Już teraz algorytmy AI wykorzystywane są w medycynie m.in. do przyspieszenia diagnostyki różnych chorób, opracowywania nowych leków, przewidywania wyników leczenia pacjentów czy ryzyka wybuchu pandemii. W użyciu są na przykład aplikacje, pozwalające szybciej diagnozować takie choroby, jak czerniak. Na podstawie zdjęcia oceniają one znamiona i wskazują, czy wymagają pilnej konsultacji u lekarza. AI może tak skutecznie analizować międzynarodowe dane na temat przypadków zakażeń, że jest w stanie wcześnie przewidywać wybuchy pandemii. Przykładem jest historia algorytmu opracowanego przez kanadyjski startup BlueDot. Jest on w stanie śledzić dane dotyczące 150 różnych chorób zakaźnych. Na podstawie analizy (po słowach kluczowych w 65 językach) oficjalnych raportów, źródeł internetowych czy profesjonalnych forów, już 31 grudnia 2019 r. algorytm wysłał do klientów startupu powiadomienie o wybuchu epidemii koronawirusa.

"Największe nadzieje związane z AI dotyczą tego, że jest ona w stanie znacznie przyspieszyć personalizację medycyny, czyli zindywidualizować podejście do pacjentów. Dzięki temu chory będzie mógł jak najszybciej otrzymywać najbardziej adekwatne leczenie. O tym, że personalizacja jest przyszłością medycyny, mówimy od co najmniej 20 lat, jednak żeby dojść do tego celu, musimy na wielką skalę rozwinąć diagnostykę. Sztuczna inteligencja może w tym pomóc" – ocenił dr Łukasz Hak, ekspert z zakresu immunologii i genetyki, z dużym doświadczeniem w zakresie innowacji medycznych.

Przy doborze spersonalizowanej terapii powinno się brać pod uwagę m.in.: mutacje genetyczne mające udział w rozwoju choroby, styl życia pacjenta, jego wyniki kliniczne, choroby współistniejące. Dr Hak zaznaczył, że dzięki sztucznej inteligencji nie będzie trzeba badać genomu każdego pacjenta. Na podstawie analizy ogromnej liczby danych zgromadzonych w różnych bazach - na temat DNA, występujących chorób, objawów klinicznych, zachowań, przyjmowanych leków etc. – AI będzie z dużym prawdopodobieństwem typować pacjentów, którzy mogą mieć tę samą mutację genetyczną i tę samą chorobę.

"Na tej podstawie będziemy mogli wcześniej odnaleźć osobę zagrożoną chorobą nowotworową i zainterweniować wdrażając odpowiednią profilaktykę, aby nie dopuścić do jej rozwoju, bądź szybko zaaplikować adekwatne leczenie, gdy choroba się rozwinie" – wyjaśnił dr Hak. W przypadku choroby uwarunkowanej genetycznie będzie można zastosować terapię genową.

Jeśli AI wytypuje pacjenta, to konieczne będzie potwierdzenie u niego mutacji genowej. Jednak ograniczy to liczbę badań i przyspieszy diagnostykę osób, które najbardziej tego potrzebują, ocenił ekspert.

Przykładem bazy, z którą współpracują badacze i firmy farmaceutyczne, jest UK BIOBANK. Jest to projekt, w którym zgromadzono dane na temat genomów oraz wyników badań klinicznych 0,5 mln pacjentów.

Specjalista dodał, że AI daje nadzieję na rozwój najbardziej spersonalizowanych metod terapii, takich jak terapie komórkowe (własne komórki pacjenta uczymy w laboratorium, jak rozpoznawać nowotwór, by wprowadzone ponownie do organizmu skutecznie go zwalczały - PAP), bądź terapie genetyczne (naprawa genetycznych uszkodzeń, by wyleczyć chorobę). "My rozwijamy terapie genetyczne w okulistyce u osób, które tracą wzrok z przyczyn wrodzonych i już teraz jesteśmy w stanie powstrzymać rozwój choroby lub przywrócić wzrok pacjentom" – poinformował dr Hak, który jest dyrektorem medycznym firmy Johnson and Johnson Innovative Medicine.

