Od szczepionek do wirtualnych prób: Największy tydzień AI w ochronie zdrowia
Sześć przełomów z jednego tygodnia: szczepionki zaprojektowane przez AI, zatwierdzenia skanów onkologicznych, ukryte ryzyko sercowe w danych snu i 170 milionów dolarów w inwestycjach w leki AI.
By Dr. Asher Knippel
Jeden tydzień, sześć historii, jeden jednoznaczny sygnał: sztuczna inteligencja nie jest już drugoplanowym graczem w medycynie — projektuje leki, odczytuje skany i symuluje próby kliniczne.
Pierwsze na świecie badanie kliniczne szczepionki zaprojektowanej przez SI
Badacze z Cambridge ogłosili pierwsze badanie na ludziach szczepionki, której antygen został zaprojektowany w całości przez sztuczną inteligencję. Preparat celuje w szerokie spektrum koronawirusów — nie tylko znane nam szczepy, ale też spokrewnione wirusy, które mogłyby wywołać kolejną pandemię. Trenując na strukturalnych wzorcach białek spike koronawirusów, SI stworzyła syntetyczny antygen, którego żaden ludzki zespół nie był w stanie opracować. Jeśli to zadziała, konsekwencje wykraczają daleko poza COVID: zostanie ustanowiony powtarzalny schemat szybkiego generowania szczepionek odpornych na pandemie, zanim wybuchnie epidemia.
To zmiana filozoficzna nie mniej niż techniczna. Do tej pory SI była wykorzystywana do przyspieszania opracowywania szczepionek — pomagając badaczom szybciej przesiewać kandydatów. Tutaj SI jest wynalazcą.
FDA zatwierdza SI odczytującą ultrasonografy piersi i piszącą raporty
Spółka zależna RadNet, DeepHealth, uzyskała zatwierdzenie FDA 510(k) dla systemu SI, który odczytuje ultrasonografy piersi od początku do końca i automatycznie generuje raport radiologa. W walidacji klinicznej narzędzie zwiększyło czułość wykrywania raka piersi o 8 punktów procentowych i skróciło czasy odczytu radiologów o 37%. DeepHealth planuje wdrożyć je w ponad 400 centrach diagnostyki obrazowej.
Wzrost wykrywalności ma największe znaczenie. Ultrasonografia piersi jest często zlecana kobietom z gęstą tkanką, gdzie mammografia jest mniej niezawodna — dokładnie tej grupie, gdzie błędy niosą najwyższy koszt. Poprawa czułości o 8% w tej grupie to nie marginalny zysk; to dodatkowe nowotwory wykryte na wcześniejszym, łatwiejszym do leczenia etapie. Skrócenie czasu odczytu jest korzyścią wtórną, która sprawia, że ekonomika działa dla przeciążonych oddziałów radiologii.
Rutynowe badania snu ukrywają ryzyko sercowe i demencji — SI może je dostrzec
Badanie opublikowane w Nature Communications przez Cleveland Clinic i UW Medicine wykazało, że model SI wytrenowany na standardowych danych polisomnograficznych — całonocnych badaniach snu rutynowo zlecanych pacjentom z podejrzeniem bezdechu — potrafi identyfikować podtypy pacjentów, u których pięcioletnie ryzyko śmiertelności jest dwukrotnie wyższe niż u osób z niskim ryzykiem.
Kluczowe odkrycie: sygnał ryzyka jest niewidoczny dla wskaźnika bezdech-hipopnea, konwencjonalnego miernika używanego przez klinicystów do oceny zaburzeń oddychania podczas snu. SI wykrywa wzorce w zmienności rytmu serca, dynamice desaturacji tlenu i innych sygnałach osadzonych w danych, które dziś odczytywane są jedynie pod kątem nasilenia bezdechu. Laboratoria snu nie zamawiają nowych badań; już generują te dane. Otwarte pytanie brzmi, czy systemy opieki zdrowotnej zaczną uruchamiać ten model równolegle ze standardowymi odczytami, aby wskazywać pacjentów wymagających wcześniejszego skierowania do kardiologa i neurologa.
