Αυτή είναι η πρώτη από μια σειρά έξι μερών για το πώς η AI αλλάζει ιατρική έρευνα και θεραπείες.
Η καρδιά μπροστά μου χτυπάει και κινείται σαν ανθρώπινο όργανο, αλλά δεν έχει αίμα που να ρέει μέσα από αυτό, ούτε ζει σε ανθρώπινο σώμα.
Είναι μια καρδιά που παράγεται από υπολογιστή, ή ψηφιακή δίδυμη, που χρησιμοποιείται για να δοκιμάσει εμφυτεύσιμες καρδιαγγειακές συσκευές, όπως στεντ, και προσθετικές βαλβίδες που, μόλις επιβεβαιωθεί ότι είναι ασφαλείς, θα χρησιμοποιηθούν τελικά σε πραγματικούς ανθρώπους.
Αλλά οι δημιουργοί της καρδιάς, Adsilico, έχουν πάει πέρα από τη δημιουργία μόνο ένα ακριβές μοντέλο.
Χρησιμοποιώντας τεχνητή νοημοσύνη και τεράστιες ποσότητες δεδομένων, έχουν δημιουργήσει πολλαπλές διαφορετικές καρδιές.
Αυτές οι συνθετικές καρδιές που παράγονται από τον ιό της νόσου μπορούν να αντικατοπτρίζουν όχι μόνο τα βιολογικά χαρακτηριστικά όπως το βάρος, η ηλικία, το φύλο και η αρτηριακή πίεση, αλλά και τις συνθήκες υγείας και το εθνικό υπόβαθρο.
Καθώς αυτές οι διαφορές συχνά δεν αντιπροσωπεύονται σε κλινικά δεδομένα, οι ψηφιακές δίδυμες καρδιές μπορούν να βοηθήσουν τους κατασκευαστές συσκευών να διεξάγουν δοκιμές σε πιο διαφορετικούς πληθυσμούς από ό, τι θα μπορούσαν με τις δοκιμές του ανθρώπου, ή δοκιμές που περιλαμβάνουν μόνο ψηφιακά δίδυμα χωρίς AI.
Αυτό μας επιτρέπει να συλλάβουμε την πλήρη ποικιλία των ανατομικών ασθενών και των φυσιολογικών αντιδράσεων, κάτι που δεν είναι δυνατό με τη χρήση συμβατικών μεθόδων.
Αυτή η χρήση του AI για την ενίσχυση της δοκιμής συσκευών οδηγεί στην ανάπτυξη συσκευών που είναι πιο περιεκτική και ασφαλέστερη, λέει η διευθύντρια Adsilico Sheena Macpherson.
Το 2018 μια έρευνα της Διεθνούς Κοινοπραξίας Ερευνητών Δημοσιογράφων αποκάλυψε ότι 83.000 θάνατοι και πάνω από 1,7 εκατομμύρια τραυματισμοί προκλήθηκαν από ιατρικές συσκευές.
Η κα ΜακΦέρσον ελπίζει ότι τα ψηφιακά δίδυμα της Αλ μπορούν να μειώσουν αυτούς τους αριθμούς.
Για να κάνετε αυτές τις συσκευές πιο ασφαλείς, πρέπει να τις δοκιμάσετε πιο διεξοδικά, και δεν είναι εφικτό να το κάνετε αυτό σε περιβάλλον κλινικών δοκιμών λόγω των εξόδων της," αναφέρει η κ. Macpherson, η οποία εδρεύει στο Northumberland.
"Έτσι θέλετε να είστε σε θέση να χρησιμοποιήσετε την έκδοση που παράγεται από τον υπολογιστή, για να βεβαιωθείτε ότι ό, τι κάνετε, έχετε δοκιμάσει όσο το δυνατόν πιο διεξοδικά πριν το δοκιμάσετε σε έναν άνθρωπο.
Ακόμη και ένα κλάσμα αυτών των θανάτων - και των σχετικών μηνύσεων - θα μπορούσε να είχε αποφευχθεί με πιο διεξοδικές δοκιμές.
