Η ΤΝ Διεξάγει Εικονικές Κλινικές Δοκιμές, Διαγνώνει 14 Παθήσεις Ταυτόχρονα και Προβλέπει Επιδημίες με Δορυφόρους

Εικονικές Κλινικές Δοκιμές: BioinvestGPT και QuantHealth Ανοίγουν Νέο Κεφάλαιο

Για δεκαετίες, οι κλινικές δοκιμές φαρμάκων απαιτούσαν χρόνια, δισεκατομμύρια δολάρια και χιλιάδες εθελοντές. Δύο νεοφυείς εταιρείες — BioinvestGPT και QuantHealth — επιχειρούν να αλλάξουν αυτή την εξίσωση με τη βοήθεια εικονικών δοκιμών που βασίζονται σε τεχνητή νοημοσύνη.

Η BioinvestGPT έχει αναπτύξει μηχανισμό δημιουργίας «συνθετικών ομάδων ελέγχου»: μοντέλα εικονικών ασθενών κατασκευασμένα από ηλεκτρονικά ιατρικά αρχεία, τα οποία μπορούν να αντικαταστήσουν μέρος των ανθρώπινων συμμετεχόντων. Η QuantHealth προσφέρει πλατφόρμα προσομοίωσης κλινικών αποτελεσμάτων, επιτρέποντας στις φαρμακευτικές εταιρείες να μειώσουν τον αριθμό των απαιτούμενων ατόμων και τη διάρκεια της δοκιμής.

Η τάση αυτή λαμβάνει σταδιακή ρυθμιστική υποστήριξη: ο FDA έχει εκδώσει οδηγίες που αναγνωρίζουν τον ρόλο των συνθετικών δεδομένων στην ανάπτυξη φαρμάκων, αν και η πολιτική εξακολουθεί να εξελίσσεται. Η βελτιστοποίηση των κλινικών δοκιμών μπορεί να μειώσει τον χρόνο κυκλοφορίας νέου φαρμάκου κατά αρκετά χρόνια.

Η Κοινοπραξία «Virtual Biology Initiative» Άντλησε 1,8 Δισ. Δολάρια

Μια ομάδα ερευνητικών ιδρυμάτων, κυβερνήσεων και ιδιωτών επενδυτών ανακοίνωσε τη δημιουργία της Virtual Biology Initiative — μιας κοινοπραξίας με στόχο την κατασκευή τεράστιων βιολογικών βάσεων δεδομένων που θα τροφοδοτούν μοντέλα ΤΝ για ανάπτυξη φαρμάκων και έρευνα ασθενειών.

Η κοινοπραξία ανακοίνωσε αρχική δέσμευση 1,8 δισεκατομμυρίων δολαρίων, με εταίρους από εταιρείες βιοτεχνολογίας, ακαδημαϊκά νοσοκομεία και κυβερνητικά ταμεία των ΗΠΑ, της Βρετανίας και της Γερμανίας. Η κεντρική ιδέα: η δημιουργία ενός «βιολογικού διαδικτύου» όπου ανωνυμοποιημένα δεδομένα υγείας εκατομμυρίων ασθενών θα είναι προσβάσιμα για έρευνα υπό τη συγκατάθεση και τον σεβασμό της ιδιωτικότητας.

Οι ειδικοί σημειώνουν ότι η μεγαλύτερη πρόκληση δεν είναι η χρηματοδότηση αλλά η διακυβέρνηση: πώς να διαχειριστούμε κοινόχρηστα δεδομένα μεταξύ χωρών, ιδρυμάτων και συστημάτων που μερικές φορές ανταγωνίζονται. Η κοινοπραξία ανακοίνωσε ότι θα συστήσει ανεξάρτητη επιτροπή διακυβέρνησης μέσα στο έτος.

Έντονη Εβδομάδα στον FDA: Πολλαπλές Εγκρίσεις Ραδιολογίας

Ο FDA χορήγησε αυτή την εβδομάδα μια σειρά εγκρίσεων 510(k) για εργαλεία ΤΝ στον τομέα της ραδιολογίας. Μεταξύ των εγκεκριμένων: συστήματα για έγκαιρη ανίχνευση πνευμονικής εμβολής, αυτόματη σάρωση ευρημάτων σε ακτινογραφίες θώρακα και ταχεία ανάλυση MRI εγκεφάλου.

