“Vyňuchanie” choroby, „Vysvetliteľná“ AI, Inteligentné WC, Hlas ako biomarker

Health AI je pravidelná rubrika venovaná technologickým inováciam v oblasti medicíny a life sciences. Partnerom obsahu je firma Cognexa , ktorá vyvíja špecializované softvérové riešenia, založené na technológii tzv. umelej inteligencie, aj pre organizácie v oblasti medicíny a life sciences.

Môžeme chorobu „vyňuchať“ pomocou prístrojov?

Určite ste už čítali o tom, ako psy so svojím úžasne citlivým čuchom zacítili zmenu vône svojho majiteľa a „identifikovali“ začínajúce ochorenie. Alebo celkom nedávno vyšla správa, že cvičení psíkovia vedeli na základe očuchania ponožiek rozoznať deti s maláriou a to až v 70% prípadoch. Pes vie vraj rozoznať koncentráciu látku v hodnote 1 ppt, čo predstavuje asi 1 kvapku v objeme 20 plaveckých bazénov olympijskej veľkosti. Môže sa mu vôbec nejaký prístroj niekedy vyrovnať?

Výskumníci z Bristolskej university v Anglicku sú z tých, čo vyvíjajú zariadenie, ktoré má napodobniť schopnosť psov zacítiť slabé stopy chemických „podpisov“ chronických ochorení. V spin-out firme Rosa Biotech rozvíjajú technologickú platformu, ktorá pomocou syntetických proteínov a umelej inteligencie dokáže identifikovať spomínané podpisy ochorení.

A ako to vlastne funguje? Vedci vytvorili sériu syntetických valcovitých peptidických molekúl, ktoré napodobňujú bielkoviny cicavčieho čuchového systému. Tieto molekuly sú ďaleko jednoduchšie ako bielkoviny, ľahšie sa dajú pripraviť a lepšie sa s nimi manipuluje. Každý takýto syntetický valec mal na sebe naviazanú farbičku. Keď bol vystavený vzorke, obsahujúcej prchavé metabolity spojené s určitým ochorením, ktoré môžu zachytiť napríklad čuchové bunky psa, syntetická molekula sa na látku naviazala a farbička sa uvoľnila. Vzorka bola vystavená celému radu syntetických molekúl a celkový výsledok je určitý farebný vzor, ktorý je analyzovaný pomocou algoritmov strojového učenia.

Aby sa technológia stala diagnostickou pomôckou, musí byť validovaná na relevantnom počte vzoriek a to sa dá len spojením technológie s klinickým výskumom, čo v tomto prípade výskumníci robia. Tak som teda zvedavá, či umelý „psí“ ňucháč dosiahne citlivosť toho ozajstného😊

„Vysvetliteľná“ AI je dôležitá pre oblasť zdravotníctva. Ale ako ju ochrániť?
Určite si vybavíte titulky článkov, kde umelá inteligencia dokázala takmer nemožné, ale nikto vlastne nevie ako. Dokonca ani jej vlastný stvoriteľ. Pre oblasť medicíny je však takýto postup pomerne neprijateľný. Aj schvaľovanie nových liekov je podmienené (v drvivej väčšine prípadov) tým, že poznáme mechanizmus, proti akým molekulám zasahujú a aký to má účinok. Čierna skrinka, z ktorej vyjdú po zadaní určitých vstupných parametrov výstupy, napríklad diagnóza, a nikto nevie, ako sa k nej dopracovalo, je jednou z hlavných prekážok širšieho uplatnenia AI v medicíne.

Avšak medicínski inovátori si, zdá sa, začínajú uvedomovať, že je potrebné pre medicínu vyvíjať algoritmy, ktoré odhalia logiku za určenou diagnózou. Tieto algoritmy sa nazývajú „vysvetliteľná“ umelá inteligencia (XAI). Táto transparentnosť tak hodnotná pre lekárov je však na druhej strane dosť veľkým problémom pri ochrane duševného vlastníctva tejto technológie.

