmina Lubovac, projektledare och lektor vid institutionen för biovetenskap, förklarar att AI nu revolutionerar området precisionsmedicin.
Zelmina Lubovac, projektledare och lektor vid institutionen för biovetenskap.
– Nu kan vi upptäcka sjukdomar snabbare och skapa mer träffsäkra behandlingar, vilket både förbättrar patientvård och minskar tiden och kostnaderna för läkemedelsutveckling.
Hon berättar vidare att Högskolan i Skövde under lång tid fokuserat på att utveckla modeller baserade på mycket stora mängder molekylärbiologisk data. Det gör det nu möjligt att förutsäga biomarkörer och därmed stödja mer träffsäkra och individanpassade behandlingar.
Återanvändning av läkemedel för nya ändamål
Ännu en spännande upptäckt i projektet är att AI-tekniken gör det möjligt att hitta nya användningsområden för redan godkända läkemedel, ett område som kallas ”drug repurposing”. Forskarna har använt AI-modellen för att hitta gener som är kopplade till sjukdomar och jämfört dem med gener som redan är mål för olika läkemedel i en databas som heter DrugBank. Databasen innehåller detaljerad information om läkemedel och till vilka molekyler i kroppen som ett läkemedel binder till eller påverkar för att uppnå sin läkande effekt.
– Vi har kunnat föreslå relevanta läkemedelskandidater bland redan godkända läkemedel, vilket skapar nya möjligheter inom ’repurposing’. Ett läkemedel som ursprungligen är godkänt för att behandla en sorts sjukdom skulle kunna användas för att behandla en annan sjukdom. Det är ett snabbare och billigare alternativ än traditionell läkemedelsutveckling, säger Zelmina Lubovac.
AI har tränats på friska celler
Rasmus Magnusson, tidigare forskare vid Högskolan i Skövde och nu verksam vid Linköpings universitet, förklarar att de har tränat en AI-modell på att känna igen hur en frisk cell ser ut. Om modellen tränats på bilder av hundar skulle den förstå att alla hundar har nos och två öron. På samma sätt lär sig modellen att känna igen hur en frisk cell ser ut.
– När modellen lärt sig detta kan den också identifiera vad som är fel i en cell, vilket gör att vi bättre kan förstå sjukdomar och hitta rätt behandling, säger Rasmus Magnusson.
Kan användas även på små datamängder
I projektet har forskarna använt tiotusentals prover från offentliga databaser för att träna AI-modellen. Modellen har nu en god förståelse för hur friska celler ska se ut och kan därför även användas för mycket mindre datamängder, exempelvis från olika sjukdomsstudier.
– Det räcker att modellen har tränats på omfattande data från friska individer. Den kan ändå hjälpa till att tolka data från olika sjukdomar, vilket är en stor fördel för prekliniska studier. I dessa tidiga studier, innan läkemedel testas på människor, är datamängderna ofta små och brusiga, förklarar Rasmus Magnusson.
Mer om projektet
AI-driven precisionsmedicin är en del i det större forskningsprojektet Biomedicinsk AI-driven dataanalys som leds av forskare från Högskolan i Skövde och finansieras av KK-stiftelsen.
Studien Latent space arithmetic on data embeddings from healthy multi-tissue human RNA-seq decodes disease modules har publicerats i tidskriften Pattern av forskare från Högskolan i Skövde, Linköpings universitet, Stockholms universitet, Göteborgs universitet, King Abdullah University of Science and Technology, Karolinska institutet och Science for Life Laboratory.
