Ваш уласны «лічбавы двайнік»? Найноўшая тэхналогія, якая зменіць тэставанне на наркотыкі (лічбавы двайнік)

Ці задумваліся вы калі-небудзь, колькі часу спатрэбілася, каб таблетка, якую вы прынялі сёння раніцай, дабралася да вас? Спачатку яны праводзяць шырокія даследаванні ў лабараторыях. Затым яны тэстуюць яе на жывёлах. Але перш чым яе можна будзе ўхваліць для выкарыстання на людзях, яе трэба праверыць на людзях. Гэта тое, што мы называем клінічным выпрабаваннем. Гэта вельмі складаны і дарагі працэс.

Проста кажучы, што такое клінічнае выпрабаванне?

Простымі словамі, клінічнае выпрабаванне працуе наступным чынам: даследчыкі набіраюць пацыентаў з захворваннем, на якое накіраваны нядаўна распрацаваны прэпарат. Затым гэтых добраахвотнікаў выпадковым чынам падзяляюць на дзве групы.

1. Першай групе даюць новы прэпарат для тэставання.

2. Другая група , «кантрольная група», атрымлівае плацебо без актыўнага інгрэдыента, якое выглядае дакладна як прэпарат. Мы называем гэта «плацебо».

Калі пасля гэтага выпрабавання сімптомы ў тых, хто прымаў новы прэпарат, палепшацца больш, чым у тых, хто прымаў плацебо, то гэта даказвае яго эфектыўнасць.

Адной з найбольшых праблем у такім даследаванні з'яўляецца пошук дастатковай колькасці пацыентаў, якія ідэальна падыходзяць для яго. Часам нават лекары не ведаюць, якія даследаванні падыходзяць менавіта іх пацыентам. Акрамя таго, характарыстыкі пацыентаў, якія жадаюць удзельнічаць, могуць не адпавядаць патрабаванням даследавання. Аднак штучны інтэлект (ШІ) можа значна спрасціць гэтую задачу.

Пазнаёмцеся са сваім «лічбавым двайніком»

Уявіце, што ў вас ёсць уласная камп'ютарная мадэль, гэта значыць лічбавая копія вас саміх. Гэта тое, што называецца «лічбавым двайніком». Гэта проста «камп'ютарныя мадэлі», якія імітуюць рэальны аб'ект або сістэму на камп'ютары. Але пры лічбавым разглядзе яны паводзяць сябе дакладна гэтак жа, як і рэальныя рэчы. Найлепшы прыклад — калі выбухнуў кіслародны балон на касмічным караблі «Апалон-13», NASA дапамагла адрамантаваць яго з дапамогай «лічбавага двайніка» таго ж касмічнага карабля, пабудаванага на Зямлі.

Цяпер навукоўцы могуць стварыць «лічбавага двайніка» чалавека, маючы дастатковую колькасць «дадзеных». Для гэтага выкарыстоўваецца тэхналогія штучнага інтэлекту пад назвай «машыннае навучанне». Проста кажучы, гэта прадугледжвае атрыманне ў камп'ютарнай праграме вялікай колькасці дадзеных і магчымасць вучыцца на іх.

Лічбавыя двайнікі пацыентаў ствараюцца шляхам навучання гэтых мадэляў машыннага навучання з выкарыстаннем дадзеных папярэдніх клінічных выпрабаванняў і асабістых медыцынскіх запісаў кожнага пацыента. Затым мадэль можа прадказаць, як зменіцца здароўе пацыента на працягу выпрабавання, калі яму дадуць плацебо.Гэта значыць, для таго ж пацыента ствараецца камп'ютэрна-згенераваная кантрольная група (імітаваная кантрольная група).

Зараз паглядзім, як гэта працуе. Дапусцім, чалавек па імені «Самадхі» абраны ў групу, якая атрымлівае новы прэпарат. «Лічбавы двайнік» Самадхі, камп'ютэрная мадэль, знаходзіцца ў кантрольнай групе. Мадэль прадказвае, што адбудзецца, калі Самадхі дадуць «плацеба» замест самога прэпарата. У рэшце рэшт, розніца паміж рэальнай рэакцыяй Самадхі на прэпарат і тым, што, паводле прагнозаў мадэлі, адбудзецца, калі ён прыме «плацеба», з'яўляецца мерай эфектыўнасці прэпарата для Самадхі.

