วิเคราะห์และรีวิว: Claude ไม่ได้คิดค้นเซรุ่มแก้พิษแมงป่อง

Claude คัดโปรตีนที่จับกับพิษแมงป่องได้ 17 แบบ ครอบคลุม 4 จาก 5 toxins ที่ทีมตั้งเป้าไว้ แต่ไม่มีแบบไหนจับพิษได้มากกว่า 1 ชนิด

จุดสำคัญคือการจับพิษได้ ไม่ได้แปลว่าสามารถหยุดฤทธิ์พิษหรือใช้รักษาคนได้จริง การทดลองยังไม่ได้ทดสอบความปลอดภัย ความเสถียร การทำงานในร่างกาย หรือความสามารถในการหยุดพิษ ดังนั้นนี่เป็นเพียงจุดเริ่มต้นของการค้นคว้า ยังห่างไกลจากยาต้านพิษที่พร้อมใช้งานจริง

การทดลองนี้พิสูจน์อะไรได้จริง

Citrini Research และ Anthropic ให้ Claude ทำงานจาก prompt 35 หน้า ใช้ 300 subagents ค้นหาโปรตีนที่อาจจับกับพิษแมงป่อง กระบวนการใช้เวลา 64 ชั่วโมง และสร้างตัวเลือกเกือบ 320,000 แบบ ก่อนคัดเหลือ 211 แบบ

จากนั้นส่งแบบที่คัดไว้ให้ Adaptyv Bio และ Twist Biosciences ทดสอบในห้องแล็บภายนอก มีโปรตีน 17 แบบที่จับกับพิษได้รวม 4 จาก 5 ชนิด ผลที่ได้จึงสะท้อนว่า AI ช่วยเร่งการค้นหาจุดเริ่มต้นได้ แต่ยังไม่ใช่ยาหรือผลิตภัณฑ์พร้อมใช้จริง.

ทำไมการสร้างยาต้านพิษแมงป่องจึงเป็นโจทย์ที่น่าลอง

ยาต้านพิษแมงป่องเป็นการรักษาที่มีต้นทุนสูงและผลิตได้ยาก เพราะกระบวนการมักเกี่ยวข้องกับการฉีดพิษให้ม้าเพื่อสร้างภูมิคุ้มกัน วิธีแบบนี้ทำให้การพัฒนายาเป็นงานที่ใช้ทั้งเวลาและทรัพยากร

คำถามจึงน่าสนใจว่า AI จะช่วยเร่งขั้นตอนแรกได้แค่ไหน โดยเฉพาะการออกแบบโปรตีนที่จับกับสารพิษในพิษแมงป่อง หาก Claude ช่วยค้นหาตัวเลือกได้เร็วขึ้น นักวิจัยก็อาจมีจุดเริ่มต้นสำหรับพัฒนายาต่อไปได้ครับ

Claude อยู่ตรงไหนในความพยายามใช้ AI พัฒนายา

Claude ในการทดลองนี้ทำหน้าที่เป็นเครื่องมือค้นหาและออกแบบโปรตีนที่อาจจับกับสารพิษในพิษแมงป่อง ไม่ใช่ผู้สร้างยาต้านพิษสำเร็จรูป ผลลัพธ์จึงเป็นเพียงจุดเริ่มต้นสำหรับการทดสอบต่อในห้องแล็บ

Anthropic กำลังผลักดันศักยภาพของ AI ในงานพัฒนายาและวิทยาศาสตร์ชีวภาพ โดยให้ทีมใช้ Claude รุ่นที่ยังไม่เปิดตัวเพื่อค้นหาผู้สมัครโปรตีน กระบวนการนี้สร้างตัวเลือกเกือบ 320,000 รายการภายใน 64 ชั่วโมง ก่อนคัดเหลือ 211 แบบ

อย่างไรก็ตาม โปรตีนที่จับกับสารพิษได้ยังต้องทดสอบเรื่องความปลอดภัย ความเสถียร และการทำงานในร่างกายอีกมาก ดังนั้น Claude จึงเหมาะกับบทบาทผู้ช่วยค้นคว้า มากกว่าจะเป็นโรงงานผลิตยาอัตโนมัติ

