Odkrywanie leków przez AI, monitorowanie nadciśnienia i wyścig o regulację autonomicznej klinicznej AI

Tygodniowy przegląd zdrowotny obejmuje pełne spektrum zastosowania sztucznej inteligencji w medycynie — od leku, którego zarówno cel terapeutyczny, jak i strukturę molekularną zidentyfikowała AI, który osiągnął swój pierwszy kliniczny kamień milowy, po rządy pośpiesznie tworzące przepisy regulujące maszyny podejmujące autonomiczne decyzje kliniczne.

Stany Zjednoczone uruchamiają Operację TrialBlazer, by odzyskać przywództwo w badaniach klinicznych

Stany Zjednoczone podejmują ambitną kampanię, by powrócić na czoło globalnych badań klinicznych. HHS i FDA ogłosiły Operację TrialBlazer — kompleksową inicjatywę mającą na celu skrócenie harmonogramów wczesnych faz badań klinicznych o sześć do dwunastu miesięcy. Pilność tego zadania trudno przecenić: udział Chin w globalnych startach badań klinicznych wzrósł z zaledwie 1% w 2009 roku do 32% w 2025 roku, podczas gdy amerykańska złożoność biurokratyczna coraz bardziej skłania badaczy i sponsorów do przenoszenia działalności za granicę.

W ramach planu FDA proponuje przyspieszone ścieżki dla pierwszych badań pilotażowych na ludziach, z szybszą oceną innowacyjnych projektów badań. NIH rozszerzy zastosowanie sztucznej inteligencji i danych ze świata rzeczywistego, aby skrócić czas od odkrycia do rekrutacji pacjentów. Wytyczne dotyczące terapii komórkowych i genowych — od dawna borykających się z regulacyjną niejednoznacznością — są również upraszczane, skupiając się na najszybciej rosnącym segmencie współczesnej medycyny.

Inicjatywa sygnalizuje uznanie, że USA nie może utrzymać dominacji biomedycznej wyłącznie dzięki talentom naukowym. Szybkość regulacyjna jest teraz zmienną konkurencyjną i wygląda na to, że decydenci zaczynają traktować ją dokładnie w ten sposób.

Zaprojektowany przez AI rentosertib odnosi pierwszy kliniczny sukces w zwłóknieniu płuc

Idiopatyczne zwłóknienie płuc to jedna z najbardziej okrutnych diagnoz medycznych: postępujące bliznowacenie płuc bez niezawodnego leczenia i medianą przeżywalności od trzech do pięciu lat. Teraz lek zaprojektowany w całości przez sztuczną inteligencję wykazał pierwszy znaczący sygnał kliniczny przeciwko tej chorobie.

Rentosertib, opracowany przez Insilico Medicine przy użyciu platformy Pharma.AI, osiągnął statystycznie istotny wynik w badaniu fazy 2a obejmującym 71 pacjentów w 22 ośrodkach przez 12 tygodni. Pacjenci w grupie wysokiej dawki zyskali 98,4 ml wymuszonej pojemności życiowej — kluczowy wskaźnik czynności płuc — w porównaniu ze spadkiem o 20,3 ml w grupie placebo. Ta różnica wynosząca około 120 ml stanowi klinicznie istotną różnicę w chorobie, w której pojemność płuc zazwyczaj tylko maleje.

Przełomowa jest sama procedura: AI zidentyfikowała zarówno cel terapeutyczny, jak i strukturę molekularną leku, a ludzcy badacze weryfikowali, a nie tworzyli kluczowe decyzje naukowe. Jeżeli rentosertib będzie nadal wykazywał skuteczność w większych badaniach, będzie to pierwszy w pełni stworzony przez AI lek, który wykazał skuteczność w randomizowanym badaniu klinicznym.

Penn Medicine bada białka prionów i odkrywa 59 kandydatów na środki przeciwdrobnoustrojowe

Antybiotykooporność jest jednym z kluczowych kryzysów zdrowia publicznego nadchodzących dziesięcioleci, a tradycyjny proces odkrywania nowych antybiotyków stał się niebezpiecznie wąski. Zespół z Penn Medicine mógł znaleźć nowe źródło.

Badacze z laboratorium de la Fuente wykorzystali platformę głębokiego uczenia APEX 1.1 do przeskanowania 19 milionów fragmentów białek pochodzących z 2897 białek prionowych i prionopodobnych — cząsteczek znanych przede wszystkim z roli w chorobach takich jak choroba Creutzfeldta-Jakoba. Pomysł był niekonwencjonalny: białka prionowe posiadają właściwości fizyczne umożliwiające im zakłócanie błon — mechanizm, który może być również śmiertelny dla bakterii.

Z tego przeszukiwania AI zidentyfikowała 1179 kandydatów na peptydy przeciwdrobnoustrojowe. Weryfikacja eksperymentalna zawęziła je do 59, które wykazały rzeczywistą aktywność przeciwko patogenom bakteryjnym, przy czym 42 z nich skuteczne są w niskich stężeniach, gdzie działania niepożądane są łatwiejsze do opanowania.

Znaczenie jest równie metodologiczne, co praktyczne. Tradycyjne odkrywanie antybiotyków czerpie z wąskiego zasobu znanych sekwencji genomowych. Badając białka prionopodobne — klasę w dużej mierze pomijaną przy odkrywaniu leków — badacze wykazali, że AI może otwierać wcześniej ignorowane obszary biologii dla poszukiwań terapeutycznych.

