Sztuczna inteligencja ułatwi leczenie nieuleczalne choroby. Kluczem cyfrowe bliźniaki

Cyfrowe bliźniaki to – jak wyjaśnił prof. Szałas – "wyjątkowo skomplikowane modele symulacyjne, które mają na celu odzwierciedlić konkretną rzeczywistość".

"Przykładem cyfrowego bliźniaka dla połączeń drogowych mogą być mapy Google. Wyniki, jakie otrzymamy, zależą jednak od pytania, które postawimy. Jeśli interesuje nas czas podróży z punktu A do punktu B, taki model jest satysfakcjonujący. Jeśli jednak chcemy obliczyć np. wytrzymałość asfaltu lub zużycie opon, nie będzie on wystarczający" – wytłumaczył profesor. W dziedzinie medycyny - wyjaśnił - cyfrowe bliźniaki umożliwiają tworzenie replik ciała wraz z wirtualnymi modelami różnych organów: serca, wątroby czy płuc. Pozwalają one monitorować reakcję pacjentów na konkretne leczenie.

"Analizując historię pacjenta i różne parametry, można ocenić, jak dany pacjent może zareagować na terapię i czy warto ją zastosować, czy może konieczne jest inne podejście" – powiedział ekspert. Zaznaczył, że dzięki badaniom genetycznym można przewidzieć pewne rodzaje nowotworów, na które człowiek może być bardziej podatny, uwzględniając jego indywidualny zestaw genów.

Dalsza część artykułu pod materiałem wideo

"Istnieją modele oparte na tych informacjach, ale nie obejmują one pełnego spektrum możliwych chorób" – zaznaczył prof. Szałas. Dodał przy tym, że obecne rozwiązania mają pewne ograniczenia i nie można sprawdzić reakcji organizmu na każdy możliwy lek.

"Proces diagnozowania opiera się na szczegółowych badaniach, ale nie zawsze można być pewnym, że dana terapia będzie skuteczna w stu procentach. Są choroby, o których wiadomo, że określony lek w ich leczeniu ma np. tylko 38 proc. skuteczności. Stosuje się go, a jeśli nie przynosi rezultatów, próbuje się innych opcji. Niestety, w rezultacie stan pacjenta może się pogorszyć" – zauważył specjalista. Dodał, że gdybyśmy mogli od razu zastosować właściwą terapię, byłaby ona znacznie bardziej skuteczna, a w tym mogą pomóc cyfrowe bliźniaki.

Podkreślił, że mimo postępu medycyny ogromne wyzwanie dla naukowców stanowią nieuleczalne choroby. Opracowując nowe lekarstwo, najlepszym podejściem byłoby zaprojektowanie terapii w sposób pozwalający obserwować reakcję dużej grupy pacjentów na działanie danej substancji.

"Przeprowadzenie takich eksperymentów na ludziach byłoby niebezpieczne i nieetyczne. Jednak przy użyciu modeli symulacyjnych, które byłyby w stanie odpowiadać na pytania dotyczące reakcji całego organizmu, moglibyśmy szybko odrzucić wiele pomysłów i znaleźć właściwe rozwiązanie" – podkreślił profesor.

"Możemy się spodziewać, że dzięki postępom sztucznej inteligencji, zwłaszcza dotyczących głębokich sieci neuronowych, będzie możliwe analizowanie ogromnej ilości danych związanych z leczeniem pacjentów. Obecnie ten proces jest znacznie bardziej czasochłonny, ale z odpowiednimi zaawansowanymi modelami symulacyjnymi moglibyśmy przyspieszyć rozwój i selekcję najlepszych terapii" – powiedział prof. Szałas, ale – jak zaznaczył – na razie nie jesteśmy jeszcze na tym etapie.

Podstawowym problemem w Polsce, zdaniem profesora, jest ograniczony dostęp do danych pacjentów, ponieważ są to dane wrażliwe i trudno je w pełni zanonimizować.

"Nawet jeśli usuniemy imię, nazwisko i adres, istnieje ryzyko, że na podstawie rodzaju terapii można zidentyfikować poszczególne osoby" – zauważył profesor. "Dopóki nie powstaną ogólnodostępne zbiory, dla wielu firm, postęp w tej dziedzinie będzie moim zdaniem ograniczony i nie osiągniemy szybkiego postępu w tworzeniu zaawansowanych modeli dotyczących całego człowieka" – powiedział prof. Szałas.