מחיסונים לניסויים וירטואליים: השבוע הבריאותי הגדול ביותר של הבינה המלאכותית

שבוע אחד, שש סיפורים, אות אחד בלתי ניתן לטעות: הבינה המלאכותית כבר אינה שחקן משנה ברפואה — היא מעצבת את התרופות, קוראת את הסריקות ומדמה את הניסויים.

הניסוי האנושי הראשון בעולם של חיסון מעוצב בינה מלאכותית

חוקרים מקיימברידג' הכריזו על הניסוי הראשון בבני אדם של חיסון שהאנטיגן שלו עוצב לחלוטין על ידי בינה מלאכותית. החיסון מכוון למגוון רחב של נגיפי קורונה — לא רק הזנים שאנו כבר מכירים, אלא גם בני משפחה שעלולים לזרוע מגיפה עתידית. על ידי אימון על דפוסי המבנה של חלבוני ה-spike של נגיפי קורונה, הבינה המלאכותית יצרה אנטיגן סינתטי שאף צוות אנושי לא הגה. אם יצליח, ההשלכות חורגות הרבה מעבר לקורונה: זה יבסס מתכון חוזר לייצור מהיר של חיסונים עמידי-מגיפה לפני שפרוץ מגיפה בכלל.

זהו שינוי פילוסופי לא פחות מאשר טכני. עד כה, הבינה המלאכותית שימשה להאצת פיתוח חיסונים — עזרה לחוקרים לסנן מועמדים מהר יותר. כאן, הבינה המלאכותית היא הממציאה.

ה-FDA מאשר מערכת בינה מלאכותית שקוראת אולטרסאונד שד וכותבת את הדוח

חברת בת של RadNet, DeepHealth, קיבלה אישור FDA 510(k) למערכת בינה מלאכותית שקוראת אולטרסאונד שד מקצה לקצה ומייצרת אוטומטית את דוח הרדיולוג. באימות קליני, הכלי שיפר את רגישות זיהוי סרטן השד ב-8 נקודות אחוז וקיצר את זמני הקריאה של הרדיולוגים ב-37%. DeepHealth מתכננת לפרוס אותו ביותר מ-400 מרכזי הדמיה.

רווח הזיהוי הוא הקריטי ביותר. אולטרסאונד שד מוזמן לעתים קרובות עבור נשים עם רקמה צפופה, שבהן הממוגרפיה פחות אמינה — בדיוק האוכלוסייה שבה הכשלים נושאים את העלות הגבוהה ביותר. שיפור רגישות של 8% באותה קבוצה אינו רווח שולי; מדובר בסרטנים נוספים שנתגלים בשלב מוקדם ונוח יותר לטיפול. קיצור זמן הקריאה הוא יתרון משני שמכלכל את הכלכלה של מחלקות רדיולוגיה עמוסות.

מחקרי שינה סטנדרטיים מסתירים סיכונים ללב ולדמנציה — בינה מלאכותית יכולה לראות אותם

מחקר שפורסם ב-Nature Communications על ידי Cleveland Clinic ו-UW Medicine מצא שמודל בינה מלאכותית שאומן על נתוני פוליסומנוגרפיה סטנדרטיים — מחקרי שינה ממושכים שמוזמנים שגרתית לחולים עם חשד לדום נשימה — יכול לזהות תתי-קבוצות של חולים שסיכון התמותה שלהם לחמש שנים הוא כפול מעמיתיהם בסיכון נמוך.

הממצא הקריטי: אות הסיכון בלתי נראה למדד דום נשימה-היפופניאה, המדד הקונבנציונלי שרופאים משתמשים בו לדרג הפרעות נשימה בשינה. הבינה המלאכותית קולטת דפוסים בשונות קצב הלב, דינמיקת ירידת רמות החמצן ואותות נוספים המוטמעים בנתונים שהיום נקראים לצורך חומרת דום נשימה בלבד. מעבדות שינה אינן מזמינות בדיקות חדשות; הן כבר מייצרות נתונים אלה. השאלה הפתוחה היא האם מערכות בריאות יתחילו להריץ מודל זה לצד קריאות סטנדרטיות כדי לסמן חולים לתשומת לב מוקדמת יותר של קרדיולוגיה ונוירולוגיה.

