SI w walce z chorobami

Przełom w badaniach farmaceutycznych. Dzięki zaawansowanym algorytmom sztucznej inteligencji (SI) można dziś analizować ogromne ilości danych szybciej i dokładniej niż kiedykolwiek wcześniej. Umożliwia to wcześniejsze diagnozowanie chorób, opracowywanie skuteczniejszych terapii oraz skuteczniejszy rozwój opracowania nowych leków. W Niemczech firmy farmaceutyczne, instytuty badawcze i kliniki intensywnie inwestują w rozwiązania oparte na sztucznej inteligencji, aby poprawić jakość opieki zdrowotnej. Poniższe przykłady pokazują, jak sztuczna inteligencja zmienia oblicze współczesnej medycyny, wprowadzając przełomowe rozwiązania w diagnostyce, terapii i opiece nad pacjentem.

Lepiej zrozumieć raka

Głównym celem wielu zastosowań SI jest rozpoznawanie wzorców w złożonych danych – na przykład w przypadku rozprzestrzeniania się raka. Projekt DECIPHER-M, finansowany przez niemieckie Ministerstwo Badań, łączy dane z analiz tkanek, technik obrazowania i informacji genetycznych, by przewidywać ryzyko wystąpienia przerzutów u pacjentów z chorobami nowotworowymi.

„Pomimo postępów przerzuty pozostają jednym z największych wyzwań” – mówi Jakob Kather z Centrum Cyfryzacji Zdrowia Else Kröner Fresenius (EKFZ) w Dreźnie. Celem projektu jest opracowanie indywidualnych terapii, zanim choroba rozprzestrzeni się w organizmie danego pacjenta.

Badania przesiewowe w kierunku raka piersi a ochrona danych

Dane medyczne ze względów bezpieczeństwa i ochrony prywatności często nie mogą być przechowywane w jednym miejscu, tymczasem skuteczne wykorzystanie sztucznej inteligencji wymaga dostępu do dużych, zróżnicowanych zbiorów informacji. Dlatego projekt EKFZ ODELIA zamiast centralnego przechowywania informacji medycznych, wykorzystuje metodę uczenia rozproszonego „swarm learning”, gdzie dane pozostają w miejscu ich powstania, a algorytmy SI uczą się wspólnie. Taka technologia umożliwia ocenę wyników rezonansu magnetycznego piersi bez naruszania prywatności pacjentek. W międzynarodowym badaniu model SI oparty na tej metodzie nauki okazał się bardziej skuteczny niż lokalne systemy SI

Szybsza diagnoza dzięki chmurze

Także przemysł angażuje się w rozwój narzędzi diagnostycznych opartych na SI. Przykładowo firma Bayer stworzyła platformę radiologiczną, która integruje aplikacje sztucznej inteligencji z codzienną praktyką lekarską. Systemy te potrafią automatycznie wykrywać nieprawidłowości na zdjęciach rentgenowskich czy zdjęciach tomografii rezonansu magnetycznego – na przykład w przypadku udaru mózgu czy zapalenia płuc.

„Chcemy odciążyć lekarzy, aby mogli skupić się na swoich pacjentach” – podkreśla firma. Platforma jest już wykorzystywana w kilku krajach europejskich.

Szybsze opracowywanie leków

Proces opracowania nowych leków i wprowadzenia ich na rynek często trwa ponad 10 lat. Firma Merck z Darmstadt, dzięki swojej platformie SI, chce skrócić czas wprowadzania leków na rynek do mniej niż czterech lat. Jej technologia szybciej identyfikuje potencjalne substancje czynne i optymalizuje planowanie procesów chemicznych. „SI ogromnie zwiększa produktywność. Może pomóc nam szybciej udostępniać pacjentom nowe i skuteczniejsze leki” – mówi Walid Mehanna, dyrektor ds. danych i sztucznej inteligencji w firmie Merck. Korzyści płynące z zastosowania sztucznej inteligencji w medycynie są znaczące – obejmują zarówno kwestie medyczne, jak i aspekty ekonomiczne.

Technologia przyszłości – kwantowa SI

Jeszcze bardziej przyszłościowe podejście prezentuje Instytut im. Fraunhofera ds. Systemów Kognitywnych (IKS) w Monachium. We współpracy z Kliniką Uniwersytetu im. Ludwika Maksymiliana prowadzi on badania nad hybrydowymi systemami łączącymi komputery kwantowe i sztuczną inteligencję. Dzięki temu możliwe jest stawianie wiarygodnych diagnoz nawet przy ograniczonej ilości danych, co ma szczególne znaczenie w przypadku rzadkich chorób. Sieci kwantowe, tzw. Quantum Bayesian Neural Networks, nie tylko dostarczają wyniki, ale również uwzględniają niepewność diagnozy, co jest istotnym aspektem w praktyce klinicznej. Naukowcy widzą szczególny potencjał tej technologii we wczesnym wykrywaniu i kontroli nowotworów mózgu.