Algoritmy sú vo väčšine prípadov chránené obchodným tajomstvom. V prípade algoritmov použitých hlavne na diagnostiku však tieto musia byť verifikované lekármi a regulačnými autoritami. Takže ako sa vlastne dá XAI v medicíne dostatočne ochrániť?

Jednou z možností je patentovanie. Problematika je o to zložitejšia, že v Európe platia iné predpisy na to, čo sa môže patentovať, ako napr. v USA. Ale aj v Európe sa dajú softwarové riešenia a algoritmy ochrániť, treba však vedieť, ako na to a použiť právnickú kreativitu😊. Jednou z ciest je kombinácia softweru a diagnostiky. Diagnostické postupy častokrát vyžadujú senzory a algoritmy môžu byť patentované v spojení s nimi. Ďaľšou možnosťou je mať patenty, ktoré spájajú špecifickú liečbu s danou diagnostikou. Ešte existuje aj možnosť, že aj keď algoritmy poskytnú určité vysvetlenie ako dospeli k výsledku, detaily algoritmov budú stále uchovávané ako obchodné tajomstvo- napríklad tréningové dáta a ďaľšie dôležité detaily. Je treba sa len obrátiť na dobrého patentového právnika. Aké jednoduché, však? (Zdroj a inšpirácia)

Kúpili by ste si inteligentné WC?
Za seba musím povedať, že nie. A predovšetkým nie také, ktoré by samo odosielalo výsledky niekam. Ale poďme sa pozrieť na to, koho a prečo to vlastne niekoho napadlo. V dnešnej dobe máme nepreberné množstvo inteligentných technológií na nosenie, ktoré monitorujú a (možno) zlepšujú naše zdravie. Ale čo takto zapojiť takú jednoduchú technológiu ako je – WC? Veľké množstvo informácií získavame z moču už dnes. Moč obsahuje metabolické prepojenia k viac ako 600 stavom ľudského organizmu, nevynímajúc rakovinu, diabetes a obličkové ochorenia.

CREDIT: DASOM (SOMI) HWANG,JOSHUA COON LAB AT THE UW-MADISON DEPARTMENT OF BIOMOLECULAR CHEMISTRY

Výskumný tím z University of Wisconsim-Madison a Morgridge Institute for Research si dal 2 základné otázky: Môže častá analýza moču poskytnúť okamžité a užitočné informácie o ľudskom zdraví? A môže sa technologická platforma na analýzu adaptovať do WC jednoducho, presne a v cenovo dostupnej hladine? Na prvú otázku si odpovedal tím áno, a výsledky dvoch pacientov kontroloval viacerým ďaľšími testami a pozorovaním. Teraz chcú testovať prenosný hmotnostný spektrometer umiestnený do toalety.
Aj keď sa v pilotných testoch neskúmali nijaké špecifické medicínske otázky, takáto toaleta by mohla v budúcnosti napríklad poskytnúť informácie o metabolizme určitých liečív organizme, a tak by mohla pomôcť lepšie nastaviť konkrétnu liečbu pre daného pacienta.
A prečo sa „smart“ toaletou zaoberám práve v Health AI? Na to je celkom jednoduchá odpoveď- diagnostickú váhu získa podobné zariadenie len vyhodnotením veľkého množstva dát a korelácií so zdravotným stavom a životným štýlom. Tak čo, dali by ste sa nahovoriť?

Hlas ako biomarker

Mnoho ľudí vie z hlasu rozpoznať náladu, rozpoloženie a klamstvo svojho náprotivku. Myslíte si ale, že náš hlas môže byť diagnostickým markerom určitých ochorení? Teraz nemám samozrejme na mysli klasickú zachrípnutosť, kde aj človek bez medicínskeho vzdelania určí, že buď je niekto nachladnutý alebo sa snažil rozprávať v hlučnom bare alebo je Talian.

Firma Sonde Health bola dostatočne presvedčivá, aby získala 16 miliónov dolárov na vývoj a komercializáciu svojej technológie zameranej na použitie hlasu ako zdravotného indikátora. Merck KGaA bol cez svoj investičný fond jedným z hlavných investorov v tomto kole.