Pathos AI מהמרת 125 מיליון דולר על שני מועמדי תרופות לסרטן

Pathos AI, סטארטאפ אונקולוגי הבנוי סביב פלטפורמת פיתוח תרופות מבוסס סוכני בינה מלאכותית, התחייבה ל-125 מיליון דולר מראש בשני עסקות רישיון. הראשונה רוכשת את JSKN016 — נוגדן-תרופה ביספציפי TROP2/HER3 — מ-Alphamab, המכוון לשילוב קולטנים שהראה הבטחה בגידולים מוצקים קשים לטיפול. השנייה היא שיתוף פעולה עם AstraZeneca על מפרק PROTAC המכוון לסרטן שד חיובי לרצפטור אסטרוגן שפיתח עמידות לטיפול הורמונלי סטנדרטי.

התיזה של Pathos היא שסוכני הבינה המלאכותית שלה יכולים לדחוס את הזמן ממועמד מורשה לשלב מוכנות לניסוי קליני — ניהול חבילת הנתונים הטרום-קלינית, אסטרטגיית הרגולציה ועיצוב הניסוי מהר יותר מצוות ביוטכנולוגיה מסורתי. התחייבות מראש של 125 מיליון דולר מאותתת שהמשקיעים מאמינים שהתזה אמינה מספיק לתמוך בה בקנה מידה גדול.

QuantHealth גייסה 45 מיליון דולר להרצת ניסויים לפני שמטופלים נרשמים

הסטארטאפ הישראלי QuantHealth סגר סבב B של 45 מיליון דולר, המביא את סך גיוסו ל-70 מיליון דולר, להרחבת פלטפורמת הניסויים הקליניים הוירטואליים שלו. הטכנולוגיה בונה אוכלוסיות חולים מיוצרות בינה מלאכותית מנתוני עולם אמיתי — תיקים רפואיים אלקטרוניים, תביעות וגנומיקה — ומדמה כיצד חולים סינתטיים אלה יגיבו לתרופה ניסיונית. החברה מדווחת על שיעורי דיוק של עד 90% לעומת תוצאות ניסוי בפועל.

בעיית היעד היא שיעור הכישלון הידוע לשמצה של 90% בתעשיית הפרמצבטיקה, שרבה ממנה מתגלה באופן יקר בשלב מאוחר בשלב II ו-III. אם ניסוי וירטואלי יכול לסמן כישלון סביר — או לזהות את קבוצת חולים המגיבים — לפני שנותן חסות מוציא מאות מיליונים על מחקר אנושי, הערך הוא משמעותי. QuantHealth נמצאת בדיונים עם מספר חברות פרמה גדולות לשלב את הפלטפורמה שלה בהחלטות פיתוח מוקדמות.

DiffuDose מתאים קרינה לסרטן הערמונית תוך 23 שניות

חוקרים ב-UMass Amherst פיתחו את DiffuDose, מודל בינה מלאכותית מבוסס דיפוזיה שמייצר מפות מינון קרינה מותאמות אישית לחולי סרטן ערמונית העוברים טיפול בתרופות רדיואקטיביות — תוך פחות מ-23 שניות. הטיפול המאושר על ידי ה-FDA הנוכחי משתמש במינון סטנדרטי, פשרה פרקטית שנעשתה בגלל שחישובי דוזימטריה ספציפיים לחולה לוקחים שעות ודורשים פיזיקאים רפואיים מומחים שרוב המרכזים אינם יכולים לאייש בנפח.

DiffuDose מייצר דוזימטריה ברמה גבוהה כמעט מיידית. הצוות אימת אותו מול חישובים ידניים שבוצעו על ידי פיזיקאים מומחים ומצא הסכמה הדוקה מספיק לשימוש קליני. אם ייאומץ באופן נרחב, הוא יאפשר לכל חולה המקבל טיפול בתרופות רדיואקטיביות לקבל מינון המותאם לאנטומיה שלו ולהתפלגות המחלה שלו, ולא ממוצע אוכלוסייה — מה שעלול לשפר את שליטת הגידול תוך הפחתת חשיפת הקרינה לרקמות בריאות.

---

הדפוס בכל שש הסיפורים זהה: בינה מלאכותית מוצאת אות בנתונים שכבר קיימים, בינה מלאכותית מדחסת ציר זמן שנמדד בעבר בשנים, והון עוקב אחרי שני ההימורים. קו הצינור מחקר-לקליניקה נבנה מחדש סביב מהירות מכונה. האם זה משפר באופן עקבי את תוצאות המטופלים — השאלה היחידה שחשובה בסופו של דבר — ייקח שנים של נתוני מעקב כדי להשיב עליה. אבל האישורים הרגולטוריים וסבבי ההשקעות אינם מחכים לפסיקה הזו.