בינה מלאכותית ברפואה: עסקת תרופות של 1.1 מיליארד דולר, מרשמים רובוטיים ופריצות דרך בסרטן
מעסקת RNA של מיליארד דולר ועד בינה מלאכותית המרשימה תרופות אקנה באופן עצמאי – חמש סיפורים המעצבים מחדש את הבריאות השבוע.
By Dr. Asher Knippel
שבוע זה בתחום טכנולוגיית הבריאות, הבינה המלאכותית עברה ממאמרי מחקר לחדרי ניתוח, בתי מרקחת ואולמות ישיבות של עסקות בשווי מיליארדי דולרים. חמישה סיפורים – כל אחד מהם אות לכיוון שבו הרפואה פונה – מציירים תמונה של תחום המאיץ מהר יותר ממה שרגולטורים ואתיקאים יכולים לעמוד בקצב.
METiS TechBio ואלי לילי חותמים על עסקת AI לאספקת תרופות בשווי 1.1 מיליארד דולר
הכותרת הגדולה ביותר של השבוע הגיעה מ-METiS TechBio, סטארטאפ שנגחאי שמשתמש בבינה מלאכותית לתכנון חלקיקי ליפיד ננו – קליפות שומן זעירות הנושאות תרופות RNA לרקמות ספציפיות בגוף. אלי לילי חתמה על עסקה ששוויה עד 1.1 מיליארד דולר לגישה לפלטפורמת METiS לפיתוח טיפולי RNA מהדור הבא.
הבעיה המרכזית שMETiS פותרת היא עיקשת. תרופות RNA – כולל חיסוני mRNA ותרופות RNA interference – מבטיחות ביותר, אך הובלתן לרקמה הנכונה מבלי להתפרק או לעורר תגובה חיסונית היא קשה ביותר. עיצוב חלקיקים ננו מסורתי הסתמך על עבודת מעבדה יקרה, איטית, של ניסוי וטעייה. METiS מאמנת מודלים של למידת מכונה על נתוני מבנה מולקולרי כדי לנבא אילו תרכובות ליפיד יתמקדו באיבר ספציפי, וחותכת בצורה דרמטית את זמן הפיתוח ועלותו.
עבור אלי לילי, העסקה היא הימור שכלי אספקה מעוצבי בינה מלאכותית יפתחו סוג חדש לחלוטין של תרופות RNA למחלות מטבוליות, סרטן ועוד. עבור התעשייה הרחבה, הדבר מסמל שענקיות הפרמה מוכנות כעת לשלם סכומים בעלי ספרות עשר עבור תשתיות AI – לא רק מולקולות שהתגלו בסיוע AI, אלא גם הכלים להביא אותן לחולים בבטחה.
יוטה הופכת למדינה הראשונה בארה"ב שמאפשרת ל-AI לרשום מרשמים ללא רופא
בצעד שמשך תשומת לב לאומית מיידית – ובקריטיקה חריפה מהאיגוד הרפואי האמריקאי – יוטה תיקנה בשקט את כללי ה-sandbox הרגולטורי שלה החודש כדי לאפשר למערכת ה-AI של Nolla Health להוציא מרשמים לתרופות אקנה מסוימות ללא כל מעורבות של רופא.
בהסדר זה, מטופל עונה על שאלון דיגיטלי, ה-AI סוקר את התשובות, ומרשם נוצר ונשלח לבית מרקחת אוטומטית. שום רופא לא סוקר את המקרה. שום קלינאי לא מאשר.
תומכי ההסדר טוענים שבמקרי עור פשוטים – נער עם אקנה קל המחפש רטינואיד מקומי – החיכוך של סקירת רופא חובה מוסיף עלות ועיכוב מבלי לשפר את הבטיחות באופן משמעותי. ה-sandbox הרגולטורי של יוטה נועד בדיוק לבדוק חידושים כאלה בצורה מבוקרת, כאשר מחלקת הבריאות של המדינה יכולה לנטר תוצאות ולבטל הרשאות אם יעלו בעיות.
מבקרים, בראשות AMA, טוענים כי הסרת פיקוח הרופא ממעגל הרישום מהווה תקדים מסוכן. תרופות אקנה יכולות לקיים אינטראקציה עם תרופות אחרות; מטופלים עשויים לדווח חסר על תסמינים; מערכות AI עלולות להחמיץ הקשר שקלינאי מיומן היה תופס. AMA קראה למדינות אחרות שלא ילכו בעקבות יוטה עד שיהיו זמינים נתוני תוצאות לטווח ארוך.
הדיון משקף מתח אמיתי בבריאות בסיוע AI: הרווחים ביעילות אמיתיים, אך גם הסיכונים של הסרת בני אדם מהחלטות בסיכון גבוה. יוטה התנדבה למעשה לנהל את הניסוי שאותו שאר המדינות יצפו בדריכות.
חיסון הסרטן שתוכנן ב-AI של Evaxion שומר על יציבות בשלוש שנים
Evaxion Biotech, בסיסה בדנמרק, דיווחה על נתוני מעקב של שלוש שנים מניסויה בשלב 2 של EVX-01, חיסון מלנומה מותאם אישית שתוכנן לחלוטין על ידי פלטפורמת ה-PIONEER AI שלה. התוצאות היו מרשימות: כל המטופלים שהגיבו לחיסון שמרו על תגובות אלו בשלב של שלוש שנים, ללא התקדמות גידול שזוהתה – כולל בקבוצה שקיבלה את החיסון כטיפול עצמאי ללא מעכבי ציר בקרה.