Ekspert zwrócił uwagę, że sztuczna inteligencja przyczynia się już teraz do znacznego skrócenia procesu poszukiwania nowych leków. "Jest to szczególnie widoczne w onkologii" – zaznaczył.

Przypomniał, że w tradycyjnym podejściu spośród wstępnie wyselekcjonowanego 1 tys. cząsteczek wybiera się w testach na komórkach jedną – taką, która ma szansę przejść badania przedkliniczne (na zwierzętach) oraz trzy fazy badań klinicznych na ludziach, a następnie wejść na rynek jako lek. Koszty wprowadzania leku na rynek to ok. 1 mld euro lub 1 mld dolarów.

"Algorytmy sztucznej inteligencji są w stanie na podstawie bardzo dużej liczby danych, m.in. na temat struktury biologicznej, wybrać tę cząsteczkę, która powinna iść dalej w badaniach klinicznych. Dzięki temu możemy zrezygnować z gigantycznej liczby testów. To bardzo oszczędza czas i znacznie przyspiesza wejście leku na rynek" - wyjaśnił ekspert.

W jego ocenie dzięki AI czas wprowadzenia nowego leku na rynek uległ obecnie skróceniu o trzy lata. "Trzeba jednak zaznaczyć, że dotyczy to onkologii, ale nie neurologii. Algorytmy AI nie są obecnie w stanie pomóc w przyspieszeniu znalezienia nowych leków na choroby neurologiczne" – podkreślił dr Hak.

Według niego gigantyczny postęp w dziedzinie onkologii jest związany ze zgromadzeniem przez naukowców i firmy farmaceutyczne ogromnej ilości danych na temat procesów prowadzących do rozwoju nowotworów. "W neurologii wręcz przeciwnie - nasza wiedza jest za mała i dostępne dane nie pozwalają AI na wysnuwanie odpowiednich wniosków" – powiedział specjalista. Dodał, że AI wskazuje, iż największa potrzeba medyczna dotyczy obecnie neurologii i w tym kierunku powinny iść badania.

W jego ocenie Polska ma duży potencjał jeśli chodzi o rozwój medycyny personalizowanej. "Aby personalizacja leczenia się rozwijała, powinno jednak dojść do rozwoju dużych baz danych, w tym do integracji danych zbieranych przez NFZ z danymi z ośrodków, które leczą chorych" – ocenił dr Hak. Obecnie medycyna idzie właśnie w kierunku gromadzenia i analizy ogromnej liczby danych (Big Data). I tego też dotyczy współpraca między ośrodkami naukowymi, startupami, fundacjami i firmami farmaceutycznymi. Hak zastrzegł, że specjaliści dostrzegają również zagrożenia związane z zastosowaniem AI w medycynie. "AI uśrednia profil pacjenta, zatem gdy szukamy osoby, która ma chorobę bardzo rzadką, albo taką, z którą nigdy się nie spotkaliśmy, to sztuczna inteligencja może jej nie wyłapać. I tu jest największe wyzwanie" – tłumaczył specjalista.

W jego opinii to dlatego nigdy nie przestanie być potrzebny zawód lekarza. "Ktoś musi analizować tych pacjentów, którzy z punktu widzenia AI są +nietypowi+" – powiedział dr Hak.

Zwrócił uwagę, że każda AI działa o wiele lepiej, gdy ma dostęp do większej liczby danych. Dlatego, aby sztuczna inteligencja wyłapała pacjentów z rzadkim schorzeniem, lepiej mieć dane dotyczące nie jednego ale stu milionów osób.

AI znajduje także zastosowanie w dziedzinie robotyki. Powstają algorytmy, dzięki którym operacje robotyczne stają się coraz mniej inwazyjne dla organizmu pacjenta. "Musimy jednak pamiętać, że AI i roboty medyczne nie są odpowiedzią na wszystkie wyzwania medycyny. AI może pomóc w niektórych aspektach, ale nie zawsze. Ważne, abyśmy uczyli się rozumieć, jak działa i jakie ma ograniczenia" – podsumował dr Hak. (PAP)

Nauka w Polsce, Joanna Morga

jjj/ zan/ lm/