ИИ в медицине: сделка на $1,1 млрд, роботизированные рецепты и прорывы в онкологии
От миллиардной сделки по РНК до автономного назначения лекарств от угрей — пять историй, меняющих здравоохранение на этой неделе.
By Dr. Asher Knippel
На этой неделе в области медицинских технологий искусственный интеллект вышел за рамки научных статей в операционные залы, аптеки и залы заседаний советов директоров с миллиардными сделками. Пять историй — каждая из них сигнал о направлении развития медицины — рисуют картину отрасли, ускоряющейся быстрее, чем регуляторы и биоэтики успевают за ней.
METiS TechBio и Eli Lilly заключают сделку на $1,1 млрд в области доставки лекарств с помощью ИИ
Главная новость недели пришла от METiS TechBio — шанхайского стартапа, использующего ИИ для проектирования липидных наночастиц — крошечных жировых оболочек, доставляющих РНК-препараты в определённые ткани организма. Eli Lilly подписала сделку стоимостью до $1,1 млрд для доступа к платформе METiS с целью разработки РНК-терапий нового поколения.
Проблема, которую решает METiS, носит упорный характер. РНК-препараты — включая мРНК-вакцины и препараты на основе РНК-интерференции — чрезвычайно перспективны, однако доставить их в нужную ткань без разрушения или провокации иммунного ответа крайне сложно. Традиционный дизайн наночастиц основывался на дорогостоящих, медленных лабораторных експериментах. METiS обучает модели машинного обучения на данных молекулярных структур, чтобы предсказывать, какие липидные составы нацелятся на конкретный орган, что радикально сокращает время и стоимость разработки.
Для Eli Lilly сделка — это ставка на то, что разработанные с помощью ИИ носители откроют совершенно новый класс РНК-препаратов для лечения метаболических заболеваний, онкологии и других патологий. Для отрасли в целом это сигнал готовности фармацевтических гигантов платить десятизначные суммы за инфраструктуру ИИ — не только за молекулы, открытые с помощью ИИ, но и за инструменты безопасной доставки этих молекул пациентам.
Юта стала первым штатом США, позволившим ИИ выписывать рецепты без врача
Этот шаг немедленно привлек общенациональное внимание — и резкую критику со стороны Американской медицинской ассоциации — когда Юта в этом месяце тихо внесла поправки в правила своей регуляторной «песочницы», разрешив системе ИИ Nolla Health выписывать рецепты на определённые препараты от угрей без какого-либо участия врача.
В рамках этой схемы пациент отвечает на цифровый опросник, ИИ анализирует ответы, и рецепт автоматически формируется и отправляется в аптеку. Ни один врач не рассматривает случай. Ни один клиницист не визирует документ.
Сторонники утверждают, что для простых дерматологических случаев — подросток с лёгкими прыщами, которому нужен местный ретиноид — обязательное врачебное заключение добавляет расходы и задержки, существенно не улучшая безопасность. Регуляторная «песочница» Юты создавалась именно для тестирования таких инноваций в контролируемых условиях; департамент здравоохранения штата отслеживает результаты и может отозвать разрешения при возникновении проблем.
Критики во главе с AMA возражают, что устранение врачебного контроля из петли выписки рецептов создаёт опасный прецедент. Препараты от угрей могут взаимодействовать с другими лекарствами; пациенты могут недосообщать о симптомах; системы ИИ могут упустить контекст, который заметил бы опытный клиницист. AMA призвала другие штаты не следовать примеру Юты до появления долгосрочных данных о результатах.
Дискуссия отражает подлинную напряжённость в здравоохранении с применением ИИ: выгоды в эффективности реальны, но реальны и риски устранения людей из процесса принятия ответственных решений. Юта фактически добровольно взялась провести эксперимент, за которым внимательно наблюдает вся остальная страна.
Противораковая вакцина EVX-01 от Evaxion, созданная с помощью ИИ, сохраняет эффект через три года
Датская компания Evaxion Biotech представила данные трёхлетнего наблюдения в рамках клинического испытания EVX-01 фазы 2 — персонализированной вакцины против меланомы, полностью разработанной платформой ИИ PIONEER. Результаты оказались впечатляющими: все пациенты, у которых наблюдался ответ на вакцину, сохранили его по истечении трёх лет, без выявленного прогрессирования опухоли — включая подгруппу, получавшую вакцину в качестве монотерапии без ингибиторов контрольных точек.
