AI projektuje szczepionkę, odkrywa lek i zarządza rachunkiem: AI w zdrowiu w tym tygodniu
Historyczne badanie szczepionki zaprojektowanej przez AI, pierwszy lek odkryty w pełni przez AI w fazie III oraz 110 mln dolarów dla AI w Medicare — ten tydzień w ochronie zdrowia.
By Dr. Asher Knippel
Sztuczna inteligencja nie tylko wspomaga już medycynę — coraz częściej projektuje cząsteczki, kształtuje badania kliniczne i finansuje infrastrukturę. Ten tydzień przyniósł historyczne pierwsze badanie na ludziach szczepionki zaprojektowanej przez AI, przełomowe rozpoczęcie fazy III dla leku odkrytego w pełni przez AI oraz zakład na 110 mln dolarów w zarządzanie ryzykiem Medicare opartym na AI.
Pierwsza na świecie szczepionka zaprojektowana przez AI ukończyła wczesne badanie na ludziach z szeroką ochroną przed koronawirusami
Badacze z Uniwersytetu Cambridge przekroczyli kluczowy próg: pierwsza szczepionka zaprojektowana w całości przez sztuczną inteligencję została przetestowana na ludziach — a wyniki są zachęcające. Szczepionka DNA zaprojektowana przez AI została opracowana w celu stymulowania szerokiej odporności nie tylko przeciwko wariantom COVID-19, ale przeciwko całej rodzinie sarbekovirusów, w tym pierwotnemu patogenowi SARS.
W badaniu I fazy szczepionka okazała się bezpieczna i dobrze tolerowana. Uczestnicy wytworzyli odpowiedzi immunologiczne obejmujące wiele szczepów koronawirusa — zakres, który konwencjonalne projektowanie szczepionek miało trudności z osiągnięciem. Znaczenie leży nie tylko w wyniku, ale w metodzie: system AI komputerowo odwzorował krajobraz białek wirusowych, zidentyfikował zachowane cele immunogenne, które naukowcy mogli depriorytetyzować, i wygenerował kandydata bez długotrwałego iteracyjnego procesu laboratoryjnego wymaganego przy tradycyjnym opracowywaniu.
Jeśli podejście sprawdzi się w kolejnych badaniach, może skrócić harmonogram reagowania na pojawiające się warianty koronawirusa — i potencjalnie zostać dostosowane do innych rodzin wirusów.
Rentosertib firmy Insilico Medicine wchodzi w fazę III — pierwszy taki przypadek dla leków odkrytych w pełni przez AI
Insilico Medicine uruchomiła badanie kliniczne III fazy dla rentosertibem, czyniąc go pierwszym lekiem odkrytym w całości przez platformę AI, który dotarł do końcowego etapu badań na ludziach. Lek celuje w idiopatyczne zwłóknienie płuc (IPF) — postępującą i często śmiertelną chorobę płuc z ograniczonymi opcjami leczenia.
Rentosertib jest inhibitorem TNIK — kinazy zaangażowanej w sygnalizację fibrotyczną — zidentyfikowanym i zoptymalizowanym przy użyciu platformy Pharma.AI firmy Insilico bez żadnej hipotezy kierowanej przez człowieka jako punktu wyjścia. Badanie III fazy obejmie 320 pacjentów z IPF w Chinach przez 52 tygodnie, mierząc zarówno skuteczność, jak i bezpieczeństwo w stosunku do istniejących standardów.
Ten kamień milowy ma znaczenie wykraczające poza IPF. Potwierdza, że kompleksowy potok odkrywania leków przez AI jest zdolny do produkcji kandydatów gotowych do III fazy, odpowiadając na długotrwały sceptycyzm dotyczący tego, czy cząsteczki generowane przez AI mogą przetrwać pełny gauntlet badań klinicznych. Insilico opisała rentosertib jako potencjalnie pierwszy w swojej klasie — co oznacza, że byłby pierwszym zatwierdzonym lekiem działającym na ten konkretny cel.
EmulatRx Weill Cornell wykorzystuje dane rzeczywistych pacjentów, aby przyspieszyć i potanić badania kliniczne
Jedną z największych nieefektywności w medycynie jest samo badanie kliniczne: wolne w projektowaniu, kosztowne w prowadzeniu i podatne na niepowodzenia po części dlatego, że badania są konstruowane na ograniczonych danych przed badaniem. System EmulatRx Weill Cornell Medicine, opublikowany w Nature Communications, podchodzi do sprawy inaczej.
EmulatRx stosuje kooperatywne rozumowanie AI do zanonimizowanych danych elektronicznej dokumentacji medycznej rzeczywistych pacjentów, aby symulować i testować projekty badań przed włączeniem choćby jednego uczestnika. System może modelować stany od niewydolności serca po chorobę Alzheimera, pomagając badaczom z wyprzedzeniem przewidywać wąskie gardła rekrutacji, efekty podgrup i czułość punktów końcowych przed zobowiązaniem się do pełnego protokołu badania.