Že sa nejedná len o nejakú firmu svedčí aj fakt, že americký patentový úrad udelil Sonde Health patent, ktorý chráni ich unikátnu technológiu na zachytenie, analyzovanie a využitie hlasových biomarkerov, zachytených v krátkych úryvkoch reči. Firma vlastní unikátnu digitálnu biobanku pozostávajúcu z miliónov dát viac ako 20 000 užívateľov. Čo je však najpodstatnejšie, hlasovým vzorkám sú priradené zdravotné údaje, ktoré tvoria základ pre validáciu technológie na použitie v medicínskych aplikáciach napríklad na diagnostiku respiračných, mentálnych či chronických ochorení. Ich technológia zachytáva a analyzuje jemné odchýlky v hlase ako kolísanie, intenzitu, spektrálne vlastnosti, koordináciu hlasového traktu a spája ich s konkrétnymi zdravotnými problémami. Netreba ani dodávať, že na takúto formu analýz a predikcií je potreba určitého druhu AI.

 

Čo je a čo nie je umelá inteligencia?

Health AI je pravidelná rubrika venovaná technologickým inováciam v oblasti medicíny a life sciences.

Partnerom obsahu je firma Cognexa, ktorá vyvíja špecializované softvérové riešenia, založené na technológii tzv. umelej inteligencie, aj pre organizácie v oblasti medicíny a life sciences.
Autorom dnešného príspevku je Ján Szöllös.

Pojem Umelá Inteligencia (UI) je momentálne najskloňovanejší pojem, a to nielen v prostredí technologickej odbornej verejnosti. Popularita pojmu umelá inteligencia v médiách sa dá sčasti vysvetliť tým, že ľudia začali používať pojem aj na metódy, ktoré mali predtým odlišné názvy. Z praxe vieme, že pojem UI sa univerzálne používa aj na pomenovanie štatistických metód, obchodnú analytiku a dokonca pre manuálne naprogramované ak-potom pravidlá. Prečo je tomu tak?  A prečo je pojem umelá inteligencia v povedomí verejnosti spájaný skôr s oblasťou science-fiction, napriek tomu, že je bežne prítomný v našich životoch už nejakú tú dobu? Pozrime sa na niekoľko dôvodov podrobnejšie:

Dôvod 1. Neexistuje žiadna oficiálne schválená definícia

Ani najzainteresovanejší vedeckí výskumníci v oblasti UI sa nezhodnú na konkrétnej definícii. Sčasti je to preto, že UI ako vedecká disciplína sa neustále mení, niektoré metódy sa postupne vyraďujú z odboru UI a niektoré nové metódy zase pribúdajú.

V 80-tych rokoch minulého storočia sa v určitých “geeky” kruhoch začala používať neformálna definícia pre umelú inteligenciu “cool things that computers can’t do“ (super veci, ktoré počítače nedokážu). Iróniou takejto definície bolo, že podľa nej by UI nemohla napredovať, pretože akonáhle nájdeme spôsob ako počítače naučiť niečo, čo považujeme za cool, prestane sa to kvalifikovať ako UI. Napriek tomu bola v definícii ukrytá štipka pravdy. Pred päťdesiatimi rokmi boli metódy automatického vyhľadávania a plánovania považované za UI metódu. V dnešnej dobe sa však tieto metódy vyučujú na každej fakulte informačných technológií.

Podobný osud postretol technológiu OCR (optické rozpoznávanie znakov), ktorá bola viacerými inžiniermi a vedcami vyradená, respektíve neuznaná ako umelá inteligencia. Hlavným dôvodom je, že technológia sa stala natoľko bežnou, že nie je potrebné ju nazývať „inteligentnou“. Iné  technológie ako napríklad porozumenie ľudskému jazyku, súťaženie v strategických hrách, autonómna navigácia automobilov, vojenské simulácie alebo interpretovanie komplexných dát, sú považované za plnohodnotné umelé inteligencie.

