Propriul tău „geamăn digital”? Cea mai recentă tehnologie care va schimba testarea antidrog (Geamănul Digital)

Te-ai întrebat vreodată cât timp a durat până când pastila pe care ai luat-o azi-dimineață a ajuns în mâinile tale? Mai întâi, se fac cercetări ample în laboratoare. Apoi o testează pe animale. Dar înainte de a putea fi aprobată pentru utilizare la oameni, trebuie să o testeze pe oameni. Aceasta este ceea ce numim noi studiu clinic. Este un proces foarte complicat și costisitor.

Simplu spus, ce este un studiu clinic?

În termeni simpli, un studiu clinic funcționează astfel: Cercetătorii recrutează pacienți cu boala pe care o vizează medicamentul nou dezvoltat. Acești voluntari sunt apoi împărțiți aleatoriu în două grupuri.

1. Primului grup i se administrează noul medicament care urmează să fie testat.

2. Al doilea grup , „Grupul de control”, primește un placebo care nu are ingredient activ și arată exact ca medicamentul. Numim acesta „Placebo”.

Dacă, la sfârșitul acestui studiu, simptomele celor care au luat noul medicament s-au ameliorat mai mult decât cele ale celor care au luat placebo, atunci acest lucru dovedește că noul medicament este eficient.

Una dintre cele mai mari provocări într-un astfel de studiu clinic este găsirea unui număr suficient de pacienți care să fie exact potriviți pentru studiu. Uneori, nici măcar medicii nu știu ce studii clinice sunt potrivite pentru pacienții lor. De asemenea, caracteristicile pacienților care doresc să participe pot să nu corespundă cerințelor studiului clinic. Cu toate acestea, inteligența artificială (IA) ar putea facilita mult această sarcină.

Faceți cunoștință cu „geamănul vostru digital”

Imaginează-ți că ai propriul model pe calculator, adică o copie digitală a ta. Aceasta se numește „geamăn digital”. Acestea sunt doar „modele pe calculator” care simulează un obiect sau un sistem din lumea reală pe un computer. Dar, privite numeric, se comportă exact ca lucrul real. Cel mai bun exemplu este atunci când un rezervor de oxigen de pe nava spațială Apollo 13 a explodat, NASA a ajutat la repararea acestuia cu un „geamăn digital” al aceleiași nave spațiale construit pe Pământ.

Acum, oamenii de știință pot crea un „geamăn digital” al unei ființe umane, dacă li se oferă suficiente „date”. Aceasta utilizează o tehnologie de inteligență artificială numită „învățare automată”. Simplu spus, aceasta implică furnizarea unei cantități mari de date unui program de calculator și lăsarea acestuia să învețe din acestea.

Gemenii digitali ai pacienților sunt creați prin antrenarea acestor modele de învățare automată folosind date din studiile clinice anterioare și dosarele medicale personale ale fiecărui pacient. Modelul poate apoi prezice cum se va schimba starea de sănătate a unui pacient pe parcursul studiului dacă i se administrează un placebo.Adică, pentru același pacient este creat un grup de control generat pe computer (Grup de Control Simulat).

Acum să vedem cum funcționează acest lucru. Să presupunem că cineva pe nume „Samadhi” este selectat să facă parte din grupul care primește un medicament nou. „Geamănul digital” al lui Samadhi, un model computerizat, se află în grupul de control. Modelul prezice ce s-ar întâmpla dacă lui Samadhi i s-ar administra un „Placebo” în loc de medicamentul propriu-zis. În cele din urmă, diferența dintre răspunsul real al lui Samadhi la medicament și ceea ce a prezis modelul că s-ar întâmpla dacă ar lua „Placebo” este o măsură a eficienței medicamentului pentru Samadhi.

Să analizăm acest tabel pentru a vedea clar beneficiile utilizării „gemenilor digitali” în locul echipelor de control tradiționale.

Chiar dacă această tehnologie este bună, nu există probleme?

Deși această tehnologie promite mult pentru viitor, ea nu a fost încă utilizată pe scară largă. Ar putea exista motive întemeiate pentru aceasta. După cum subliniază Dr. Daniel Neal, expert în „(învățare automată)”, aceste modele se bazează pe cantități mari de date. De asemenea, este foarte dificil să se obțină date de înaltă calitate de la indivizi.

O altă problemă o reprezintă efectele secundare rare și neașteptate pe care le poate provoca un medicament. Acestea nu sunt adesea acoperite de modelul conceput pentru grupul de control.

Însă cea mai mare teamă a Dr. Neal este că acest model predictiv se bazează pe „business as usual”. Imaginați-vă un eveniment major, neașteptat, precum pandemia de COVID-19, care schimbă comportamentul tuturor și îi îmbolnăvește pe oameni. „Modelele de control nu iau în considerare acest lucru”, spune el. Apoi, din cauza acestor evenimente pe care grupul de control nu le-a luat în considerare, rezultatele finale ale experimentului ar putea fi complet diferite.

Deci, poate fi folosit cu adevărat? Ce ne rezervă viitorul?

Eric Topol, expert în utilizarea tehnologiei digitale în domeniul sănătății, consideră că ideea este grozavă, dar momentul nu este încă potrivit. „Nu cred că studiile clinice se vor schimba în viitorul apropiat. Deoarece necesită mai multe straturi de date, dincolo de simple dosare medicale, cum ar fi secvențele genomului, microbiomul intestinal, datele de mediu.”

Potrivit lui Charles Fisher, fondatorul Unlearn.AI, un pionier în această tehnologie, există deja soluții la problemele legate de confidențialitatea datelor și de prejudecăți. „Confidențialitatea este simplă. Lucrăm doar cu date care au fost deja anonimizate.”

Când vorbește despre prejudecată, el spune că, deși problema nu a fost complet rezolvată, aceasta nu este relevantă pentru rezultatele studiului. Deoarece studiile sunt randomizate, chiar dacă există o oarecare prejudecată în date, aceasta nu afectează rezultatele. Cu toate acestea, unii experți nu sunt de acord cu această idee. Ei spun,Deoarece comparați o persoană reală cu un model computerizat, dacă există vreo eroare în modelul respectiv, aceasta poate afecta direct rezultatele.

Cu toate acestea, Unlearn.AI lucrează deja cu companii farmaceutice pentru a concepe studii clinice pentru boli neurologice precum Alzheimer, Parkinson și scleroza multiplă. Aceștia au ales aceste boli ca un bun punct de plecare, deoarece au mai multe date decât altele. Fisher spune că, dacă metoda poate fi aplicată într-o zi tuturor bolilor, ar putea reduce semnificativ timpul necesar pentru ca noile medicamente să ajungă pe piață.