Персонализированные противораковые вакцины действуют, выявляя мутации, уникальные для опухоли конкретного пациента, и обучая иммунную систему атаковать именно эти маркеры. Трудность в том, что мутационный «отпечаток» опухоли у каждого пациента различен, что делает разработку научно сложной и длительной. Платформа ИИ Evaxion обрабатывает данные геномного секвенирования биопсии и предсказывает, какие неоантигены — мутантные белки на поверхности опухоли — с наибольшей вероятностью вызовут мощный иммунный ответ. Затем вакцина синтезируется и вводится за несколько недель, а не месяцев.
Трёхлетние данные о стойкости эффекта в онкологии имеют большое значение. Многие иммунотерапевтические препараты демонстрируют раннюю эффективность, но теряют её по мере эволюции опухолей и ускользания от иммунного ответа. Устойчивая ремиссия всей когорты фазы 2 в данной точке укрепляет аргументы в пользу перехода EVX-01 к более масштабным испытаниям. Evaxion сообщила о намерении продвигаться к фазе 3 и изучить применения в дополнительных типах опухолей.
Фотография вашего лица теперь может оценить риск выживаемости при раке
Исследователи из Mass General Brigham опубликовали на этой неделе в The Lancet Digital Health статью с описанием FAHR-Face — фундаментальной модели, обученной примерно на 40 млн фотографий и оценивающей биологический возраст человека и риск выживаемости по одному фотоснимку лица.
Идея о том, что лицо кодирует медицинскую информацию, не нова — врачи давно замечали, что пациенты, выглядящие старше своего хронологического возраста, как правило, имеют худшие исходы. FAHR-Face количественно выражает эту интуицию в широком масштабе. Модель прошла предварительное обучение на огромном массиве фотографий в сочетании с медицинскими записями, научившись выделять признаки — текстуру кожи, симметрию лица, тонкие асимметрии — коррелирующие с биологическим старением и бременем болезней. В онкологических популяциях оценки биологического возраста значительно точнее предсказывали пятилетнюю выживаемость, чем хронологический возраст сам по себе.
Клиническое применение — обеспечить онкологам дополнительную, неинвазивную точку данных при консультировании пациентов об интенсивности лечения. Пациент, которому хронологически 65 лет, но чьё лицо биологически оценивается на 75, может быть кандидатом на менее агрессивный режим; 70-летний с биологической оценкой 60 может перенести и выиграть от более интенсивного подхода.
Исследователи осторожно позиционируют FAHR-Face как инструмент поддержки принятия решений, а не диагностический. Они также признают, что модель обучалась преимущественно на данных определённых демографических групп и потребует валидации на более разнообразных популяциях перед широким клиническим применением.
Percival от Penn Medicine обнаруживает скрытые признаки заболеваний в обычных КТ-снимках
Последняя история недели пришла из Penn Medicine, чья модель ИИ — Percival — была обучена на сотнях тысяч компьютерных томограмм для выявления ранних признаков заболеваний, которые радиологи систематически пропускают, поскольку те выходят за рамки исходной клинической цели исследования.
Когда пациент проходит КТ грудной клетки для оценки лёгочного узла, радиолог сосредотачивается на лёгких. Percival, обученный анализировать изображение целиком, заметил закономерности в плотности костной ткани, сосудистых кальцификациях и составе тела, коррелирующие с будущими сердечно-сосудистыми событиями, остеопорозом и сахарным диабетом — состояниями, о наличии которых пациент может не знать и которые направивший врач не искал.
Модель была валидирована в исследовании, опубликованном на этой неделе: случайные находки Percival оказались предиктивными для клинических диагнозов, поставленных через месяцы и годы после исходного сканирования. В ряде случаев ранние предупреждения от Percival могли бы инициировать профилактические вмешательства, способные предотвратить госпитализации.
Penn Medicine представляет Percival как шаг к по-настоящему проактивному здравоохранению: системе, превращающей каждое рутинное визуализационное исследование в широкий скрининговый шанс. Проблема, как признают исследователи, заключается в управлении клиническими и психологическими последствиями случайных находок — не каждый пациент хочет знать о каждом потенциальном будущем риске, и не каждый сигнал требует вмешательства.
В совокупности истории этой недели описывают отрасль в точке перегиба. ИИ в медицине — уже не научная диковинка; он выписывает лекарства, разрабатывает вакцины, читает лица и сканирует тела в поисках скрытых сигналов. Вопрос теперь не в том, реструктурирует ли ИИ здравоохранение, а в том, насколько быстро учреждения, регуляторы и пациенты адаптируются к миру, где машина нередко оказывается первым — а порой единственным — клиницистом в цепи помощи.