Summary
ยารักษาโรคที่ “สร้างโดย AI ทั้งหมด” (de novo) ในขณะนี้เข้าสู่การทดสอบทางคลินิกอย่างชัดเจนแล้ว แต่หลักฐานสาธารณะที่เข้มงวดที่สุดยังคงอยู่ในการพัฒนาทางคลินิกในระยะเริ่มต้นถึงระยะกลาง มากกว่าการทดลองระยะสุดท้ายที่เสร็จสิ้นสมบูรณ์แล้ว ข้อพิสูจน์แนวคิดทางคลินิก (clinical proof-of-concept) ที่ผ่านการพิจารณาโดยผู้ทรงคุณวุฒิ (peer-reviewed) ที่แข็งแกร่งที่สุด ณ เดือนพฤษภาคม 2026 คือ rentosertib (เดิมชื่อ ISM001-055 / INS018_055) ของ Insilico Medicine ซึ่งรายงานผลการทดลองแบบสุ่มระยะที่ 2a ในโรคพังผืดในปอดโดยไม่ทราบสาเหตุ (IPF) ใน Nature Medicine (ตีพิมพ์ออนไลน์เมื่อวันที่ 3 มิถุนายน 2025).[1]
ในขณะเดียวกัน โปรแกรมต่างๆ ที่ออกแบบด้วยแพลตฟอร์ม generative AI หลายโปรแกรมได้เข้าสู่ระยะที่ 1 (ตัวอย่างเช่น ยาที่ออกแบบด้วย AI ตัวแรกของ Isomorphic Labs ในสหราชอาณาจักร และ ABS-101 ของ Absci) หรือเคลื่อนเข้าสู่การทดสอบสำคัญ (ตัวอย่างเช่น GB-0895 ของ Generate:Biomedicines ที่มีแผนการทดลองระยะที่ 3 ทั่วโลก และ MDR-001 ของ MindRank ที่เริ่มให้ยาแก่ผู้ป่วยรายแรกในการทดลองระยะที่ 3 ในประเทศจีน).[2–5]
State of the art
ในทางปฏิบัติ คำว่า “ออกแบบโดย AI” สามารถอ้างถึงบทบาททางเทคนิคที่แตกต่างกันในเส้นทางตั้งแต่การคัดเลือกเป้าหมาย (target selection) ไปจนถึงการปรับปรุงสารต้นแบบ (lead optimization) และวิศวกรรมโมเลกุล ตัวอย่างเช่น Insilico อธิบายถึงกระบวนการทำงานแบบครบวงจร (end-to-end workflow) ซึ่งเริ่มจากการระบุเป้าหมายสำหรับ IPF โดยใช้เอนจิน PandaOmics จากนั้นจึงออกแบบและปรับปรุงโมเลกุลขนาดเล็กโดยใช้เอนจินเคมีเชิงสร้างสรรค์ Chemistry42.[6]
ความสามารถอีกประการหนึ่งที่สำคัญมากขึ้นเรื่อยๆ คือการสร้างแบบจำลองรูปร่างและการตอบสนองของโปรตีนที่มีความแม่นยำสูง การรายงานต่อสาธารณะเกี่ยวกับยาที่ออกแบบด้วย AI ตัวแรกของ Isomorphic Labs ระบุอย่างชัดเจนว่าความพยายามนี้ขับเคลื่อนโดย AlphaFold 3 ซึ่งอธิบายว่าเป็นเครื่องมือที่สามารถ “ทำนายรูปร่างของโปรตีนและวิธีที่พวกมันทำปฏิกิริยากับโมเลกุลอื่นๆ ได้อย่างแม่นยำ”[2]
ในด้านยาชีววัตถุ (biologics) วิธีการสร้างโปรตีนแบบ de novo กำลังแสดงให้เห็นถึงการควบคุมการจับในระดับอะตอม รายงานในปี 2026 อธิบายถึงการรวมเครือข่าย RFdiffusion2 ที่ได้รับการปรับจูนอย่างละเอียดเข้ากับการคัดกรองด้วยยีสต์ (yeast display screening) เพื่อสร้างรูปแบบแอนติบอดี (VHHs, scFvs และแอนติบอดีเต็มรูปแบบ) ที่จับกับเอพิโทป (epitopes) ที่ผู้ใช้กำหนด “ด้วยความแม่นยำระดับอะตอม” โดยมีการยืนยันลักษณะการจับด้วย cry-EM และ affinity maturation ที่ให้ตัวจับในระดับ single-digit nanomolar ในขณะที่ยังคงรักษาความจำเพาะต่อเอพิโทปไว้ได้[7]
Clinical evidence
ตารางด้านล่างสรุปชุดโปรแกรมขนาดเล็กที่ออกแบบโดย generative AI แบบ de novo พร้อมข้อมูลความคืบหน้าทางคลินิกที่ระบุแหล่งที่มาอย่างชัดเจนในชุดข้อมูลที่จัดทำขึ้น
Furthest along in peer-reviewed clinical readouts