Oxford HyperScore wykrywa uszkodzenia narządów spowodowane nadciśnieniem, zanim nastąpi zawał

Wysokie ciśnienie krwi jest wiodącym czynnikiem ryzyka sercowo-naczyniowego na świecie, jednak większość pacjentów jest leczona reaktywnie — po tym, jak ich wartości wzrosną, a nie zanim ich narządy wykażą uszkodzenia. Badacze z Oxfordu opublikowali w Circulation narzędzie, które może zmienić tę kalkulację.

HyperScore to system AI wytrenowany na dużych zbiorach danych pacjentów do wykrywania sześciu odrębnych wzorców uszkodzeń narządów docelowych związanych z nadciśnieniem — dotyczących serca, nerek, siatkówki, mózgu i naczyń krwionośnych — zanim dojdzie do udaru lub zawału serca. Wczesne identyfikowanie tych ukrytych śladów uszkodzeń umożliwiłoby lekarzom intensyfikację leczenia, zmianę klasy leków lub skierowanie do specjalisty na długo przed katastrofalnym zdarzeniem.

Zastosowanie kliniczne jest znaczące. Zarządzanie ciśnieniem krwi opiera się obecnie w dużej mierze na jednej liczbie, ale HyperScore sugeruje, że biologiczne konsekwencje nadciśnienia są heterogenne i wykrywalne na długo przed oczywistymi punktami końcowymi. Dla populacji z wysokim obciążeniem chorobami sercowo-naczyniowymi i ograniczonym dostępem do specjalistycznej opieki warstwa selekcji AI, która oznacza pacjentów wysokiego ryzyka, może ukierunkować uwagę kliniczną tam, gdzie jest ona najbardziej potrzebna.

Wielka Brytania proponuje system licencjonowania medycznego dla autonomicznej klinicznej AI

Krajowa Komisja Wielkiej Brytanii ds. Regulacji AI w Ochronie Zdrowia opublikowała to, co może być pierwszym krajowym planem regulacyjnym dla autonomicznej klinicznej AI. Komisja zaleca, aby zaawansowane agentowe systemy AI zdolne do samodzielnego podejmowania decyzji klinicznych były licencjonowane w sposób analogiczny do ludzkich specjalistów medycznych.

W proponowanym systemie kliniczna AI musiałaby wykazać kompetencje w określonym zestawie zadań, zanim zostałaby upoważniona do pracy w klinicznych kontekstach o stopniowo wyższym ryzyku — odzwierciedlając stopniową odpowiedzialność regulującą lekarzy stażystów i młodszych lekarzy. Systemy byłyby oceniane z upływem czasu, a ich dopuszczalny zakres rozszerzałby się wraz z gromadzeniem historii bezpiecznej pracy.

To odejście od obecnego myślenia regulacyjnego w większości jurysdykcji, gdzie AI jest zazwyczaj zatwierdzana jako urządzenie lub produkt oprogramowania wyłącznie na podstawie testów przed wdrożeniem. Brytyjska propozycja traktowałaby natomiast bieżące wyniki jako warunek licencjonowania — podejście bezpośrednio rozwiązujące znany problem systemów AI, które dobrze działają w badaniach, ale zachowują się nieprzewidywalnie w rzeczywistym wdrożeniu.

Czy zalecenia zostaną przyjęte jako prawo, pozostaje do sprawdzenia. Jako dokument polityczny wyznacza jednak ramy debaty, którą każdy system opieki zdrowotnej będzie musiał przeprowadzić.

Pięćdziesiąt milionów dolarów na chatboty kardiologiczne AI wywołuje debatę kliniczną

Departament Zdrowia i Opieki Społecznej USA ogłosił nagrody badawcze przekraczające 50 milionów dolarów na konwersacyjne oprogramowanie AI zaprojektowane do selekcji objawów sercowo-naczyniowych. Inicjatywa celuje w rzeczywisty problem: obszary wiejskie i niedostatecznie obsługiwane społeczności borykają się z ostrym niedoborem kardiologów i lekarzy podstawowej opieki zdrowotnej, przez co pacjenci czekają, opóźniają wizytę lub sami stawiają sobie diagnozę, gdy pojawiają się objawy.

Argument za selekcją AI jest prosty. Zawsze dostępny, tani system, który może gromadzić dane o objawach, stratyfikować pacjentów według ryzyka i kierować ich do odpowiedniej opieki, mógłby znacząco skrócić okno między pojawieniem się objawów a oceną kliniczną — okno, które często decyduje o wynikach w nagłych przypadkach kardiologicznych.

Krytycy w środowisku medycznym podnoszą równie oczywiste obawy. Objawy kardiologiczne są powszechnie znane ze swojej zmienności, a atypowe prezentacje — szczególnie powszechne u kobiet i pacjentów z cukrzycą — od dziesięcioleci stawiają doświadczonych klinicystów w trudnej sytuacji. Czy model językowy może niezawodnie zasygnalizować zawał mięśnia sercowego objawiający się zmęczeniem i bólem szczęki, lub odpowiednio zdeeskalować pacjenta z lękiem imitującym dusznicę bolesną, pozostaje otwartym pytaniem, na które istniejące dowody nie odpowiedziały.

Pięćdziesiąt milionów dolarów przeznaczone jest na badania, a nie na natychmiastowe wdrożenie, co zachowuje możliwość rygorystycznej oceny zanim te narzędzia dotrą do pacjentów na dużą skalę. To, jak ta ocena zostanie zaprojektowana, będzie miało ogromne znaczenie.

Niniejsza treść ma charakter dziennikarski i nie stanowi porady medycznej. Przed jakąkolwiek zmianą w leczeniu należy skonsultować się z wykwalifikowanym pracownikiem służby zdrowia.