จากการทดลองเดิมสู่โมเดลที่ใช้ในการทดสอบ

ก่อนเริ่มงาน ทีม Citrini ติดข้อจำกัดด้าน biosecurity guardrails จึงติดต่อ Anthropic จนได้ร่วมงานกับทีมวิจัยโดยตรง การทดลองครั้งนี้ใช้โมเดลรุ่นที่ยังไม่เปิดตัว พร้อมยกข้อจำกัดดังกล่าวภายใต้เงื่อนไขให้ทำงานจากออฟฟิศ Anthropic

Claude ทำอะไรได้บ้างในห้องทดลองจริง

• รับพรอมต์ยาว 35 หน้า เพื่อกำหนดโจทย์ค้นหาโปรตีนที่จับกับสารพิษในพิษแมงป่อง

• ใช้ซับเอเจนต์ประมาณ 300 ตัวช่วยค้นหา จนได้ผู้สมัครเกือบ 320,000 ราย แล้วคัดเหลือ 180 แบบ

• Claude ทำงานร่วมกับทีมเพื่อเพิ่มแบบโปรตีนอีก 31 แบบ รวมเป็น 211 แบบ

• เมื่อนำไปทดสอบกับห้องทดลองภายนอก พบว่ามีโปรตีน 17 แบบจับกับสารพิษได้ แต่ยังไม่ใช่ยาต้านพิษที่พร้อมใช้จริง

เมื่อเทียบกับวิธีพัฒนายา สิ่งที่ได้ยังอยู่ขั้นไหน

ผลทดลองไปถึงขั้นคัดโปรตีนที่จับกับสารพิษได้ แต่ยังห่างจากยาต้านพิษที่ใช้รักษาคนจริง

ดังนั้นจุดเด่นของ Claude คือช่วยค้นหาโมเลกุลตั้งต้นได้เร็วขึ้น ส่วนการเปลี่ยนโมเลกุลเหล่านี้ให้เป็นยาจริงยังเป็นงานอีกยาวไกล

จุดแข็งและข้อจำกัดของการทดลองนี้

Claude ช่วยจัดกระบวนการค้นหาอย่างเป็นระบบ สร้างผู้สมัครจำนวนมาก และพบโปรตีนที่จับกับพิษได้ 4 จาก 5 ชนิดที่ตั้งเป้าไว้ แต่ผลนี้ยังเป็นเพียงจุดเริ่มต้นของการพัฒนายา

ค่าใช้จ่ายที่ซ่อนอยู่หลังคำว่าใช้ AI

ค่าใช้คอมพิวต์และโทเคนของ Anthropic อยู่ที่เกือบ 50,000 ดอลลาร์ แม้ทีมจะใช้ Claude ช่วยค้นหาโปรตีนจำนวนมากก็ตาม

จากนั้นยังต้องส่งแบบโปรตีนไปทดสอบกับห้องแล็บภายนอกอีก 2 แห่ง ค่าใช้จ่ายประมาณ 150,000 ดอลลาร์ เพื่อดูว่าโปรตีนจับกับพิษเป้าหมายได้จริงหรือไม่

เคสนี้ชี้ให้เห็นว่า AI ช่วยเร่งการค้นหาได้ แต่ไม่ได้แทนที่การทดลองทางชีววิทยา ค่าใช้จ่ายก้อนใหญ่ยังอยู่ที่การตรวจสอบว่าโมเลกุลทำงานจริง ปลอดภัย และพัฒนาเป็นยาได้หรือเปล่า

สิ่งที่การทดลองนี้ควรทำให้เราเข้าใจใหม่

ความแปลกใหม่ของงานนี้อาจไม่ได้อยู่ที่ผลลัพธ์ทางชีววิทยา แต่อยู่ที่กระบวนการค้นพบแบบอัตโนมัติ ซึ่งให้ AI ช่วยสำรวจทางเลือกจำนวนมากได้เร็วขึ้น

เวลาเห็นข่าวโมเลกุลที่ดูมีอนาคต ควรแยกให้ออกว่านั่นยังห่างจากยาที่ปลอดภัยและใช้งานได้จริงแค่ไหน เพราะการจับกับพิษได้ ยังไม่เท่ากับการหยุดพิษหรือรักษาคนไข้ได้จริง.