Dôvod 2. Odkaz vedecko-fantastického žánru

K jestvujúcemu zmätku v definícií UI prispieva aj zobrazovanie UI v umeleckom zobrazení; vo vedecko-fantastickej literatúre a kinematografii. UI je zväčša zobrazovaná ako priateľská humanoidná entita, ktorá poslušne slúži svojim ľudským pánom, podáva monotónne faktické vysvetlenia alebo vedie s ľuďmi zaujímavé dialógy, až sa začnú zamýšľať, či sa nemôže zmeniť na človeka. Ďalšou kategóriou UI entít sú bezcitné stroje, ktoré majú pre ľudstvo zničujúce úmysly alebo sa obrátia proti svojim stvoriteľom, tak ako v starodávnom príbehu o pražskom Golemovi alebo v novšom podaní v notoricky známom Terminátorovi.

Dôvod 3. Čo sa na prvý pohľad zdá jednoduché, je v skutočnosti veľmi ťažké…

Pre bežného človeka je relatívne náročné odlíšiť jednoducho napodobniteľné úkony od tých, ktoré sú pre UI náročné na imitáciu. Skúsme si jednoduché cvičenie pre lepšie pochopenie:

Pozrite sa okolo seba a zdvihnite objekt, ktorý je najbližšie k vám. Zamyslite sa nad tým, aké úkony ste práve vykonali: najprv ste použili zrak na to, aby ste si zmapovali okolie a identifikovali objekt, ktorý chcete zdvihnúť. Objekt ste si vybrali a zvolili ste si jednu z možných trajektórií, po ktorej ste sa po objekt natiahli. Následne ste použili ruku, ktorú ste do procesu zapojili prostredníctvom svalov, ktoré ste aktivovali postupne podľa intuitívneho algoritmu. Podmienkou úspešného splnenia úlohy bolo zvolený objekt uchopiť tou správnou silou a udržať ho v ruke, a to ste dosiahli opäť zapojením intuitívneho odhadu hmotnosti a objemu objektu a následnej aplikácie potrebnej sily.

Na prvý sa pohľad sa tento proces môže zdať jednoduchý, avšak pridávajú sa tu mnohé neurčitosti- napríklad, že videný objekt môže byť ťažší ako sa zdá, alebo oveľa ľahší ako sa môže zdať. Objektom môže niekto manipulovať predtým, ako sa k nemu dostaneme a my budeme nútení prehodnotiť náš postup.

Náhle zmeny v komplexnom prostredí si vyžadujú schopnosť improvizovať a v tom sú ľudia vďaka miliónom rokov evolučného vývoja (zatiaľ) omnoho lepší ako súčasné stroje.

Dôvod 4. Čo sa na prvý pohľad zdá náročné, je v podstate jednoduché

Na opačnom konci spektra sa nachádzajú úlohy ako sú hranie šachu, či riešenie komplexných matematických úloh, ktoré my, ľudia, považujeme za náročné a ich zvládnutie si vyžadujú roky špeciálneho tréningu a schopnosť myslieť vo vyšších inštanciách. Výskum UI sa práve preto sústreďoval na podobné úlohy, keďže pre ľudstvo ich zvládnutie stelesňovalo podstatu inteligencie.

Odvtedy sa ukázalo, že hrať šach je pre počítače, ktoré sú prispôsobené na to, aby v rámci niekoľkých jednoduchých pravidiel vykonávali miliardy výpočtov za sekundu, relatívne jednoduchá úloha. Počítač Deep Blue napokon porazil úradujúceho šampióna Garyho Kasparova už v roku 1997. Z pohľadu UI technológie by bol náročnejší problém naučiť stroj chytať figúrky a manipulovať s nimi bez toho, aby sa pováľali po šachovnici.

Takže ako by znela definícia UI?

