AI İlaç Keşfi: 2 Milyar Yerine 200 Milyon

"Eros'un Süreci" — klasik

Klasik ilaç keşfi:

1. Hedef tespit (target identification): Hangi protein hastalıkla ilişkili?
2. Hit keşfi: Bu proteine bağlanan moleküller bulun (~10.000 deneyin).
3. Lead optimizasyonu: En iyiyi iyileştir.
4. Preklinik: Hayvan testleri.
5. Klinik aşama 1, 2, 3: İnsan testleri.
6. Onay.

Süre: 10-15 yıl. Maliyet: ~2 milyar dolar (başarısızlık dahil).

Başarı oranı: %10 — 100 başlangıçtan 10'u onaylanır.

AI nasıl yardım ediyor

AI her aşamayı hızlandırıyor:

1. Hedef tespit

• AlphaFold: Hangi protein bilinmeyen yapı vardı? Şimdi 200M tahmin var.
• Genetic data + ML: Hangi mutasyon hangi hastalığa yol açar?

2. Hit keşfi

• Generative AI: Yeni molekül tasarımı (DeepMind GenChem).
• Molecular docking: AI bağlanma tahmini.
• Mevcut ilaç tarama: Eski ilaçlar yeni hastalıklar için (drug repurposing).

3. Lead optimizasyon

• AlphaFold 3: Protein-molekül etkileşimi.
• ESMFold: Hızlı yapı.
• Generative models: İyileştirme önerisi.

4. Klinik tahminleme

• Toxicity prediction: ML ile yan etki tahmini.
• Clinical trial design: AI hastane planlama.

Pratik örnekler

Isomorphic Labs (DeepMind, 2021)

İlaç tasarımı şirketi. AlphaFold 3 üzerine. 2024'te ilk klinik aşama 1'de aday.

Insitro (Daphne Koller, 2018)

Veri-merkezli ilaç keşfi. Bristol Myers Squibb ile 1 milyar dolar anlaşma (2020).

Recursion Pharmaceuticals

Phenotype + AI ile ilaç tarama. NVIDIA partner.

Exscientia (UK)

İlk AI-tasarımlı ilaç (DSP-1181) 2020'de klinik aşama. Sumitomo Pharma ile.

Atomwise

Molecular docking AI'sı; 100+ pharma partner.

Halofuginone hikâyesi

2024'te Isomorphic Labs "halofuginone" bağlanma tahmini başarısı duyurdu. Klasik yöntemlerin uydusu.

Bu, AI'ın mevcut moleküllerin yeni hedeflere bağlanmasını öğrenmesinin somut örneği. Drug repurposing AI ile patlama yaşıyor.

Sınırlamalar

AI ilaç keşfi mükemmel değil:

1. Veri kıtlığı: Lab verisi pahalı; bilim kalitesi kritik.
2. Yorumlanabilirlik: "Niye bu molekül?" — FDA için kritik.
3. Klinik aşama hâlâ uzun: İnsan testi AI ile hızlanmıyor.
4. Etik: AI tasarımı hangi insanlar için optimize? Eşitlik?

Bu sorunlar yaklaşan endüstri standardlarının odağı.

Türkiye için durum

Türkiye ilaç AI cephesi az:

• TUBITAK AI4Science programı.
• BIO-Eczacılık şirketleri girişiyor.
• Akademik ortaklıklar (Bilkent, METU).

Yetersiz. ABD ve Çin önemli pazar payına sahip.

"İlaç keşfi 2030"

Tahminler:

• 2030: AI klinik ilaç sayısı 50+.
• Maliyet 5x düşer.
• Süre 3-5 yıl kısalır.
• Bazı zor hastalıklar (Alzheimer, nadir genetik) erişime alınır.

Bu, tıbbi ekonomi paradigma değişimi olabilir.

Sade ders

AI ilaç keşfi hikâyesinden iki şey:

1. AI hızlanmanın kendisi büyük etki. Her ilaç başarısızlığı 200M dolar; AI başarısızlık oranını düşürürse trilyonlarca dolar tasarruf. Bu, modern AI'nın ekonomik etkisi.
2. Bilimsel ilerleme dağıtık. Tek bir şirket ilaç keşfi yapmıyor — DeepMind, Insitro, Recursion, Atomwise, akademik labalar birlikte. AI ekosistemi bilim ekosistemiyle iç içe.

Bağlam

AlphaFold için: [[alphafold-50-yillik-protein-katlanma-problemi-cozuldu]]. AI4Science için: [[ai-icin-bilim-protein-ilac-malzeme-yeni-aydinlanma]]. Insitro için: [[daphne-koller-olasiliksal-aklin-stanford-mimari]]. David Baker için: [[david-baker-protein-tasarimcisi-ve-nobel-kimya-ortagi]]. Demis Hassabis ve Isomorphic için: [[demis-hassabis-deepmind-kurucu-ortagi-ve-2024-nobel-kimya]].