Vaše vlastné „digitálne dvojča“? Najnovšia technológia, ktorá zmení testovanie na drogy (Digitálne dvojča)

Premýšľali ste niekedy nad tým, ako dlho trvalo, kým sa vám do rúk dostala tabletka, ktorú ste si dnes ráno vzali? Najprv sa v laboratóriách vykonáva rozsiahly výskum. Potom sa testuje na zvieratách. Ale skôr, ako sa môže schváliť na použitie u ľudí, sa musí testovať na ľuďoch. Toto nazývame klinické skúšanie. Je to veľmi zložitý a drahý proces.

Jednoducho povedané, čo je to klinické skúšanie?

Zjednodušene povedané, klinické skúšanie funguje takto: Výskumníci naverbujú pacientov s ochorením, na ktoré je novovyvinutý liek zameraný. Títo dobrovoľníci sú potom náhodne rozdelení do dvoch skupín.

1. Prvá skupina dostane nový liek na testovanie.

2. Druhá skupina , „kontrolná skupina“, dostáva placebo, ktoré nemá žiadnu účinnú látku a vyzerá presne ako liek. Toto nazývame „placebo“.

Ak sa na konci tejto štúdie príznaky u tých, ktorí užívali nový liek, zlepšia viac ako u tých, ktorí užívali placebo, potom to dokazuje, že nový liek je účinný.

Jednou z najväčších výziev v takejto štúdii je nájsť dostatok pacientov, ktorí sú pre ňu presne vhodní. Niekedy ani lekári nevedia, ktoré štúdie sú pre ich pacientov vhodné. Navyše, charakteristiky pacientov, ktorí sa chcú zúčastniť, nemusia zodpovedať požiadavkám štúdie. Umelá inteligencia (AI) by však túto úlohu mohla výrazne uľahčiť.

Zoznámte sa so svojím „digitálnym dvojníkom“

Predstavte si, že máte svoj vlastný počítačový model, teda digitálnu kópiu seba samého. Tomu sa hovorí „digitálne dvojča“. Sú to len „počítačové modely“, ktoré simulujú objekt alebo systém z reálneho sveta v počítači. Ale pri numerickom pohľade sa správajú presne ako skutočné veci. Najlepším príkladom je explodovanie kyslíkovej nádrže na kozmickej lodi Apollo 13, ktorú NASA pomohla opraviť pomocou „digitálneho dvojčaťa“ tej istej kozmickej lode postavenej na Zemi.

Vedci teraz dokážu vytvoriť „digitálne dvojča“ človeka, ak im poskytne dostatok „dát“. Na to sa využíva technológia umelej inteligencie nazývaná „strojové učenie“. Jednoducho povedané, ide o to, že sa počítačovému programu poskytne veľké množstvo údajov a nechá sa z nich učiť.

Digitálne dvojčatá pacientov sa vytvárajú trénovaním týchto modelov strojového učenia s použitím údajov z predchádzajúcich klinických štúdií a osobných zdravotných záznamov každého pacienta. Model potom dokáže predpovedať, ako sa zmení zdravotný stav pacienta v priebehu štúdie, ak mu bude podané placebo.To znamená, že pre toho istého pacienta sa vytvorí počítačom generovaná kontrolná skupina (simulovaná kontrolná skupina).

Pozrime sa teraz, ako to funguje. Povedzme, že niekto menom „Samádhi“ je vybraný do skupiny, ktorá dostane nový liek. Samádhiho „digitálne dvojča“, počítačový model, je v kontrolnej skupine. Model predpovedá, čo by sa stalo, keby Samádhi dostal „placebo“ namiesto skutočného lieku. Rozdiel medzi Samádhiho skutočnou reakciou na liek a tým, čo model predpovedal, keby užil „placebo“, je v konečnom dôsledku mierou toho, aký účinný je liek pre Samádhi.

Pozrime sa na túto tabuľku, aby sme jasne videli výhody používania „digitálnych dvojčiat“ namiesto tradičných riadiacich tímov.

Aj keď je táto technológia dobrá, nie sú s ňou problémy?

Hoci táto technológia predstavuje veľký prísľub do budúcnosti, zatiaľ sa široko nepoužíva. Môžu na to existovať dobré dôvody. Ako zdôrazňuje Dr. Daniel Neal, odborník na „(strojové učenie)“, tieto modely sa spoliehajú na veľké množstvo údajov. Je tiež veľmi ťažké získať kvalitné údaje od jednotlivcov.

Ďalším problémom sú zriedkavé, neočakávané vedľajšie účinky , ktoré môže liek spôsobiť. Tieto často nie sú zahrnuté v modeli určenom pre kontrolnú skupinu.

Najväčším strachom Dr. Neala je však to, že tento prediktívny model je založený na „bežnom postupe“. Predstavte si veľkú, neočakávanú udalosť, ako je pandémia COVID-19, ktorá zmení správanie každého a spôsobí, že ľudia ochorejú. „Kontrolné modely to nezohľadňujú,“ hovorí. Potom by kvôli týmto udalostiam, ktoré kontrolná skupina nezohľadnila, mohli byť konečné výsledky experimentu úplne odlišné.

Dá sa to teda naozaj použiť? Čo prinesie budúcnosť?

Eric Topol, expert na využívanie digitálnych technológií v zdravotníctve, si myslí, že táto myšlienka je skvelá, ale ešte nie je ten správny čas. „Nemyslím si, že klinické skúšky sa v blízkej budúcnosti zmenia. Pretože si vyžadujú viacero vrstiev údajov, nielen zdravotné záznamy, ako sú sekvencie genómu, črevný mikrobióm, údaje o životnom prostredí.“

Podľa Charlesa Fishera, zakladateľa spoločnosti Unlearn.AI, priekopníka v tejto technológii, už existujú riešenia problémov súkromia údajov a zaujatosti. „Súkromie je jednoduché. Pracujeme iba s údajmi, ktoré už boli anonymizované.“

Keď hovorí o skreslení, hovorí, že hoci problém nebol úplne vyriešený, nie je relevantný pre výsledky štúdie. Keďže štúdie sú randomizované, aj keď sa v údajoch vyskytne určité skreslenie, neovplyvňuje to výsledky. Niektorí odborníci však s touto myšlienkou nesúhlasia. Hovoria,Keďže porovnávate skutočnú osobu s počítačovým modelom, ak sa v tomto modeli vyskytne akákoľvek chyba, môže to priamo ovplyvniť výsledky.

Spoločnosť Unlearn.AI však už spolupracuje s farmaceutickými spoločnosťami na navrhovaní klinických štúdií neurologických ochorení, ako sú Alzheimerova choroba, Parkinsonova choroba a skleróza multiplex. Tieto ochorenia si vybrali ako dobrý východiskový bod, pretože majú viac údajov ako iné. Fisher hovorí, že ak by sa táto metóda jedného dňa mohla uplatniť na všetky choroby, mohla by výrazne skrátiť čas potrebný na uvedenie nových liekov na trh.