Jedným z možných prístupov k definícii by bolo definovať charakteristické vlastnosti UI. Odborníci sa zhodnú na tom, že každý umelo inteligentný systém musí disponovať dvoma hlavnými vlastnosťami:

Autonómia: schopnosť vykonávať činnosti v komplexnom prostredí bez sústavného riadenia používateľom.

Adaptabilita:  schopnosť zlepšovať výkon prostredníctvom učenia sa zo skúseností.

Na pomoc si môžeme zobrať definície niektorých zo zakladateľov vedeckej disciplíny UI:

Yoshua Bengio definuje UI, takto: „UI je o schopnosti učiť počítače užitočné schopnosti, ktoré ľudia dokážu, ale naše súčasne počítače to ešte nedokážu.“

Čo na to hovorí Geoffrey Hinton, najváženejšia osobnosť UI vedeckej disciplíny?

„UI je technológia vytvorená podľa princípov, na základe ktorých funguje náš mozog. Ľudský mozog je zložený z veľkej siete prepojení mozgových buniek (neurónov), ktorá prijíma a spracováva vstup (input) a formuluje výstup (output), ktorý zase závisí od sily prepojení jednotlivých buniek. Keď sa zmenia váhy jednotlivých prepojení, zmení sa výstup pre každý vstup. Moderné UI metódy vychádzajú z toho, že počítač sa neprogramuje a namiesto toho sa učí prostredníctvom veľkého množstva príkladov, ktoré mu postupne ukazujeme. Na základe výstupov sa postupne menia váhy jednotlivých prepojení a prebieha učenie, ktoré má za úlohu hľadať odpovede na otázky bez toho, aby bolo potrebné programovanie.“

Na záver by bolo vhodné spomenúť ešte niekoľko pojmov, ktoré s UI úzko súvisia. Pojem, ktorý sa s UI často zamieňa je strojové učenie (machine learning). Strojové učenie je však podkategóriou UI a charakterizovať by sa dalo ako systémový prístup vedúci k zlepšeným výkonom, akým počítač vykonáva určitú činnosť s pribúdajúcimi dátami a skúsenosťami.

Hlboké učenie (deep learning) je zase podkategóriou strojového učenia, ktoré využíva viacvrstvové neurónové siete na extrahovanie vzorov správania z tzv. surového inputu. V praxi to znamená, že počítač kŕmime dátami (napr. obrazovými dátami) a on sa učí hľadať vo vstupných dátach určité vzory alebo charakteristiky bez toho, aby dostal pokyny, čo presne má hľadať. Takéto učenie môže prebiehať asistovane, v spolupráci s človekom alebo môže prebiehať úplne autonómne. Hlboké učenie je metóda UI, ktorá sa čoraz viac využíva na výskum a predikcie v medicíne, a podrobnejšie si o tom povieme v ďalšom vydaní.

Ak vás téma UI zaujala a mali by ste záujem sa do problematiky ponoriť hlbšie, vrelo odporúčam absolvovať výborne spracovaný, interaktívny online kurz „Elements of AI“ na https://www.elementsofai.com/. Inšpiráciu pre tento blog-post sme čerpali práve zo zdrojov kurzu.

 

Referencie

https://blog.rossintelligence.com/post/ai-pioneers-bengio-hinton-ovbiagele-pm-trudeau

https://casopis.fit.cvut.cz/technologie/umela-inteligencia-ako-funguje-preco-dobre-sa-nu-zaujimat/

https://www.efocus.sk/kategoria/ict-technologie/clanok/poznavanie-umela-inteligencia-a-strojove-ucenie

https://www.elementsofai.com/

Prvý míľnik, AI v zdravotníctve, Dizajn liekov, Predikcia infarktu

Health AI je pravidelná  rubrika venovaná technologickým inováciam v oblasti medicíny a life sciences. Partnerom obsahu je firma Cognexa , ktorá vyvíja špecializované softvérové riešenia, založené na technológii tzv. umelej inteligencie, aj pre organizácie v oblasti medicíny a life sciences.

