Pasaulyje yra daugiau nei 7000 retų ir nediagnozuotų ligų. Nors kiekviena liga pasireiškia nedaugeliui asmenų, bendrai šios ligos sukelia stulbinamą žmonių ir ekonomikos žalą, nes jomis serga apie 300 milijonų žmonių visame pasaulyje.
Tačiau tik nuo 5 iki 7% šių būklių turi FDA patvirtintą vaistą, jos dažniausiai lieka negydomos arba nepakankamai gydomos.
Naujų vaistų kūrimas yra bauginantis iššūkis, tačiau naujas dirbtinio intelekto įrankis gali paskatinti atrasti naujus gydymo būdus iš esamų vaistų, suteikdamas vilties pacientams, sergantiems retomis ir apleistomis ligomis, ir juos gydantiems gydytojams.
AI modelis, vadinamas TxGNN, yra pirmasis, specialiai sukurtas siekiant nustatyti kandidatus į vaistus nuo retų ligų ir būklių be gydymo.
Ji nustatė vaistų kandidatus iš esamų vaistų, skirtų daugiau nei 17 000 ligų, daugelis iš jų negydomos. Tai yra didžiausias ligų, kurias iki šiol gali susidoroti bet kuris atskiras AI modelis, skaičius. Tyrėjai pažymi, kad šis modelis gali būti pritaikytas dar daugiau ligų, viršijančių 17 000 ligų, su kuriomis jis dirbo pradiniuose eksperimentuose.
Kūrinys, aprašytas rugsėjo 25 d Gamtos medicinavadovavo Harvardo medicinos mokyklos mokslininkai. Tyrėjai padarė įrankį prieinamą nemokamai ir nori paskatinti gydytojus-mokslininkus jį naudoti ieškant naujų gydymo būdų, ypač esant sąlygoms, kai gydymo galimybės nėra arba yra ribotos.
„Naudodami šį įrankį siekiame nustatyti naujus gydymo būdus visame ligų spektre, tačiau, kalbant apie retas, itin retas ir apleistas ligas, manome, kad šis modelis gali padėti užpildyti arba bent jau sumažinti spragą, dėl kurios atsiranda rimtų sveikatos skirtumų“, – sakė jis. vadovaujanti tyrėja Marinka Zitnik, HMS Blavatnik instituto biomedicininės informatikos docentė.
„Būtent čia matome dirbtinio intelekto pažadą sumažinti pasaulinę ligų naštą, rasti naujų esamų vaistų panaudojimo būdų, o tai taip pat yra greitesnis ir ekonomiškesnis būdas kurti terapiją, nei kurti naujus vaistus nuo nulio“, – pridūrė Zitnik. , kuris yra Harvardo universiteto Kempnerio natūralaus ir dirbtinio intelekto studijų instituto asocijuotasis fakulteto narys.
Naujasis įrankis turi dvi pagrindines savybes – vieną, kuri identifikuoja gydymo kandidatus kartu su galimu šalutiniu poveikiu, o kitą – paaiškina sprendimo pagrindimą.
Iš viso įrankis nustatė vaistų kandidatus iš beveik 8 000 vaistų (tiek FDA patvirtintų vaistų, tiek eksperimentinių, kurie šiuo metu atliekami klinikiniuose tyrimuose) 17 080 ligų, įskaitant sąlygas, kai gydymo nėra. Jis taip pat numatė, kurie vaistai turės šalutinį poveikį ir kontraindikacijas esant konkrečioms sąlygoms – tai, ką dabartinis vaistų atradimo metodas dažniausiai nustato bandymų ir klaidų būdu ankstyvųjų klinikinių tyrimų metu, orientuotus į saugumą.
Palyginti su pirmaujančiais dirbtinio intelekto modeliais, skirtais vaistų panaudojimui, naujasis įrankis buvo vidutiniškai beveik 50 % geresnis nustatant kandidatus į vaistus. Taip pat buvo 35 % tiksliau nuspėti, kokie vaistai turės kontraindikacijų.
Jau patvirtintų vaistų vartojimo pranašumai
Esamų vaistų perkėlimas yra viliojantis būdas kurti naujus gydymo būdus, nes jis priklauso nuo vaistų, kurie buvo ištirti, kurių saugumo profiliai gerai suprantami ir kuriems taikomas reguliavimo patvirtinimo procesas.
Dauguma vaistų turi daug įvairių poveikių, viršijančių konkrečius tikslus, kuriems jie buvo sukurti ir patvirtinti. Tačiau daugelis šių poveikių lieka neatrastas ir nepakankamai ištirtas atliekant pradinius bandymus, klinikinius tyrimus ir peržiūrą, tačiau išryškėja tik po daugelio metų, kai juos naudojo milijonai žmonių. Iš tiesų, beveik 30 % FDA patvirtintų vaistų gavo bent vieną papildomą gydymo indikaciją po pirminio patvirtinimo, o daugelis per metus įgijo dešimtis papildomų gydymo indikacijų.
