Orion ja Helsingin yliopisto valjastavat tekoälyn tehostamaan lääkeaineiden tuotantoa

« takaisin vuosikertomukseen

Viimeistään koronarokote herätti monet tajuamaan, kuinka lääkekehitystä voi tehostaa, jos tutkijat ja lääkeyhtiöt tekevät tiivistä yhteistyötä. Helsingin yliopiston ja Orionin yhteishankkeessa kehitetään koneoppimiseen nojaavaa datapankkia, jonka myötä kemistit oppisivat hyödyntämään tekoälyä työnsä vauhdittajana ja lääkekehityksestä poistuisi hukkaa. 

Lääkekehitys on hidasta työtä. Lääkkeen ensimmäisestä ideasta menee vähintään 10–12 vuotta siihen, kunnes lääke saadaan kauppojen hyllylle. Hitaus johtuu monista eri tekijöistä, kuten lääketutkimuksen hitaista rahoitusmekanismeista, synteesiteknologian vaatimasta osaamisesta ja lääkkeiden hyväksynnän monimutkaisesta lupaprosessista. Orion Pharman ja Helsingin yliopiston yhteistyönä tehtävässä tutkimuksessa pyritään tehostamaan yhtä prosessin vaihetta: laboratoriossa tehtävää synteesireaktioiden tutkimusta. Apuna hyödynnetään tekoälyä ja koneoppimista.  

Jokaisen uuden lääkeaineen kehitys edellyttää jopa tuhansien uusien kemiallisten yhdisteiden valmistamista. Niistä jokainen on valmistettava erikseen uudella synteesireitillä eli joukolla kemiallisia reaktoita. Reaktioissa on kussakin omat lähtöaineet, reagenssit, katalyytit, liuottimet, lämpötilat ja tilavuudet. Kun muuttujia on paljon, myös lopputuloksia on loputtomasti. 

“Nykyisin kemiallisten reaktioiden tutkimus nojaa pitkälti kemistien ammattitaitoon ja kokemukseen”, kertoo vanhempi tutkija Toni Metsänen Orionilta. “Kemistit käyttävät tyypillisesti sellaisia synteesireittejä, jotka he tuntevat entuudestaan. Näin lopputuloksen onnistuminen on varmempaa ja työ tehokkaampaa”, hän jatkaa. Jos reaktioita ei tunne, vaihtoehtona on turvautua kirjallisuuteen ja aiemmin tehtyyn tutkimukseen. Se on toki hidasta. 

Helsingin yliopiston ja Orionin tutkimushankkeessa pyritään digitalisoimaan kemistien päässä oleva hiljainen tieto sekä aiemmin tehty tutkimus, ja luomaan niiden pohjalta rikas reaktiodatapankki, josta tietoa saisi mahdollisimman nopeasti. 

Kun reaktiodata on nopeasti saatavilla, tietyn synteesireitin optimointi nopeutuu. Tämä tarkoittaa, että myös uuden lääkeaineen kehitys tehostuu. Kemistien työaika voidaan suunnata kaikkein hyödyllisimpään työhön ja karsia ajanhukkaa prosesseista. 

Tekoäly on lääketieteen kehityksessä merkittävässä roolissa kaikissa lääkeyhtiöissä. “Tyypillisesti yritykset pyrkivät optimoimaan tietyn synteesireitin, jotta niiden on mahdollisimman helppoa ja nopeaa valmistaa tiettyä lääkeainetta tonneittain. Tässä tutkimusprojektissa katsomme tekoälyn mahdollisuuksia hieman laajemmin ja pyrimme löytämään vastauksia täysin uusiin kemiallisiin reaktioihin”, Metsänen kertoo. Tekoäly voisi siis kertoa, mitä tapahtuu kun jokin aiemmin käytetty lähtöaine korvataan uudella tai jokin muu osa synteesireitistä muuttuu.  

Metsäsen mukaan nyt käsillä oleva tutkimushanke on merkittävä, koska siihen osallistuu yliopiston puolelta kolme eri laitosta: kemia, farmasia ja tietojenkäsittelytiede. Lisäksi tiimillä on kaksi vuotta työaikaa tehdä tutkimustyötä rauhassa. Näin pitkää aikajännettä on teollisuuden puolella harvoin tarjolla. “Lisäksi voimme hyödyntää sellaista erikoisosaamista tekoälystä, jota meidän olisi hyvin vaikea kehittää yrityksen sisällä.” 

Projektiin osallistuvat professoreiden lisäksi myös post doc- tutkija ja pro gradu -opiskelija, jotka molemmat kerryttävät hankkeessa huippuosaamista, jolle tulee olemaan kova kysyntä tulevaisuudessa. “Tulevaisuuden kemistien tulee osata hyödyntää koneoppimista laboratoriossa tehtävän työn tukena”, Metsänen sanoo. 

Nyt hanke on edennyt vaiheeseen, jossa merkittävä määrä olemassaolevaa dataa on saatu ladattua ohjelmistoon ja testattua. Hankkeen perusidea toimii jo, mutta ratkaisevaa on Metsäsen mukaan nopeus. Pyrkimyksenä on saada tieto ulos ohjelmistosta sekunneissa. “Emme halua luoda erillistä ohjelmistoa vaan työkalun, joka tulisi osaksi kemistien nykyisiä työvaiheita. Lopputuloksen arvo on mitattavissa sen käytön vaivattomuudessa.”