Vôbec prvý míľnik umelej inteligencie
Viete, že prvý míľnik, ktorý umelá inteligencia dosiahla bolo rozoznanie rozdielu medzi štvorcom a trojuholníkom? Úloha, ktorú po krátkom zaučení skúseným kynológom zvládne aj náš najlepší priateľ- pes. Počítač, ktorý to dokázal, vypĺňal celú miestnosť, volal sa Perceptron a bolo to v roku 1956. Nám na Slovensku sa ešte najmenej 30 ďaľších rokov o počítačoch ani nesnívalo, aspoň nie bežným ľuďom….

Ako pomáha umelá inteligencia v zdravotníctve?
Umelá inteligencia (AI) nie je len vedeckým nástrojom a hudbou vzdialenej budúcnosti. Už teraz sa s ňou môžeme stretnúť a ani si to neuvedomujeme. Ale ako zmení AI nás ako pacientov? Napríklad aj tak, že sa nestaneme pacientami alebo že budú naše vyhliadky pri rôznych ochoreniach ďaleko lepšie ako doteraz. Umelá inteligencia v zdravotníctve môže pomáhať napríklad pri vývoji liečív, presnejšej a skoršej diagnostike alebo pri nastavení optimálnej výživy.

Umelá inteligencia je v zdravotníctve nástroj, ktorý nemôže pomôcť bez inteligentných vstupov a bez celého radu nových technológií a teraz mám na mysli technológie zdravotnícke a spojené s medicínou. Áno, technológie existujú aj mimo IT😊 Napríklad umelý pankreas od Medtronic alebo metóda pokročilého sekvenovania génov alebo neinvazívne testovanie na rakovinu prostaty na základe stanovenia zmeny molekúl zvaných glykány od Glycanostics…

Aj keď konečným cieľom je pacient či zdravý človek, AI môže asistovať celému radu účastníkov zdravotnej starostlivosti. Lekárom, opatrovateľom, nemocniciam, poisťovniam, farmaceutickým firmám, štátu…Takže, ako pomáha AI v zdravotníctve? Prepojením medicínskych technológií, obrovského množstva dát a umu človeka.

CB Insight ponúka týchto 12 oblastí, kde sa AI môže uplatniť v zdravotníctve, kde zobrazovanie a diagnostika predstavujú momentálne najvyšší podiel investícií do nových firiem:

  • Zobrazovanie a diagnostika
  • Výskum a vývoj liečív
  • Prediktívna analytika a hodnotenie rizík
  • Genomika (a ďaľšie -omic technológie)
  • Podpora rozhodovania v nemocniciach
  • Fitnes
  • Virtuálny asistent pre lekárov
  • Klinické štúdie
  • Výživa
  • Vzdialené monitorovanie
  • Dodržiavanie zásad (napr. ochrana osobných údajov)
  • Duševné zdravie

V ďaľších príspevkoch sa budem postupne venovať jednotlivým oblastiam a ukážeme si, kde sa umelá inteligencia zatiaľ využíva najviac.

Umelá inteligencia dizajnuje lieky
Vývoj nového lieku môže trvať 15 až 20 rokov, stáť okolo 3 miliardy dolárov a nakoniec to aj tak nemusí byť úspešný príbeh. Výskumníci sa snažia zvýšiť úspešnosť hľadania nového lieku ako aj znížiť náklady na jeho vývoj a čas, za ktorý sa nový liek dostane k pacientom.

Firma Insilico Medicine je už nejakú dobu známa v oblasti využívania umelej inteligencie v oblasti zdravia, zaoberá sa aj starnutím ako príčinou mnohých chorôb. Alex Zhavoronkov, riaditeľ firmy, publikoval nedávno so svojim tímom v prestížnom vedeckom časopise Nature Biotechnology článok o tom, ako za 23 dní identifikoval látky, ktoré majú potenciál sa stať liekmi. Na rozdiel od mnohých iných podobných teoretických pokusov, však vybrané látky aj syntetizoval a odskúšal v prvotných testoch v skúmavke (in vitro) a aj in vivo. A na konci 64. dňa mal fyzicky k dispozícii látku, ktorá môže byť posunutá do ďaľšieho testovania.

