W najbliższej przyszłości medycyna zmieni się pod każdym względem. Technologie komputerowe wnikają coraz głębiej w tę sferę
Rozwój i synteza leków
Tworzenie nowego leku z pomysłuprzed rozpoczęciem masowej produkcji trwa do dziesięciu lat. Wymaga też dodatkowo miliardów dolarów inwestycji w pracę zespołów badawczych i uruchomienie wieloetapowych testów. Średnio, według statystyk, tylko 12% tworzonych leków otrzymuje patent i pozwolenie na produkcję, podczas gdy reszta nie przechodzi badań klinicznych i proces zaczyna się od nowa.
Dlatego właśnie uczenie maszynowe i sieci neuronowezaczęto stosować w celu uproszczenia procesu tworzenia leków. Dziś na świecie istnieje około 30 dużych projektów wykorzystujących sztuczną inteligencję, które działają w tym kierunku.
amerykańska FDAFood and Drug Administration uruchomiła własny projekt, którego celem jest obniżenie kosztów badań klinicznych o rzędy wielkości z wykorzystaniem uczenia maszynowego.
Sztuczna inteligencja projektu jest szkolona na podstawie wyników ostatnich 20 latbadania kliniczne amerykańskich leków. Zdaniem ekspertów za jego pomocą można znacznie zwiększyć prawdopodobieństwo pomyślnego ukończenia studiów: z 12% do 80%.
Według wstępnych szacunków wykorzystanie sztucznej inteligencji i sieci neuronowych pomoże czterokrotnie skrócić inwestycje w tworzenie leków, a czas ich opracowania o połowę.
Badania kliniczne wymagają dużych inwestycji i mogą trwać kilka lat
Na razie obawy dotyczą wykorzystania AI jedynie jako narzędzia pomocniczego do syntezy leków, przeprowadzając jak zwykle wszystkie etapy badań klinicznych. Ale projekty już teraz przynoszą dobre rezultaty.
AI w służbie żywienia
Postępy w tworzeniu sztucznej inteligencjiszczepionki na koronowirusa są znane na całym świecie. Technologie komputerowe skróciły czas opracowania skutecznej szczepionki do zaledwie kilku miesięcy, podczas gdy klasyczne metody badawcze wymagają co najmniej roku lub dwóch.
Ale badania są w rzeczywistości znacznie głębsze niżmożna sobie wyobrazić. A dotyczą one nie tylko wirusologii, ale także profilaktyki i żywienia, pod kątem których analizowane są naturalne związki organiczne. Jest ich dziesiątki miliardów, więc ręczne badanie nie jest zbyt efektywne.
Badania kliniczne wymagają dużych inwestycjii może trwać kilka lat. Aby opracować nowy lek, konieczne jest przetestowanie w hodowlach komórkowych dziesiątek i setek związków chemicznych, które w przyszłości trzeba będzie przetestować na żywych organizmach. Z tego powodu wszystkie fazy badań klinicznych mogą trwać kilka lat.
Moc komputera może pomócbadaczy, znacznie przyspieszając proces tworzenia nowych leków, a także znacząco obniżając koszty kosztownych badań klinicznych. Na przykład brytyjsko-irlandzka firma Nuritas wykorzystuje sztuczną inteligencję do poszukiwania aktywnych związków organicznych, które teoretycznie mogą być stosowane w leczeniu i zapobieganiu chorobom.
Według ekspertów firmy technologia analizy związków chemicznych z wykorzystaniem sztucznej inteligencji jest 600 razy dokładniejsza i 10 razy szybsza niż standardowe metody.
Jednak nadal nie da się obejść bez osoby. Gdy sieć neuronowa odkryje obiecujący związek, biochemicy rozpoczynają szczegółowe badania.
Od ośmiu lat pracownicy firmyzarejestrowała 65 patentów w branży medycznej, firma obecnie aktywnie opracowuje leki na regenerację mięśni, normalizację metabolizmu glukozy i spowolnienie starzenia się komórek.
To tylko jeden z kilkudziesięciu projektówktórzy badają związki chemiczne do opracowywania dietetycznych i biologicznych suplementów diety, a także leków. A rozwój sztucznej inteligencji w przyszłości jeszcze bardziej przyspieszy badania i poprawi ich efektywność.
Badania rzadkich chorób z wykorzystaniem sieci neuronowych
Obecnie 95% rzadkich chorób nie ma standardowych i akceptowanych na całym świecie schematów leczenia.
Według Światowej Organizacji Zdrowia choroby o częstości występowania od 1 przypadku na 1000 osób do 1 przypadku na 200 000 osób są uważane za rzadkie.
Koncerny często nie inwestująposzukiwania lekarstw na tego typu choroby. W końcu firma wydaje od 200 milionów do 2 miliardów dolarów na wynalezienie jednego leku, jeśli w ogóle te badania się zwrócą, czas zwrotu takich badań zajmie dziesięciolecia.
Główną trudnością w leczeniu rzadkich chorób nie jest synteza leków i badania laboratoryjne, ale brak danych klinicznych.
