Создание новых лекарств, исследование старения и анализ снимков: какие задачи в медицине уже выполняет ИИ

Содержание:

• Искусственный интеллект создает новые лекарства
• «Цифровые двойники» человека помогают исследовать старение
• ИИ заменяет мышей в некоторых исследованиях
• Алгоритмы анализируют рентгеновские снимки — в том числе в российских больницах
• Искусственный интеллект оцифровывает данные
• ИИ в медицине: за какими стартапами следить

1. Искусственный интеллект создает новые лекарства

У ИИ в области фармы — уже сейчас огромные возможности и перспективы.

Мы в Иннополисе разрабатываем платформу по поиску новых лекарств — drug-discovery. В будущем она должна охватывать все фазы разработки — от открытия мишени до подбора малых молекул, которые взаимодействуют с ними и оказывают терапевтический эффект.

Наши цели вполне реалистичны. В этом году впервые начали тестировать на людях препарат, от начала и до конца разработанный ИИ — INS018_055, — для терапии идиопатического легочного фиброза (ИЛФ). (Кстати, это сделала компания Insilico Medicine, гонконгский стартап, основанный выходцем из России, бывшим аспирантом МГУ Александром Жаворонковым).

Также есть множество компаний, которые работают над ускорением разработки: в начале работы над препаратом, до тестирования на мышах, идет поиск мишени, которая вызывает заболевание. Многие препараты застревают здесь из-за ошибки в выборе мишени, ИИ позволяет ускорить этот процесс.

Источник: презентация спикера на конференции AI IN

У ИИ есть возможность в будущем персонализировать терапию для конкретного пациента — учесть хронические заболевания и другие особенности, чтобы у него не возникло побочных эффектов или даже побочных заболеваний при применении конкретного препарата.

Важный дисклеймер: без врача не принимается ни одно решение, и каждая рекомендация ИИ — именно рекомендация, это юридически важная тонкость.

2. «Цифровые двойники» человека помогают исследовать старение

Gero занимается разработкой лекарств против старения и возраст-зависимых заболеваний. С учетом второго демографического перехода — изобретать или не изобретать лекарство от старения — это не моральный выбор.

В скором будущем нас ожидает большое количество пожилых людей с множеством заболеваний. Этого не выдержат ни пенсионные системы, ни системы здравоохранения, даже в развитых странах.

Например, к началу 2023 года в Китае проживало более 280 млн людей в возрасте старше 60 лет. А у многих взрослых из-за прошлой политики — один ребенок в семье. Можно представить, что ждет экономику страны в будущем.

Наша компания решает вопросы старения и хронических заболеваний с помощью BigData. Мы делаем генеративные модели, «аватары» человеческого организма, с помощью которых можно увидеть и предсказать, как вариации генетических и молекулярных признаков влияют на старение.

То есть сделать такой прогноз на ближайшие 2-5 лет для пациента.

Наша компания занимается этим с 2018 года, и сейчас у нас в распоряжении 0,5 млн медицинских записей — благодаря британским партнерам. Также мы партнеримся с Pfizer, которые предоставили доступ к 10 млн медицинских записей. Я надеюсь, что к концу года записей будет еще больше.

Это значит, что мы будем знать о старении человека и хронических заболеваниях все, что можем узнать сейчас. Важно понимать: биологический возраст не нарастает с годами, это величина, которая насчитывает количество общих повреждений в человеке.

MLL в сфере здоровье позволяет понять, как заболевания влияют друг на друга, какие зависят друг от друга, какие — нет. Позволяет выявить, существуют ли заболевания с общими биологическими признаками. Именно против таких и нужно в первую очередь разрабатывать лекарства.

Конечно, сейчас основные исследования все еще происходят на мышах, но мы верим в будущее генеративных моделей. Подобные «аватары» помогают эффективнее искать мишени, против которых будут работать препараты — их можно использовать бесконечно.

Как вы думаете, почему не все лекарства работают хорошо на сегодняшний день? Фарма ошибается не потому, что делает плохие лекарства, а потому что неправильно находит мишени.