Αυτές οι εγκρίσεις συνεχίζουν μια τάση που ξεκίνησε από το 2018: ο FDA έχει εγκρίνει έως σήμερα πάνω από 950 εργαλεία ΤΝ στην ιατρική, με τη συντριπτική πλειοψηφία να εστιάζει στην απεικόνιση. Ο ρυθμός εγκρίσεων αυξήθηκε απότομα το 2024–2025, με μέσο όρο περίπου 15–20 εργαλεία το μήνα. Η ανησυχία που εκφράζεται είναι ότι η διαδρομή 510(k) δεν απαιτεί πλήρεις κλινικές δοκιμές, επιτρέποντας ενδεχομένως σε ανεπαρκώς αποδεδειγμένα εργαλεία να εισέλθουν στην αγορά.

Η Aidoc Διαγνώνει 14 Παθήσεις σε Μία Αξονική Τομογραφία Κοιλίας

Η ισραηλινή εταιρεία Aidoc, που ειδικεύεται στην ΤΝ για ραδιολογία, ανακοίνωσε ένα νέο σύστημα που επιτρέπει τη σάρωση μιας αξονικής τομογραφίας κοιλίας και τον ταυτόχρονο εντοπισμό 14 διαφορετικών παθήσεων, από ανευρύσματα και όγκους μέχρι καρκίνο παγκρέατος σε πρώιμο στάδιο.

Αυτή η πολυπαθολογική προσέγγιση διαφέρει από τη συνηθισμένη μέθοδο, όπου κάθε εργαλείο ΤΝ επικεντρωνόταν σε μία μόνο νόσο. Σύμφωνα με την Aidoc, ο συνδυασμός επιτρέπει στον ακτινολόγο να λαμβάνει μια ολοκληρωμένη εικόνα χωρίς να εναλλάσσει συστήματα και να ιεραρχεί ευρήματα ανά σοβαρότητα.

Παράλληλα, η Aidoc ανακοίνωσε τη δημιουργία ενός Diagnostic AI Consortium — κοινοπραξία που συγκεντρώνει μεγάλα νοσοκομεία από τις ΗΠΑ και την Ευρώπη για τη συνεχή επικύρωση και βελτίωση των εργαλείων σε ποικίλους πληθυσμούς.

Η Google Προβλέπει Επιδημίες από Δορυφόρους με 18%+ Μεγαλύτερη Ακρίβεια

Μια ερευνητική ομάδα της Google δημοσίευσε νέα εργασία που δείχνει πώς μπορεί να συνδυαστούν δορυφορικά δεδομένα — θερμοκρασία, υγρασία, πυκνότητα πληθυσμού από νυχτερινές φωτεινότητες και δείκτες βλάστησης — για την πρόβλεψη επιδημιών ασθενειών όπως ελονοσία, δάγκειος πυρετός και χολέρα.

Το μοντέλο PDFM (Pandemic Disease Forecasting Model) επέτυχε βελτίωση περίπου 18% στην ακρίβεια πρόβλεψης σε σχέση με προηγούμενες μεθόδους. Τα πειράματα διεξήχθησαν σε ιστορικά δεδομένα επιδημιών σε 40 χώρες, κυρίως στη Νοτιοανατολική Ασία και στην Αφρική νότια της Σαχάρας.

Το πλεονέκτημα αυτής της προσέγγισης είναι ότι δεν εξαρτάται από την τοπική αναφορά, η οποία μπορεί να είναι αργή, ελλιπής ή μεροληπτική. Από την άλλη, υπάρχουν ανησυχίες σχετικά με την ιδιωτικότητα δεδομένων και την αυτονομία χωρών που μελετήθηκαν χωρίς πλήρη συνεργασία. Η Google ανακοίνωσε ότι το έργο θα αναπτυχθεί σε συνεργασία με τον Παγκόσμιο Οργανισμό Υγείας.