Μπορείτε επίσης να πάρετε πιο λεπτομερή αποτελέσματα.
"Θα μπορούσατε να πάρετε την ίδια [εικονική] καρδιά και θα μπορούσατε να ελέγξετε κάτω από χαμηλή ή υψηλή αρτηριακή πίεση, ή ενάντια σε διαφορετική εξέλιξη της νόσου, για να δείτε αν αυτό επηρεάζει τη συσκευή με οποιονδήποτε τρόπο.
Η κ. Macpherson προσθέτει: [εικονική] δοκιμή δίνει στους κατασκευαστές ιατρικών συσκευών περισσότερες γνώσεις.
Σημαίνει επίσης ότι μπορούμε να δοκιμάσουμε σε άλλες ομάδες υποασθενών, όχι μόνο λευκούς άνδρες στους οποίους οι κλινικές δοκιμές βασίζονται παραδοσιακά.
Τα μοντέλα Adsilicos AI εκπαιδεύονται σε συνδυασμό καρδιαγγειακών δεδομένων και δεδομένων από πραγματικές μαγνητικές τομογραφίες και αξονικές τομογραφίες, που περιλαμβάνουν ιατρική απεικόνιση από ασθενείς που συναινούν.
Τα δεδομένα προέρχονται από λεπτομερείς ανατομικές δομές της καρδιάς, για να βοηθήσουν στη δημιουργία ακριβών ψηφιακών αναπαραστάσεων του πώς οι ιατρικές συσκευές θα αλληλεπιδράσουν με διαφορετικά ανατομικά ασθενών.
Οι δοκιμές Adsilicos περιλαμβάνουν τη δημιουργία ενός ψηφιακού δίδυμου της συσκευής που πρόκειται να δοκιμαστεί, το οποίο στη συνέχεια εισάγεται στην εικονική καρδιά σε μια προσομοίωση που παράγεται από AI.
Όλα λαμβάνουν χώρα μέσα σε έναν υπολογιστή, όπου η δοκιμή μπορεί να αναπαραχθεί σε χιλιάδες άλλες καρδιές - όλες οι AI-μιμοποίηση εκδόσεις μιας πραγματικής ανθρώπινης καρδιάς.
Οι δοκιμές σε ανθρώπους και ζώα, από την άλλη πλευρά, τείνουν να περιλαμβάνουν μόνο εκατοντάδες συμμετέχοντες.
Ίσως το μεγαλύτερο κίνητρο για τους κατασκευαστές φαρμάκων και συσκευών για να συμπληρώσει κλινικές δοκιμές με AI digital δίδυμα είναι πώς μειώνει το χρόνο που χρειάζεται, το οποίο μεταφράζεται σε μεγάλη εξοικονόμηση κόστους, πάρα πολύ.
Η εταιρεία παραγωγής φαρμάκων Sanofi, για παράδειγμα, ελπίζει να μειώσει την περίοδο δοκιμής κατά 20%, ενώ αυξάνει επίσης το ποσοστό επιτυχίας.
Χρησιμοποιεί ψηφιακή δίδυμη τεχνολογία στην ανοσολογία, την ογκολογία και την ειδικότητα των σπάνιων ασθενειών.
Χρησιμοποιώντας βιολογικά δεδομένα από πραγματικούς ανθρώπους, η Sanofi δημιουργεί προσομοιωμένους ασθενείς με βάση την AI - όχι πραγματικούς κλώνους συγκεκριμένων ατόμων - οι οποίοι μπορούν να διασχιστούν σε όλες τις ομάδες ελέγχου και εικονικού φαρμάκου εντός της δοκιμής.
Τα προγράμματα Sanofis AI δημιουργούν επίσης ηλεκτρονικά μοντέλα του φαρμάκου που πρέπει να ελεγχθεί, συνθέτοντας ιδιότητες όπως το πώς το φάρμακο θα απορροφηθεί σε όλο το σώμα, έτσι ώστε να μπορεί να ελεγχθεί σε ασθενείς με AI.
