A mesterséges intelligencia az elmúlt években számos területen hozott forradalmi változást, azonban kétségtelen, hogy ezek közül is kiemelkedik az egészségügy, ami már ma is számtalan különböző módon profitál az MI-alapú megoldások elterjedéséből: a fejlett algoritmusok nem csak az adminisztrációt képesek jelentősen felgyorsítani, de a nagy adathalmazok rendkívül hatékony feldolgozásának köszönhetően eredményesen használhatók a gyógyszerfejlesztés során új, eddig nem ismert hatóanyagok azonosítására, a páciensek kórtörténetének, ezáltal pedig a lehetséges egészségügyi kockázatoknak az elemzésére, a betegségek időben való felismerésére és adott esetben hatékonyabb gyógymódok kiválasztására is.

Ez utóbbi esetében az egyik terület, amiben a mesterséges intelligencia teljesen új utakat nyitott meg, az úgynevezett precíziós orvoslás, amelynek célja, hogy a statisztikai alapon kiválasztott kezelés helyett teljesen személyre szabott kezelést tudjanak nyújtani a betegeknek, jelentősen javítva a gyógyulás esélyeit. Ennek kiemelkedő jelentősége van olyan betegségek esetében, mint például a daganatos megbetegedések, ahol azt, hogy melyik a leghatékonyabb kezelés, ma már a beteg egyedi génhiábi alapján tudják megállapítani.

Ahogy Dr. Peták István, a University of Illinois Chicago professzora az IVSZ által a héten megrendezett SMART 2024 konferencián elmondta, ez a hagyományos módszerekkel gyakorlatilag lehetetlen volt: az orvostudomány mintegy 200 különböző daganattípust tart számon, egy-egy daganattípusnál pedig a betegséget négy-öt gén mutációjának a kombinációja okozza. Mivel a Cancer Genome Project eredményei alapján mintegy 700 olyan különböző gén van, ami daganatot okozhat, így az összes lehetséges kombináció vizsgálata mintegy 14,4 millió évbe telne, tehát ha tudni akarjuk, hogy egy beteg számára melyik lesz a legjobb kezelés, ahhoz "out of the box" megoldásra van szükség.

Peták a '90-es években kezdett molekuláris diagnosztikával foglalkozni, a 2000-es évek elején pedig Schwab Richárddal együtt megalapította az Oncompass Medicine-t, amely jelentős eredményeket ért el a rosszindulatú daganatokat okozó egyéni génmutációk feltérképezésének területén. Peták 2022-ben megalapította az Oncompass Medicine spin-out vállalatát, a Genomate Health-et, amely tavaly bekerült az Egyesült Államok egyik legrangosabb orvosi egyetemének, a Mayo Clinicnek az akcelerátor programjába, ezzel pedig lehetőségük nyílt rá, hogy több millió beteg egészségügyi adatai alapján fejlesszék tovább az algoritmusukat. A digital drug assignment (DDA) névre keresztelt modell a betegek molekuláris profilja alapján rangsorolja a terápiák hatékonyságát, így segítve az orvosokat a leghatékonyabb kezelési mód kiválasztásában.

A módszer hatékonyságát az elmúlt években több kutatás is alátámasztotta: tavaly júniusban az Amerikai Onkológusok Társaságának évente megrendezett konferenciáján a Genomate olyan eredményekről számolt be, amelyek szerint azok a betegek, akiknél algoritmust is használtak a kezelés kiválasztásában, mintegy 70%-kal nagyobb valószínűséggel kaptak hatásos kezelést, a Mayo Clinic accelerátor programjának keretében elvégzett kutatás pedig négyszer hosszabb progressziómentes túlélést jelzett azoknál a betegeknél, ahol a döntési folyamatba a mesteséges intelligenciát is bevonták. Ezek alapján úgy tűnik, hogy az algoritmikus orvoslás jelentősen tudja növelni a daganatos megbetegedések gyógyításának hatékonyságát, nem véletlen, hogy Peták szerint a távolabbi jövőben az orvosok már nem kezeléseket fognak javasolni, hanem az lesz a feladatuk, hogy kiválasszák azt az algoritmust, ami a legmegbízhatóbb eredményeket nyújtja.

(Fotó: IVSZ, Getty Images)

Jelentősen növelheti a rákbetegek kezelésének hatékonyságát egy új magyar eljárás A Neumann Labs jövő héttől elérhető onkológiai tesztje képes kimutatni, hogy melyik kemoterápiás szer lesz a leghatékonyabb a tüdőrákban szenvedő betegek kezelésére.