Šis požiūris į narkotikų panaudojimą geriausiu atveju yra atsitiktinis. Jis remiasi pacientų pranešimais apie netikėtą naudingą šalutinį poveikį arba gydytojų intuicija, ar vartoti vaistą būklei, kuriai jis nebuvo skirtas, – tokia praktika, kuri žinoma kaip vartojimas netinkamai.
„Mes buvome linkę pasikliauti sėkme ir ramybe, o ne strategija, kuri apriboja vaistų atradimą ligomis, kurioms gydyti vaistai jau yra“, – sakė Zitnikas.
Zitnikas pažymėjo, kad vaistų panaudojimo nauda apima ne tik ligas be gydymo.
„Net ir labiau paplitusioms ligoms su patvirtintais gydymo būdais nauji vaistai galėtų pasiūlyti alternatyvų, turinčių mažiau šalutinio poveikio, arba pakeisti vaistus, kurie tam tikriems pacientams neveiksmingi“, – sakė ji.
Kuo naujasis AI įrankis geresnis už esamus modelius
Dauguma dabartinių AI modelių, naudojamų vaistams atrasti, yra apmokyti dėl vienos ligos arba kelių sąlygų. Užuot sutelkęs dėmesį į konkrečias ligas, naujasis įrankis buvo apmokytas taip, kad būtų galima naudoti esamus duomenis naujoms prognozėms. Tai daroma nustatant bendrus daugelio ligų bruožus, pvz., bendras genomo aberacijas.
Pavyzdžiui, AI modelis tiksliai nustato bendrus ligos mechanizmus, pagrįstus bendrais genominiais pagrindais, o tai leidžia ekstrapoliuoti iš gerai suprantamos ligos, kurios gydymas žinomas, į menkai suprantamą, be gydymo.
Tyrėjų grupės teigimu, šis gebėjimas priartina dirbtinio intelekto įrankį prie samprotavimų, kuriuos galėtų panaudoti žmogaus gydytojas, kurdamas naujas idėjas, jei turėtų prieigą prie visų jau turimų žinių ir neapdorotų duomenų, kuriuos daro dirbtinio intelekto modelis, bet kurių žmogaus smegenys negali. galbūt prieiti ar parduotuvė.
Įrankis buvo apmokytas daugybe duomenų, įskaitant DNR informaciją, ląstelių signalizaciją, genų aktyvumo lygius, klinikines pastabas ir kt. Mokslininkai išbandė ir patobulino modelį, prašydami atlikti įvairias užduotis. Galiausiai įrankio veikimas buvo patvirtintas 1,2 milijono pacientų įrašuose ir buvo paprašyta identifikuoti vaistų kandidatus nuo įvairių ligų.
Tyrėjai taip pat paprašė įrankio numatyti, dėl kokių paciento savybių nustatyti vaistai būtų draudžiami tam tikroms pacientų grupėms.
Kita užduotis buvo paprašyti įrankio nustatyti esamas mažas molekules, kurios galėtų veiksmingai blokuoti tam tikrų baltymų, susijusių su ligas sukeliančiais keliais ir procesais, aktyvumą.
Atlikdami testą, skirtą įvertinti modelio gebėjimą mąstyti taip, kaip gali žmogaus gydytojas, tyrėjai paskatino modelį rasti vaistų nuo trijų retų ligų, kurių jis nematė kaip mokymosi dalį – neurologinio vystymosi sutrikimui, jungiamojo audinio ligai ir reta genetinė būklė, sukelianti vandens disbalansą.
Tada mokslininkai palygino modelio rekomendacijas dėl vaistų terapijos su dabartinėmis medicinos žiniomis apie siūlomų vaistų veikimą. Kiekviename pavyzdyje įrankio rekomendacijos atitiko dabartines medicinos žinias.
Be to, modelis ne tik identifikavo vaistus nuo visų trijų ligų, bet ir pateikė savo sprendimo pagrindimą. Ši paaiškinimo funkcija užtikrina skaidrumą ir gali padidinti gydytojo pasitikėjimą.
Tyrėjai įspėja, kad bet kokiai modeliui nustatytai terapijai reikės papildomo dozavimo ir pristatymo laiko įvertinimo. Tačiau jie priduria, kad dėl šio precedento neturinčio pajėgumo naujasis AI modelis pagreitintų vaistų panaudojimą taip, kaip iki šiol nebuvo įmanoma. Komanda jau bendradarbiauja su keletu retų ligų fondų, kad padėtų nustatyti galimus gydymo būdus.