Poďme sa pozrieť na to, čo vlastne Alex so svojím tímom spravil: Úplne na začiatku si museli určiť, akú chorobu chcú liečiť a čo je ich cieľom. Keď bol cieľ vybratý, použili nimi vyvinutý prístup umelej inteligencie, prioritizovali tri hlavné podmienky nového lieku: 1) dobrá možnosť syntézy, 2) účinnosť voči cieľu a 3) odlišnosť od už existujúcich liekov kvôli patentovateľnosti nového liečiva. Práca teda vyžadovala existenciu už dostupných dát, ktoré trénovali umelú inteligenciu v tom, ako nájsť tú správnu molekulu. Zhavoronkov použil konkrétne 6 sád dát, ktoré predstavovali model, na ktorom mohol stavať.
Po 23 dňoch od výberu cieľa tím identifikoval šesť molekúl, ktoré sa syntetizovali a na 35. deň boli k dispozícii na prvé testovania in vitro a na bunkových kultúrach. Jedna molekula sa potom testovala in vivo a ukázala prijateľné farmakokinetické výsledky, čo v preklade znamená, že bola stabilná dostatočne dlho na to, aby v živom organizme mohla zasiahnúť.

Ako sám Zhavoronkov uvádza, napriek dobrým výsledkom identifikované molekuly ešte musia prejsť ďaľšími úpravami a testovaním, aby sa zlepšila ich selektivita, špecificita a iné medicinálno-chemické vlastnosti.

Napriek tomu, že uvedené látky ešte nie sú liekmi a čaká ich dlhá cesta k schváleniu, daná aj prísnymi regulačnými pravidlami predklinického a klinického skúšania, práca Zhavoronkova a jeho tímu je významným míľnikom na ceste prepojenia umelej inteligencie a medicíny. Teoretické predpoklady a práca vo virtuálnom svete sa pretavila do praktických výsledkov- dizajnované molekuly sa nielen naviazali na daný cieľ v skúmavke, ale ukázali aktivitu aj v bunkových a in vivo experimentoch. Takže, liek to zatiaľ nie je, ale ako skúška konceptu skrátenia tzv. fázy objavu vo vývoji liečív sa to počíta.

O 5 rokov dostanete infarkt. Nie, nie ste u veštkyne, ale u AI
Predstavte si, že by ste vedeli päť rokov dopredu, že máte veľkú šancu dostať infarkt. To je pomerne dlhá doba, počas ktorej sa dá tento stav zvrátiť- úpravou životného štýlu, stravy, vhodnými liekmi. Využili by ste tento čas?

Obvyklou procedúrou pri bolesti za hrudnou kosťou je koronárne CT. Ak toto vyšetrenie neukáže žiadne zúženia ciev alebo blokády, čo býva v 75% prípadoch, pacient je obyčajne poslaný domov. Napriek tomu mnoho z týchto pacientov prekoná v nasledujúcich rokoch srdcový infarkt, ktorý často skončí smrťou. Neexistuje žiadna rutinná metóda, ktorá by pomohla lekárom identifikovať varovné signály stavu srdcových ciev, ktoré na pohľad vyzerajú normálne.

Vedci z Oxfordu prišli s diagnostikou, ktorú im pomohla vyvinúť umelá inteligencia a to konkrétne metóda strojového učenia. Diagnostický postup sa nazýva „fat radiomic profile“ a deteguje aj malé zmeny v perivaskulárnej oblasti ciev, zásobujúcich srdce. Tieto zmeny odrážajú zápalové procesy, zjazvenia a vytváranie nových ciev. Nový postup môže zachrániť tisícky životov, keď bude pridaný ako štandardná metóda ku koronárnemu CT. Veľkou výhodou je aj možnosť personalizovanej starostlivosti, keď každému pacientovi môže byť následne odporúčaný postup, ktorý je šitý jemu na mieru.