Obietnica to zarówno szybkość, jak i redukcja kosztów: wykrywając wady projektowe komputerowo, zespoły spędzają mniej czasu i pieniędzy na badaniach, które kończą się niepowodzeniem z możliwych do uniknięcia powodów. W miarę jak organy regulacyjne coraz częściej przyjmują dowody z realnego świata w przeglądach leków, narzędzia takie jak EmulatRx mogą stać się standardową infrastrukturą w procesie projektowania badań.
Evogene i Uniwersytet w Tel Awiwie łączą generatywną chemię AI z biologią eksperymentalną
Izraelska firma biotechnologiczna Evogene ogłosiła partnerstwo badawcze z Centrum Odkrywania Leków Blavatnik Uniwersytetu w Tel Awiwie, łącząc silnik generatywnej chemii ChemPass AI Evogene z eksperymentalnymi możliwościami biologicznymi centrum.
ChemPass generuje komputerowo nowych kandydatów małocząsteczkowych, celując w mechanizmy chorób, które były trudne do zaadresowania przy użyciu konwencjonalnej chemii. Współpraca ma na celu przezwyciężenie przepaści między przewidywaniem komputerowym a walidacją laboratoryjną — trwałym wyzwaniem w odkrywaniu leków opartym na AI, gdzie cząsteczki wyglądające obiecująco in silico często zawodzą, gdy są syntetyzowane i testowane.
Partnerstwo skupi się na niezbadanych celach chorób: obszarach, gdzie dynamika rynku lub złożoność biologiczna ograniczyły tradycyjne inwestycje farmaceutyczne. Łącząc generatywną AI z praktyczną nauką eksperymentalną od samego początku, Evogene i TAU dążą do wyłonienia kandydatów, którzy są nie tylko strukturalnie nowatorskie, ale i wiarygodne eksperymentalnie we wczesnym etapie potoku.
Pearl Health zbiera 110 mln dolarów na skalowanie AI zarządzającego 3,6 mld dolarów w wydatkach Medicare
Pearl Health zebrała 110 milionów dolarów w rundzie finansowania prowadzonej przez Andreessen Horowitz, aby rozszerzyć swoją platformę AI do zarządzania ryzykiem Medicare. Firma nadzoruje obecnie 3,6 miliarda dolarów w rocznych wydatkach Medicare, współpracując z dostawcami podstawowej opieki zdrowotnej w celu zarządzania populacjami pacjentów w ramach ustaleń opieki opartej na wartości.
Platforma wykorzystuje AI do identyfikowania pacjentów ze zwiększonym ryzykiem kosztownych interwencji — hospitalizacji, wizyt na izbie przyjęć, eskalacji choroby — i dostarcza te spostrzeżenia zespołom opiekuńczym wystarczająco wcześnie, aby podjąć działania. Model biznesowy dostosowuje bodźce finansowe do wyników zdrowotnych: gdy AI Pearl pomaga dostawcom utrzymać pacjentów w zdrowiu, obie strony dzielą się uzyskanymi oszczędnościami.
Pearl prognozuje 500 milionów dolarów brutto oszczędności w opiece zdrowotnej do końca 2026 roku. Zebrane środki sfinansują dalszą ekspansję sieci dostawców i ciągły rozwój modeli predykcyjnych. Runda sygnalizuje, że inwestorzy postrzegają zarządzanie ryzykiem Medicare oparte na AI nie jako niszową grę, lecz jako szansę na skalę infrastrukturalną.
System ultrasonograficzny Philips Alturion uzyskuje clearance FDA i CE dla obrazowania wspomaganego AI
Philips otrzymał zarówno clearance FDA 510(k), jak i oznakowanie CE dla swojego systemu ultrasonograficznego Alturion, który integruje pakiet automatyzacji przepływu pracy Elevate Plus AI. Podwójne zatwierdzenia regulacyjne otwierają wdrożenie w placówkach klinicznych w Stanach Zjednoczonych i Europie.
Elevate Plus AI obsługuje zadania wymagające obecnie znacznego nakładu ręcznego: automatyzuje pomiary, naprowadza pozycjonowanie głowicy i poprawia spójność akwizycji obrazów między operatorami. W klinicznych środowiskach o dużym wolumenie — oddziałach radiologii, izbach przyjęć — te automatyzacje skracają czas badania i ograniczają zmienność poziomu umiejętności, która może prowadzić do niespójnych wyników między sonografistami.
Clearance Alturion odzwierciedla szerszy wzorzec w AI urządzeń medycznych: regulatorzy stają się coraz bardziej komfortowi z dobrze ukierunkowanym AI, który wspomaga, a nie zastępuje osąd kliniczny. Philips celuje w obrazowanie jamy brzusznej jako pierwszą aplikację, gdzie standaryzowane protokoły pomiarów czynią automatyzację szczególnie wykonalną.