Dlatego firma Healx wykorzystuje sieci neuronowetworzy kompletną bazę informacyjną o 7 tysiącach chorób rzadkich, w której gromadzi wszelkie informacje z materiałów naukowych, baz pacjentów oraz badań leków.
Utworzona baza danych pomogła w opracowaniu lekuz zespołu Martina-Bella. W ciągu 18 miesięcy zespołowi udało się stworzyć lek, który pomyślnie przeszedł już dwie fazy badań klinicznych. Dla porównania, w normalnych warunkach opracowanie i przetestowanie leku trwa od pięciu do dziesięciu lat. Jednocześnie koszty jego powstania są po prostu o rzędy wielkości mniejsze od klasycznych.
W zakresie wyszukiwania informacji i jej klasyfikacjisieci neuronowe wykazują doskonałe wyniki. Są w stanie stosunkowo szybko przeskanować Internet we wszystkich istniejących językach, zbierając dane dotyczące określonego tematu. Osiągnięcie takiej wydajności podczas pracy ręcznej nie zadziała.
Sztuczna inteligencja i medycyna spersonalizowana
Dla większości najczęstszychchorób opracowano schematy terapeutyczne przyjmowania leków. W leczeniu niektórych chorób (na przykład gruźlicy lub onkologii) jedynymi skutecznymi lekami są raczej toksyczne substancje. Ze względu na niską selektywność takie leki mają skutki uboczne, niekorzystnie wpływają na wątrobę, nerki i układ sercowo-naczyniowy. A jeśli wcześniej nie było alternatyw, a stosowanie agresywnych leków uznano za dopuszczalne z uszczerbkiem na zdrowiu w trakcie leczenia, teraz zmienia się metodologia. Rozwój medycyny i chemii medycznej umożliwia pracę nie tylko nad poszukiwaniem zasadniczo nowych leków, ale także nad doborem optymalnych schematów leczenia z wykorzystaniem znanych już metod.
Indywidualne dawkowanie leków, które mająsilne skutki uboczne mogłyby zmniejszyć negatywny wpływ na pacjentów, ale złożoność obliczeń nie pozwala na ich przeprowadzenie na dużą skalę. Ponadto należy je przeprowadzać kilka razy dziennie.
Sieci neuronowe są w stanie szybko wykonać takie obliczenia.i jakość. Tak więc w 2018 roku naukowcy z National University of Singapore opracowali innowacyjny system CURATE.AI do terapii skojarzonej pacjentów z rakiem z wykorzystaniem sztucznej inteligencji.
Już podczas pierwszych testów systemupokazał swoją skuteczność. Dla pacjenta z zaawansowanym rakiem prostaty system wyliczył indywidualną kombinację leków przez cały okres leczenia.
W rezultacie guz znacznie rośniezwolniło, a następnie choroba przeszła całkowicie w remisję. Jednocześnie dawki leków były prawie dwukrotnie mniejsze niż przy standardowym leczeniu takich przypadków.
Terapia personalizacyjna otwiera niewyobrażalne możliwościszanse dla medycyny. Jeśli istnieje wystarczająca ilość danych, sieci neuronowe i inne metody uczenia maszynowego mogą pomóc nie tylko szybko rozwiązać problem optymalizacji dawki, ale także dobrać kombinacje leków w celu zwiększenia efektywności leczenia, określić najskuteczniejszą taktykę leczenia i zapobiec krytycznym stanu pacjenta na najwcześniejszych etapach.
Podobne systemy są już stosowane do sterowaniastanu pacjentów i gromadzenie długoterminowych danych medycznych, ale z biegiem czasu będą one coraz bardziej zintegrowane z branżą opieki zdrowotnej. Warto zauważyć, że w ostatnich latach coraz większą uwagę zwraca się na metody profilaktyki i wczesnej diagnostyki chorób.
Sztuczna inteligencja to potężne narzędzieco może przynieść korzyści wielu branżom i dziedzinom medycyny. Sieci neuronowe i inne metody uczenia maszynowego już pomagają w tworzeniu nowych leków, badaniu chorób i monitorowaniu stanu pacjentów. Na razie wdrażają je jedynie duże ośrodki badawcze i najbardziej zaawansowane kliniki, ale ich wpływ na medycynę jest już ogromny.
Obecnie następuje aktywny rozwój sieci neuronowychmedycyna - znacznie szybciej, niż możesz sobie wyobrazić. Większość projektów i opracowań nie staje się znana opinii publicznej i ukazuje się jedynie w czasopismach specjalistycznych. Jednak stopniowo, krok po kroku, przekształcają dzisiejszą medycynę w medycynę przyszłości. A już niedługo przekonamy się o tym na własne oczy.
Czytaj więcej:
Najsilniejszy rozbłysk klasy X wystąpił na Słońcu
Spójrz na konsekwencje zderzenia dwóch gwiazd w 1181 roku
Odnaleziony 20 lat temu Blazar okazał się obiektem ekstremalnym