Το πρόγραμμα προβλέπει επίσης τις αντιδράσεις τους - αναπαράγει την πραγματική δοκιμαστική διαδικασία.
Με ποσοστό αποτυχίας 90% σε όλη τη βιομηχανία νέων φαρμάκων κατά τη διάρκεια της κλινικής ανάπτυξης, μια αύξηση μόλις 10% στο ποσοστό επιτυχίας μας με τη χρήση τεχνολογιών όπως τα ψηφιακά δίδυμα θα μπορούσε να έχει ως αποτέλεσμα την εξοικονόμηση 100 εκατομμυρίων δολαρίων, δεδομένου του υψηλού κόστους διεξαγωγής κλινικών δοκιμών καθυστερημένης φάσης, λέει ο Ματ Τρουπό, επικεφαλής της Sanofis παγκοσμίως των ερευνητικών πλατφορμών και υπολογιστική έρευνα και ανάπτυξη.
Τα αποτελέσματα μέχρι στιγμής ήταν πολλά υποσχόμενα, προσθέτει ο κ. Truppo, ο οποίος εδρεύει στη Βοστώνη των ΗΠΑ.
Υπάρχουν ακόμα πολλά να κάνουμε.
Πολλές από τις ασθένειες που προσπαθούμε τώρα να επηρεάσουμε είναι εξαιρετικά περίπλοκες.
Εδώ είναι που έρχονται εργαλεία σαν τον Αλ.
Η ισχύς της επόμενης γενιάς των ψηφιακών δίδυμων με ακριβή μοντέλα AI της πολύπλοκης ανθρώπινης βιολογίας είναι το επόμενο σύνορο.
Ωστόσο, τα ψηφιακά δίδυμα μπορεί να έχουν αδυναμίες, λέει ο Τσάρλι Πάτερσον, ένας συνεργάτης στο PA Consulting και ένας πρώην διαχειριστής υπηρεσιών NHS.
Τονίζει ότι τα δίδυμα είναι τόσο καλά όσο τα δεδομένα στα οποία εκπαιδεύονται.
"[Λόγω] παλαιών μεθόδων συλλογής δεδομένων, και χαμηλή αναπαράσταση περιθωριοποιημένων πληθυσμών, θα μπορούσαμε να καταλήξουμε σε μια θέση όπου θα μπορούσαμε ακόμα να εισάγουμε μερικές από αυτές τις προκαταλήψεις όταν προγραμματίζουμε εικονικές αναψυχές των ατόμων.
Η εργασία με περιορισμένα δεδομένα κληρονομιάς για την εκπαίδευση του AI είναι ένα ζήτημα που η Sanofi γνωρίζει και εργάζεται για την επίλυση.
Για να καλύψει κενά στα εσωτερικά της σύνολα δεδομένων - που αποτελούνται από εκατομμύρια σημεία δεδομένων από τις χιλιάδες των ασθενών που υποβάλλονται σε δοκιμές κάθε χρόνο - αντλεί δεδομένα από τρίτους, όπως ηλεκτρονικά αρχεία υγείας και βιοτράπεζες.
Στο Adsilico, η κ. Macpherson ελπίζει ότι μια μέρα η ψηφιακή δίδυμη τεχνολογία AI θα εξαλείψει τις δοκιμές των ζώων από κλινικές δοκιμές, η οποία εξακολουθεί να θεωρείται σημαντικό μέρος της διαδικασίας δοκιμής φαρμάκων και συσκευών.
Ένα εικονικό μοντέλο της καρδιάς μας είναι ακόμα πιο κοντά σε μια ανθρώπινη καρδιά από εκείνη ενός σκύλου, αγελάδας, προβάτου ή γουρουνιού, η οποία τείνει να είναι αυτό που χρησιμοποιούν για εμφυτεύσιμες μελέτες συσκευών, λέει.