Pathos AI stawia 125 milionów dolarów na dwóch kandydatów na leki onkologiczne
Pathos AI, startup onkologiczny zbudowany wokół platformy opracowywania leków opartej na agentach SI, zobowiązał się do wypłaty 125 milionów dolarów z góry w ramach dwóch umów licencyjnych. Pierwsza nabywa JSKN016 — bispecyficzny koniugat przeciwciało-lek TROP2/HER3 — od Alphamab, celując w kombinację receptorów, która wykazała obiecujące wyniki w trudnych do leczenia guzach litych. Druga to współpraca z AstraZeneca nad degraderem PROTAC wymierzonym w raka piersi z dodatnim receptorem estrogenowym, który rozwinął oporność na standardową terapię hormonalną.
Teza Pathos głosi, że jej agenci SI mogą skrócić czas od licencjonowanego kandydata do gotowości do badania klinicznego — zarządzając pakietem danych przedklinicznych, strategią regulacyjną i projektem badania szybciej niż konwencjonalny zespół biotechnologiczny. Zobowiązanie z góry w wysokości 125 milionów dolarów sygnalizuje, że inwestorzy wierzą, iż teza jest wystarczająco wiarygodna, by ją poprzeć na dużą skalę.
QuantHealth zebrał 45 milionów dolarów, by przeprowadzać próby zanim pacjenci zostaną włączeni
Izraelski startup QuantHealth zamknął serię B na 45 milionów dolarów, doprowadzając łączne pozyskane środki do 70 milionów dolarów, aby rozszerzyć swoją platformę wirtualnych prób klinicznych. Technologia buduje wygenerowane przez SI populacje pacjentów na podstawie danych ze świata rzeczywistego — elektronicznych dokumentacji medycznych, danych ubezpieczeniowych i genomiki — i symuluje, jak ci syntetyczni pacjenci zareagowaliby na eksperymentalny lek. Firma podaje dokładność do 90% w porównaniu z rzeczywistymi wynikami prób.
Docelowym problemem jest niesławny 90-procentowy wskaźnik niepowodzeń leków w przemyśle farmaceutycznym, z którego większość jest kosztownie odkrywana w późnych fazach II i III. Jeśli wirtualna próba może sygnalizować prawdopodobne niepowodzenie — lub identyfikować reagującą podgrupę pacjentów — zanim sponsor wyda setki milionów na badanie z udziałem ludzi, wartość jest znaczna. QuantHealth prowadzi rozmowy z kilkoma dużymi firmami farmaceutycznymi w celu integracji swojej platformy w decyzje wczesnego rozwoju.
DiffuDose personalizuje radioterapię raka prostaty w 23 sekundy
Badacze z UMass Amherst opracowali DiffuDose — model SI oparty na dyfuzji, który generuje spersonalizowane mapy dawek promieniowania dla pacjentów z rakiem prostaty poddawanych terapii radiofarmaceutycznej — w mniej niż 23 sekundy. Obecne leczenie zatwierdzone przez FDA stosuje standardowe dawkowanie — praktyczny kompromis podyktowany tym, że obliczenia dozymetrii specyficznej dla pacjenta zajmują wiele godzin i wymagają wyspecjalizowanych fizyków medycznych, których większość ośrodków nie jest w stanie zapewnić w wystarczającej liczbie.
DiffuDose generuje dozymetrię złotego standardu niemal natychmiastowo. Zespół zwalidował go w porównaniu z obliczeniami ręcznymi wykonanymi przez fizyków-ekspertów i stwierdził zgodność wystarczającą do zastosowania klinicznego. Jeśli zostanie szeroko przyjęty, pozwoliłby każdemu pacjentowi otrzymującemu terapię radiofarmaceutyczną otrzymać dawkę dostosowaną do jego anatomii i rozkładu choroby, a nie średnią populacyjną — potencjalnie poprawiając kontrolę guza przy jednoczesnym zmniejszeniu ekspozycji na promieniowanie zdrowych tkanek.
Wzorzec we wszystkich sześciu historiach jest ten sam: SI znajduje sygnał w danych, które już istnieją, SI skraca harmonogramy, które wcześniej były mierzone w latach, a kapitał idzie za oboma zakładami. Rurociąg od badań do kliniki jest przebudowywany wokół szybkości maszyn. To, czy konsekwentnie poprawia wyniki pacjentów — jedyne pytanie, które ostatecznie ma znaczenie — potrwa lata danych obserwacyjnych, by odpowiedzieć. Ale regulacyjne zatwierdzenia i rundy inwestycyjne nie czekają na ten werdykt.