חיסוני סרטן מותאמים אישית פועלים על ידי זיהוי מוטציות ייחודיות לגידול של מטופל ואימון מערכת החיסון לתקוף אותם סמנים ספציפיים. האתגר הוא שכל טביעת האצבע המוטציונלית של גידול מטופל שונה, מה שהופך את העיצוב למורכב מדעית ולגוזל זמן. פלטפורמת ה-AI של Evaxion מעבדת נתוני רצף גנומי מביופסיה של מטופל ומנבאת אילו ניאואנטיגנים – חלבונים מוטציוניים על פני הגידול – נוטים ביותר לעורר תגובה חיסונית חזקה. החיסון מסונתז לאחר מכן ומוגש תוך שבועות ולא חודשים.
נתוני עמידות של שלוש שנים באונקולוגיה הם משמעותיים. טיפולים אימונולוגיים רבים מראים הבטחה מוקדמת אך דועכים כאשר גידולים מתפתחים ומתחמקים מהתגובה החיסונית. הפוגה מתמשכת על פני כל הקבוצה של שלב 2 בנקודת זמן זו מחזקת את הנימוקים להעברת EVX-01 לניסויים גדולים יותר. Evaxion ציינה שהיא מתכוונת להתקדם לכיוון שלב 3 ולחקור יישומים בסוגי גידולים נוספים.
תמונה של פניך יכולה כעת להעריך את סיכון ההישרדות שלך מסרטן
חוקרים ב-Mass General Brigham פרסמו מחקר השבוע ב-The Lancet Digital Health שמציג את FAHR-Face, מודל בסיס שאומן על כ-40 מיליון צילומים, שמעריך את גיל הביולוגי של אדם ואת סיכון ההישרדות שלו מתמונת פנים אחת.
הרעיון שהפנים מקודדות מידע בריאותי אינו חדש – רופאים ציינו מזמן שמטופלים שנראים מבוגרים מגילם הכרונולוגי נוטים לתוצאות גרועות יותר. מה ש-FAHR-Face עושה הוא לכמת את האינטואיציה הזו בקנה מידה. המודל עבר אימון מקדים על מסד נתונים עצום של תמונות בצמוד לרשומות רפואיות, תוך למידה לחלץ מאפיינים – מרקם עור, סימטריה פנים, אסימטריות עדינות – המתאמים עם הזדקנות ביולוגית ועומס מחלות. באוכלוסיות סרטן, הערכות הגיל הביולוגי של המודל היו מנבאות משמעותית יותר לגבי הישרדות של חמש שנים מאשר הגיל הכרונולוגי בלבד.
היישום הקליני הוא לתת לאונקולוגים נקודת נתונים נוספת, לא פולשנית, בייעוץ למטופלים על עצימות הטיפול. מטופל שהוא 65 כרונולוגית אך פניו מוערכים ביולוגית כ-75 עשוי להיות מועמד למשטר פחות אגרסיבי; בן 70 שמוערך ב-60 עשוי לסבול ולהפיק תועלת מגישה אינטנסיבית יותר.
החוקרים זהירים לתאר את FAHR-Face ככלי תמיכה בהחלטות, לא כאבחנה. הם גם מודים שהמודל אומן בעיקר על נתונים מקבוצות דמוגרפיות מסוימות ויצטרך אימות באוכלוסיות מגוונות יותר לפני פריסה קלינית רחבה.
Percival של Penn Medicine מוצא אותות מחלה החבויים בסריקות CT רגילות
הסיפור האחרון של השבוע מגיע מ-Penn Medicine, שמודל ה-AI שלה – הקרוי Percival – אומן על מאות אלפי סריקות CT כדי לאתר אותות מחלה מוקדמים שרדיולוגים מחמיצים באופן שגרתי משום שהם נופלים מחוץ למטרה הקלינית המקורית של הסריקה.
כאשר מטופל עובר CT חזה להערכת גוש ריאה, הרדיולוג מתמקד בריאות. Percival, שאומן להסתכל על כל התמונה, שם לב לדפוסים בצפיפות עצמות, הסתיידות כלי דם והרכב גוף המתאמים עם אירועים קרדיווסקולריים עתידיים, אוסטאופורוזיס וסכרת – מצבים שהמטופל אולי לא יודע שיש לו ושהרופא המזמין לא חיפש.
המודל אומת במחקר שפורסם השבוע, ומראה שממצאי Percival האקראיים היו מנבאים לאבחנות קליניות שנעשו חודשים עד שנים לאחר הסריקה המקורית. במקרים מספר, אזהרות מוקדמות מ-Percival יכלו להפעיל התערבויות מניעתיות שאולי היו מונעות אשפוזים.
Penn Medicine מציגה את Percival כצעד לקראת בריאות פרואקטיבית אמיתית: מערכת שהופכת כל בדיקת הדמיה שגרתית להזדמנות סקירה רחבה. האתגר, כפי שהחוקרים מודים, הוא ניהול ההשלכות הקליניות והפסיכולוגיות של ממצאים אקראיים – לא כל מטופל רוצה לדעת על כל סיכון עתידי פוטנציאלי, ולא כל אות מצדיק התערבות.
בסך הכל, הסיפורים של השבוע מתארים תעשייה בנקודת מפנה. AI אינה עוד סקרנות מחקרית ברפואה; היא רושמת תרופות, מעצבת חיסונים, קוראת פנים וסורקת גופים לאיתור אותות נסתרים. השאלה כעת אינה אם AI תשנה את הבריאות, אלא עד כמה מהר מוסדות, רגולטורים ומטופלים יסתגלו לעולם שבו המכונה היא לרוב הקלינאי הראשון – ולפעמים היחיד – בשרשרת.