Cyfrowe bliźniaki – jak sztuczna inteligencja pomoże w leczeniu pacjentów

Dzięki postępom sztucznej inteligencji możliwe będzie spersonalizowanie leczenia pacjentów – powiedział prof. dr hab. Andrzej Szałas z Wydziału Matematyki Informatyki i Mechaniki Uniwersytetu Warszawskiego. Cyfrowe bliźniaki mogą pomóc w opracowaniu lekarstw na nieuleczalne choroby.

Cyfrowe bliźniaki

.Cyfrowe bliźniaki to – jak wyjaśnił prof. Szałas – „wyjątkowo skomplikowane modele symulacyjne, które mają na celu odzwierciedlić konkretną rzeczywistość”.

„Przykładem cyfrowego bliźniaka dla połączeń drogowych mogą być mapy Google. Wyniki, jakie otrzymamy, zależą jednak od pytania, które postawimy. Jeśli interesuje nas czas podróży z punktu A do punktu B, taki model jest satysfakcjonujący. Jeśli jednak chcemy obliczyć np. wytrzymałość asfaltu lub zużycie opon, nie będzie on wystarczający” – wytłumaczył profesor.

Sztuczna inteligencja i medycyna

.W dziedzinie medycyny – wyjaśnił – cyfrowe bliźniaki umożliwiają tworzenie replik ciała wraz z wirtualnymi modelami różnych organów: serca, wątroby czy płuc. Pozwalają one monitorować reakcję pacjentów na konkretne leczenie.

„Analizując historię pacjenta i różne parametry, można ocenić, jak dany pacjent może zareagować na terapię i czy warto ją zastosować, czy może konieczne jest inne podejście” – powiedział ekspert.

Zaznaczył, że dzięki badaniom genetycznym można przewidzieć pewne rodzaje nowotworów, na które człowiek może być bardziej podatny, uwzględniając jego indywidualny zestaw genów.

„Istnieją modele oparte na tych informacjach, ale nie obejmują one pełnego spektrum możliwych chorób” – zaznaczył prof. Szałas. Dodał przy tym, że obecne rozwiązania mają pewne ograniczenia i nie można sprawdzić reakcji organizmu na każdy możliwy lek.

„Proces diagnozowania opiera się na szczegółowych badaniach, ale nie zawsze można być pewnym, że dana terapia będzie skuteczna w stu procentach. Są choroby, o których wiadomo, że określony lek w ich leczeniu ma np. tylko 38 proc. skuteczności. Stosuje się go, a jeśli nie przynosi rezultatów, próbuje się innych opcji. Niestety, w rezultacie stan pacjenta może się pogorszyć” – zauważył specjalista. Dodał, że gdybyśmy mogli od razu zastosować właściwą terapię, byłaby ona znacznie bardziej skuteczna, a w tym mogą pomóc cyfrowe bliźniaki.

Modele symulacyjne

.Podkreślił, że mimo postępu medycyny ogromne wyzwanie dla naukowców stanowią nieuleczalne choroby. Opracowując nowe lekarstwo, najlepszym podejściem byłoby zaprojektowanie terapii w sposób pozwalający obserwować reakcję dużej grupy pacjentów na działanie danej substancji.

„Przeprowadzenie takich eksperymentów na ludziach byłoby niebezpieczne i nieetyczne. Jednak przy użyciu modeli symulacyjnych, które byłyby w stanie odpowiadać na pytania dotyczące reakcji całego organizmu, moglibyśmy szybko odrzucić wiele pomysłów i znaleźć właściwe rozwiązanie” – podkreślił profesor.

„Możemy się spodziewać, że dzięki postępom sztucznej inteligencji, zwłaszcza dotyczących głębokich sieci neuronowych, będzie możliwe analizowanie ogromnej ilości danych związanych z leczeniem pacjentów. Obecnie ten proces jest znacznie bardziej czasochłonny, ale z odpowiednimi zaawansowanymi modelami symulacyjnymi moglibyśmy przyspieszyć rozwój i selekcję najlepszych terapii” – powiedział prof. Szałas, ale – jak zaznaczył – na razie nie jesteśmy jeszcze na tym etapie.

Podstawowym problemem w Polsce, zdaniem profesora, jest ograniczony dostęp do danych pacjentów, ponieważ są to dane wrażliwe i trudno je w pełni zanonimizować.

„Nawet jeśli usuniemy imię, nazwisko i adres, istnieje ryzyko, że na podstawie rodzaju terapii można zidentyfikować poszczególne osoby” – zauważył profesor. „Dopóki nie powstaną ogólnodostępne zbiory, dla wielu firm, postęp w tej dziedzinie będzie moim zdaniem ograniczony i nie osiągniemy szybkiego postępu w tworzeniu zaawansowanych modeli dotyczących całego człowieka” – powiedział prof. Szałas.

Nowe technologie w ochronie zdrowia

.Redaktor naczelny „Wszystko Co Najważniejsze” i profesor zwyczajny w Polskiej Akademii Nauk, Michał KLEIBER, na łamach „Wszystko co Najważniejsze” twierdzi, że: „Wykorzystywanie sztucznej inteligencji (SI). SI w ochronie zdrowia oznacza wykorzystywanie zaawansowanego oprogramowania naśladującego poznawcze zdolności człowieka do analizy danych medycznych i sugerowanie na tej podstawie diagnozy i ewentualnych działań leczniczych. Innymi słowy, SI jest zdolnością komputerowych algorytmów do formułowania przydatnych dla lekarzy opinii w złożonych problemach medycznych. Zastosowania SI różnią się istotnie od tradycyjnych metod medycyny możliwością pozyskiwania wielkiej liczby informacji, ich przetwarzania i podejmowania na tej podstawie działań. Fundamentalną cechą stosowanych algorytmów jest ich zdolność do uczenia się na drodze rozpoznawania cech charakteryzujących przetwarzane dane i tworzenia na tej podstawie opinii na temat analizowanego problemu”.

„Ważnym efektem stosowania SI w ochronie zdrowia jest możliwość dostarczania analiz opisujących relacje między diagnozą i zastosowaną terapią a najbardziej prawdopodobnym rezultatem leczenia. Dysponujemy dzisiaj terabajtami danych pochodzących z badań klinicznych, szeroko rozumianej praktyki medycznej, firm ubezpieczeniowych oraz aptek, dotyczących wszelkich dręczących ludzi dolegliwości. Naukowcy i praktykujący lekarze korzystają oczywiście od zawsze z takich informacji, ale możliwości ich pełnej analizy przez najlepiej nawet przygotowanych badaczy są ze względu na ilość danych, ich złożoność i brak wypracowanej struktury z natury rzeczy bardzo ograniczone. W sukurs przychodzi właśnie sztuczna inteligencja” – pisze prof. Michał KLEIBER w tekście „Nowe technologie w ochronie zdrowia„.