Давайце паглядзім на гэтую табліцу, каб наглядна ўбачыць перавагі выкарыстання «лічбавых двайнікоў» замест традыцыйных кантрольных груп.

Нягледзячы на ​​тое, што гэтая тэхналогія добрая, ці няма праблем?

Нягледзячы на ​​вялікія перспектывы гэтай тэхналогіі ў будучыні, яна пакуль не атрымала шырокага распаўсюджвання. Для гэтага могуць быць важкія прычыны. Як адзначае доктар Дэніэл Ніл, эксперт па «(машынным навучанні)», гэтыя мадэлі абапіраюцца на вялікія аб'ёмы дадзеных. Акрамя таго, вельмі цяжка атрымаць якасныя дадзеныя ад асобных людзей.

Яшчэ адна праблема — рэдкія, нечаканыя пабочныя эфекты , якія можа выклікаць прэпарат. Яны часта не ўлічваюцца мадэллю, распрацаванай для кантрольнай групы.

Але найбольшы страх доктара Ніла заключаецца ў тым, што гэтая прагнастычная мадэль заснавана на прынцыпе «звычайных дзеянняў». Уявіце сабе вялікую, нечаканую падзею, такую ​​як пандэмія COVID-19, якая змяняе паводзіны ўсіх і выклікае ў людзей хваробы. «Кантрольныя мадэлі не ўлічваюць гэтага», — кажа ён. Тады з-за гэтых падзей, якія кантрольная група не ўлічыла, канчатковыя вынікі эксперыменту могуць быць зусім іншымі.

Дык ці сапраўды гэта можна выкарыстоўваць? Што прынясе будучыня?

Эрык Топал, эксперт па выкарыстанні лічбавых тэхналогій у ахове здароўя, лічыць, што ідэя выдатная, але час для яе яшчэ не надышоў. «Я не думаю, што клінічныя выпрабаванні зменяцца ў бліжэйшай будучыні. Таму што для гэтага патрабуецца некалькі слаёў дадзеных, акрамя медыцынскіх запісаў, такіх як паслядоўнасці геному, мікрабіём кішачніка, дадзеныя аб навакольным асяроддзі».

Паводле слоў Чарльза Фішэра, заснавальніка Unlearn.AI, піянера ў гэтай тэхналогіі, ужо існуюць рашэнні праблем прыватнасці дадзеных і прадузятасці. «Прыватнасць — гэта проста. Мы працуем толькі з дадзенымі, якія ўжо былі ананімізаваны».

Кажучы пра прадузятасць, ён адзначае, што, хоць праблема і не была цалкам вырашана, яна не мае дачынення да вынікаў даследавання. Паколькі даследаванні рандомізіраваны, нават калі ў дадзеных ёсць некаторая прадузятасць, яна не ўплывае на вынікі. Аднак некаторыя эксперты не згодныя з гэтай ідэяй. Яны кажуць,Паколькі вы параўноўваеце рэальнага чалавека з камп'ютэрнай мадэллю, калі ў гэтай мадэлі ёсць якая-небудзь памылка, гэта можа непасрэдна паўплываць на вынікі.

Аднак Unlearn.AI ужо супрацоўнічае з фармацэўтычнымі кампаніямі над распрацоўкай клінічных выпрабаванняў для неўралагічных захворванняў, такіх як хвароба Альцгеймера, хвароба Паркінсана і рассеяны склероз. Яны выбралі гэтыя захворванні ў якасці добрага месца для пачатку, таму што маюць больш дадзеных, чым іншыя. Фішэр кажа, што калі метад аднойчы можна будзе прымяніць да ўсіх захворванняў, гэта можа значна скараціць час, неабходны для выхаду новых лекаў на рынак.