3. ИИ заменяет мышей в некоторых исследованиях

Роман Иванов, директор по развитию инноваций «Фармасинтез»

Не спорю с тем, что в разработке лекарств ИИ — уже незаменим. Однако в других сферах к его использованию есть вопросы.

Даже США с их консервативными законами в 2023 году разрешили фармкомпаниям использовать не-животные модели для тестирования лекарств.

Чем органы на чипе и генеративные модели лучше мышей? ИИ помогает сократить отбор молекул, которые станут кандидатами для разработки будущего лекарственного средства. И эти испытания можно проводить бесконечно, это гуманно.

Но продукты ИИ очень далеки от человеческого организма: не могут ни сейчас, ни в обозримом будущем даже примерно воссоздать 2 млн химических и биохимичесикх процессов, которые происходят в организме каждую минуту.

Разработчики лоббируют законы, чтобы проводить исследования в органах на чипе или на компьютерных моделях. Но мне не известен ни один инструмент, который мог бы сейчас с высокой долей вероятности предсказать поведение в организме животного.

4. Алгоритмы анализируют рентгеновские снимки — в том числе в российских больницах

В России применение ИИ в фарме, как и сама фарма, развиты недостаточно хорошо. Это во многом связано с тем, что стоимость создания лекарств — высокая, сроки — длинные. Такой бизнес предполагает риск, деньги должны быть дешевыми.

В России нет таких условий. У нас рынок — маленький, у нас не хватает больных людей, чтобы на них окупить создание лекарств.

ИИ используют не только для поиска и разработки новых лекарств. Второе важное направление на российском рынке связано с диагностикой — анализ медицинских изображений.

Сейчас в России есть, например, стартап AI Radiology, разработанный в Иннополисе. Это SaaS-сервис диагностики на основе ИИ, который позволяет врачам видеть проблемные места на рентгеновских снимках пациента.

Им пользуются десятки медицинских организаций по стране, всего проведено более 1 млн исследований.

Наш сервис неплохо справляется с частными задачами: находит уплотнения, тени. Но его слабое место, из-за которого мы получаем много критики врачей, — нет анализа мультимодальных данных. Такие данные — это карточка пациента, внешний вид, поведение и анализы.

Что еще нужно улучшать — взаимодействие ИИ и врача. Не очень понятно, как давать обратную связь по снимку: говорить прямо, подсказывать врачу. Есть проблема: менее опытные специалисты больше доверяют ИИ, а значит, выше вероятность ошибки.

5. Искусственный интеллект оцифровывает данные

Одно из направлений использования ИИ в российском здравоохранении — помощь в цифровизации данных. У нас до сих пор нет единой базы электронных медицинских записей. Петр говорил о том, что у Gero AI есть доступ к миллионам карточек — но ведь они не учитывают расовых особенностей людей, аспектов жизни в конкретной стране.

Зачем нам столько баз карточек пациентов? Это позволяет:

• раньше диагностировать болезни на основе анализа конкретных анамнезов,
• оценить технологии в здравоохранении,
• найти пациентов для клинических исследований.

ИИ в медицине: за какими стартапами следить

• Gero AI — биотех-стартап, оценивающий биологический возраст человека.
• Ligand Pro — платформа по ускорению создания лекарств, Сколково.
• Insilico Medicine — ИИ в разработке лекарств, стартап из Гонконга, основанный выходцами из России.
• AI Radiology — анализ рентгеновских снимков, Иннополис.
• Botkin.ai — платформа обработки и анализа медицинских изображений ИИ, Сколково.
• «Третье мнение» — несколько сервисов для медучреждений (анализ изображений, видеомониторинг и другие), Сколково, «Медси».
• Webiomed — платформа прогнозной аналитики.
• MeDiCase — экосистема дистанционной диагностики и мониторинга заболеваний.

Фото на обложке: пресс-служба Университета Иннополис

Фото: пресс-служба Университета Иннополис