สัญญาณทางคลินิกที่มีรายละเอียดมากที่สุดและผ่านการพิจารณาโดยผู้ทรงคุณวุฒิในชุดข้อมูลคือ rentosertib ของ Insilico ใน IPF รายงานที่ตีพิมพ์อธิบายถึง “การทดลองระยะที่ 2a แบบหลายศูนย์ แบบปกปิดสองทาง แบบสุ่ม และควบคุมด้วยยาหลอกเป็นครั้งแรก” เพื่อทดสอบ rentosertib (เดิมชื่อ ISM001-055) ซึ่งถูกกำหนดให้เป็น “ตัวยับยั้ง TNIK โมเลกุลขนาดเล็กที่สร้างโดย AI ชนิดแรก (first-in-class)” โดยที่ TNIK ถูกอธิบายว่าเป็น “เป้าหมายชนิดแรก (first-in-class target) ในโรคพังผืดในปอดโดยไม่ทราบสาเหตุ (IPF) ที่ค้นพบโดยใช้ generative AI”[1]
ประสิทธิผลถูกรายงานว่าเป็นการเปลี่ยนแปลงของค่าความจุปอดขณะหายใจออกเต็มที่ (FVC) โดยกลุ่มที่ได้รับโดสสูงสุดแสดงการเปลี่ยนแปลงเฉลี่ยที่ mL (95% CI 10.9 ถึง 185.9) ในกลุ่มที่ได้รับ 60 mg วันละครั้ง เทียบกับ mL (95% CI −116.1 ถึง 75.6) ในกลุ่มยาหลอก[1] การสื่อสารเพิ่มเติมเกี่ยวกับโปรแกรมระยะที่ 2a เดียวกันอธิบายถึงการบรรลุจุดยุติปฐมภูมิ (primary endpoint) ด้านความปลอดภัยและการทนต่อยาในทุกระดับโดส และรายงานการปรับปรุง FVC ที่สัมพันธ์กับโดสในจุดยุติทุติยภูมิ (secondary endpoint)[12]
นอกจากนี้ Insilico ยังรายงานความคืบหน้าด้านกฎระเบียบสำหรับสูตรตำรับที่พ่นเข้าปอดโดยตรง: สารละลายสำหรับการสูดดมของ rentosertib ได้รับการอนุมัติ IND เพื่อสนับสนุนการศึกษาระยะที่ 1 เพื่อประเมินความปลอดภัย การทนต่อยา และเภสัชจลนศาสตร์ (pharmacokinetics)[13]
The wave behind it
นอกเหนือจาก rentosertib แล้ว หลายองค์กรกำลังเปิดเผยต่อสาธารณะเกี่ยวกับการทดสอบในมนุษย์เป็นครั้งแรก (first-in-human) สำหรับตัวยาที่ออกแบบโดย AI
Isomorphic Labs (Alphabet) ประกาศเริ่มการทดลองในมนุษย์สำหรับยาที่ออกแบบด้วย AI ตัวแรก โดยระบุว่าการทดลองระยะที่ 1 กำลังดำเนินอยู่ในสหราชอาณาจักร และจะมุ่งเน้นไปที่ความปลอดภัยและการทนต่อยาในอาสาสมัครที่มีสุขภาพดี โดยโครงการนี้ขับเคลื่อนโดย AlphaFold 3[2]
Generate:Biomedicines ได้เปิดเผยทั้งข้อมูลทางคลินิกในระยะเริ่มต้นและเจตจำนงในระยะสุดท้าย สำหรับ GB-0669 (แอนติบอดีลบล้างฤทธิ์ SARS-CoV-2) ข้อมูลการทดสอบในมนุษย์ครั้งแรกอธิบายถึงการทนต่อยาระยะที่ 1 โดยไม่มีความเป็นพิษที่จำกัดขนาดยา (dose-limiting toxicities) หรือเหตุการณ์ไม่พึงประสงค์ที่รุนแรง และรายงานตัวชี้วัดการลบล้างฤทธิ์ (ตัวอย่างเช่น ดัชนีการลบล้างฤทธิ์ 15 ที่ 1200 mg)[11] สำหรับ GB-0895 (anti-TSLP) บริษัทได้ประกาศแผนการริเริ่มการทดลองระยะที่ 3 ทั่วโลกสองโครงการ (SOLAIRIA-1 และ SOLAIRIA-2) โดยอธิบายถึงแผนการให้ยา (300 mg ฉีดเข้าใต้ผิวหนังทุกหกเดือน) และการออกแบบการศึกษา 52 สัปดาห์ โดยมีจุดยุติปฐมภูมิที่ผูกกับอัตราการกำเริบของโรคหอบหืดรายปี[4, 10]
Absci ได้ผลักดันแอนติบอดีที่ออกแบบโดย AI หลายรายการเข้าสู่การทดสอบทางคลินิก โดยรายงานว่าอาสาสมัครที่มีสุขภาพดีรายแรกได้รับยาในการศึกษาระยะที่ 1 ของ ABS-101 ซึ่งเป็นแอนติบอดี anti-TL1A ที่ออกแบบด้วยแพลตฟอร์ม generative AI ของบริษัท[3] นอกจากนี้ยังรายงานว่าอาสาสมัครที่มีสุขภาพดีรายแรกได้รับยาในการศึกษา HEADLINE ระยะที่ 1/2a สำหรับ ABS-201 (anti-PRLR) และระบุว่าคาดว่าจะได้รับข้อมูลเบื้องต้น (interim data) ในช่วงครึ่งหลังของปี 2026[14]
Reality checks
ประการแรก “อยู่ในการทดสอบทางคลินิก” ไม่ได้หมายความว่า “ได้รับการพิสูจน์ทางคลินิกแล้ว” สัญญาณประสิทธิผลที่ชัดเจนที่สุดในชุดข้อมูล (การเปลี่ยนแปลง FVC ของ rentosertib ในระยะที่ 2a) ยังคงเป็นผลลัพธ์ระยะที่ 2a และได้รับการระบุอย่างชัดเจนว่าจำเป็นต้องมีการตรวจสอบเพิ่มเติมในการทดลองที่มีขนาดใหญ่ขึ้นและระยะเวลาที่นานขึ้น[15]
ประการที่สอง แม้ว่าโปรแกรมจะไปถึงการทดลองทางคลินิกที่สำคัญ (pivotal trials) แต่นี่มักสะท้อนถึงการเปลี่ยนผ่านไปสู่การทดสอบยืนยันผลที่ยาวนานขึ้น มากกว่าที่จะเป็นการเสร็จสมบูรณ์ ตัวอย่างเช่น โปรแกรมโรคหอบหืดระยะที่ 3 สำหรับ GB-0895 ถูกอธิบายว่าเป็นการวางแผนเริ่มต้นและระบุการออกแบบที่มีกลุ่มควบคุมด้วยยาหลอกเป็นเวลา 52 สัปดาห์ ซึ่งหมายความว่าผลลัพธ์จะเกิดขึ้นหลังจากมีการติดตามผลและการวิเคราะห์อย่างเข้มข้นเท่านั้น[4, 10] ในทำนองเดียวกัน การเปิดเผยข้อมูล MDR-001 ของ MindRank ถูกระบุว่าเป็นการให้ยาแก่ผู้ป่วยรายแรกในระยะที่ 3 ซึ่งเป็นเป้าหมายเริ่มต้นของการทดลองมากกว่าจะเป็นการรายงานผลลัพธ์[5]
ประการที่สาม คำว่า “ออกแบบโดย AI” ยังคงมีความหลากหลายในรูปแบบและบริษัทต่างๆ บางโปรแกรมเน้นกระบวนการทำงานเชิงสร้างสรรค์แบบครบวงจร (end-to-end generative workflows) สำหรับทั้งเป้าหมายและโมเลกุล (ตามที่อธิบายไว้สำหรับการค้นพบเป้าหมายของ rentosertib และตัวยับยั้งที่สร้างโดย AI) ในขณะที่โปรแกรมอื่นๆ เน้นการทำนายโครงสร้าง (ความพยายามที่ขับเคลื่อนด้วย AlphaFold) หรือการสร้างโปรตีน/แอนติบอดีแบบ de novo (แนวทางที่ใช้ RFdiffusion)[1, 2, 7]
What to watch
คำถามทางวิทยาศาสตร์ในระยะสั้นคือ สัญญาณระยะที่ 2a ที่สังเกตได้สำหรับ rentosertib โดยเฉพาะการเปลี่ยนแปลง FVC ที่สัมพันธ์กับโดส จะสามารถทำซ้ำได้หรือไม่ในการศึกษาขนาดใหญ่และระยะเวลาที่นานขึ้นใน IPF ซึ่งเป็นสภาวะที่การลดลงของสมรรถภาพปอดมีความสำคัญทางคลินิกและยากที่จะแก้ไขให้กลับคืนมา[1]
คำถามด้านการแปลผลงานวิจัยสู่การใช้ประโยชน์ (translational question) ในระยะสั้นคือ แอนติบอดีที่ออกแบบโดย AI อย่าง GB-0895 จะสามารถถ่ายทอดเภสัชจลนศาสตร์ที่ออกฤทธิ์ยาวนานและการยับยั้งตัวบ่งชี้ทางชีวภาพ (biomarker suppression) จากระยะที่ 1 ไปสู่การลดการกำเริบของโรคที่มีความสำคัญทางคลินิกในการออกแบบระยะที่ 3 เป็นเวลาหนึ่งปีได้หรือไม่[4, 10] ในที่สุด เมื่อมีผู้สมัครรับการทดลองเข้าสู่ระยะที่ 1 มากขึ้น (รวมถึงผู้ที่อธิบายโดย Isomorphic Labs และ Absci) สาขานี้จะถูกตัดสินด้วยความรวดเร็วในการออกแบบน้อยลง และถูกตัดสินด้วยคุณสมบัติทางคลินิกที่การศึกษาในระยะเริ่มต้นกำหนดไว้เพื่อวัดผลอย่างชัดเจนมากขึ้น: ความปลอดภัย, การทนต่อยา, เภสัชจลนศาสตร์ และในระยะต่อมาคือ จุดยุติประสิทธิผลที่ผ่านการตรวจสอบแล้ว[2, 3]
