Post Syndicated from original https://www.toest.bg/izkustveniyat-intelekt-i-personaliziranata-meditsina/

Изкуственият интелект (ИИ) използва сложни изчисления, позволяващи на системата да разсъждава, да се учи и да стига до определени изводи, които са от полза на лекарите при вземане на решения. Служейки си с информация като медицински изображения, биомаркери, медицински данни на пациенти и използвайки инструменти като конволюционни невронни мрежи* и регресионни модели, той има за цел да създаде персонализации, адаптирани към всеки пациент, с приложение в реалната клинична практика.

Въпреки че ИИ има голям потенциал в областта на медицината, етичната сложност на приложението му изисква допълнителни анализи и доказателства за медицинската му ефикасност и икономическата му стойност, както и създаването на мултидисциплинарни методи за по-широкото му внедряване в клиничната практика.

Персонализирана медицина

Персонализираната медицина е медицински модел, който има за цел да предостави специално разработени стратегии за превенция и лечение. Съветът на здравните министри на ЕС дефинира персонализираната медицина като

медицински модел, използващ характеризиране на фенотипове и генотипове на индивиди (чрез молекулярно профилиране, медицински изображения, информация за начина на живот и др.) за избор на терапевтична стратегия при конкретен пациент в определен период от живота му, за определяне на предразположеност към дадено заболяване, за навременна и целенасочена профилактика.

Персонализираната медицина все още се развива и пред нея стоят много предизвикателства преди пълното ѝ приложение в системите за здравеопазване. Новите генетични технологии, обобщавани с термина „омик“ технологии, позволяват на учените да използват генетичната информация на пациентите, за да определят по-добре правилното лекарство, доза и период на прием. Използването на тези технологии ни доближава по-близо до персонализираната медицина.

Изкуствен интелект

През 1956 г. Джон Маккарти въвежда термина „изкуствен интелект“ на конференция, посветена на компютърните науки в колежа „Дартмут“. По-късно същата година Алън Нюел, Дж. К. Шоу и Хърбърт Саймън създават Logic Theorist, първата работеща софтуерна програма за ИИ.

В най-простата си форма ИИ е област, която съчетава компютърни науки и огромен набор от данни, за да даде възможност за решаване на проблеми. Той също така обхваща част от машинното обучение и дълбокото обучение (machine learning, deep learning), споменавани често, когато става въпрос за ИИ. Тези дисциплини са изградени от ИИ алгоритми, които създават системи, правещи прогнози или класификации въз основа на входирани данни.

Приложение на изкуствения интелект в медицината

В момента ИИ в медицинските среди се използва основно за анализ на изображения от медицински изследвания. Стандартите за използването на ИИ в медицината все още са в процес на дефиниране. Възможността ИИ да бъде от по-значима полза за лекарите, изследователите и пациентите нараства експоненциално. В бъдеще той ще е основна част от цифровите здравни системи, които ще формират и поддържат съвременната медицина.

Моделите на машинно обучение може да се използват за наблюдение на жизнените показатели на пациенти. Докато медицинските устройства от типа на сърдечните монитори проследяват жизнените показатели, ИИ може да събира данните от тези устройства и да извършва анализ с цел търсене на заболявания. Изследванията показват, че ИИ, захранван от изкуствени невронни мрежи, може да бъде също толкова ефективен, колкото лекарите при откриване на симптоми например на рак на гърдата.

Първоначалното синтезиране на лекарства често е един от най-дългите и най-скъпи етапи при разработването на лекарствени продукти. Тук ИИ може да помогне за намаляване на разходите основно по два начина: създаване на по-добър дизайн на лекарства и откриване на нови комбинации от лекарствени препарати.

Къде се срещат ИИ и персонализираната медицина?

Геномиката, биотехнологиите и ИИ поставят отделния пациент в центъра на избора на лечение, създават големи бази данни за анализ и са основата на прецизната медицина. 

Падането на цената на секвениране на генома, усъвършенстването на биотехнологиите и навлизането на приложенията за смартфони, които проследяват здравето ни, водят до редица предизвикателства в съвременната медицина, свързани с необходимост от допълнително обучение на медицинския персонал и невъзможност за обработване на огромното количество данни. В ролята на помощници влизат алгоритмите за задълбочено обучение, които за кратко време анализират и интерпретират т.нар. big data.

През последните години няколко компании работят по въвеждането на ИИ в медицината. Google има изследователски клон, свързан с ИИ, който работи по проекта DeepMind Health. Идеята е да се събират и анализират данни от медицински досиета, за да се подобрят медицинските услуги. Google участва и в съвместен проект с фондацията на клиниката по очни болести Moorfields NHS Foundation Trust. Moorfields споделят с DeepMind един милион анонимни резултата от изследвания с очен скенер, придружени с информация за здравословното състояние на очите на пациентите и наличието на очни заболявания.

IBM работят по програмата Medical Sieve, насочена към радиологията и кардиологията. Идеята им е в бъдеще радиолозите да разглеждат само най-комплексните случаи, при които е необходимо човешко наблюдение. Компанията Deep Genomics работи върху търсенето на модели в големи бази данни от генетична информация и медицински досиета. Целта е установяване на мутации и връзката им с определени заболявания.

Въпреки ползите от внедряването на ИИ в персонализираната медицина, алгоритмите може да не са достатъчно ефективни при поява на нови, неописани странични ефекти от лекарства или новоустановена резистентност към дадено лечение. Изкуственият интелект трябва да е средство за помощ на лекаря, а не е предназначен да замени традиционната връзка лекар–пациент. Отменяйки лекаря в някои рутинни, повтарящи се моменти от работата, ИИ би могъл да предостави възможност на медиците да обръщат по-задълбочено внимание на пациентите си, което безспорно ще подобри връзката помежду им. Подобни задачи може да се делегират на ИИ само при условие че остане безопасен, регулиран и достатъчно ефикасен като средство за усъвършенстване на здравеопазването.

Етична рамка при използването на ИИ в медицината

Повдигат се редица етични въпроси, свързани със събирането и обработката на данни на пациентите в една система на здравеопазване, която теоретично би могла да се управлява от ИИ. Как ще се гарантират поверителността и сигурността на информацията? Пациентите трябва да са информирани как ще бъдат използвани техните данни от ИИ приложения, и е редно да им се предостави възможност за отказ.

От друга страна, нужно е работещите в здравеопазването да са добре запознати с новите отговорности, които биха носили при възникване на грешки в процесите на съхраняване и споделяне на данни, получени чрез ИИ. Освен това здравните специалисти трябва да оценяват критично препоръките, дадени от инструментите с ИИ. И не на последно място, медиците следва да бъдат откровени с пациентите си относно използването му в здравеопазването.

В САЩ съществува закон за преносимост и отчетност на здравното осигуряване, който определя стандарти за поверителност и сигурност на здравните данни на пациентите. Американската администрация по храните и лекарствата също има свой набор от разпоредби, осигуряващи регулация на начина, по който софтуер, включително приложения с ИИ, се използва в здравеопазването. Европейският съюз е въвел Общ регламент за защита на данните (GDPR), включващ правила за обработката на данни на пациенти с инструментите на ИИ.

Индивидуален vs. популационен подход

Напредъкът на персонализираната медицина заедно с навлизането на ИИ в здравеопазването цели внедряване на индивидуален подход за контрол на заболявания в замяна на настоящия популационен подход. Персонализираната медицина, ИИ и подробната информация за болестните състояния представляват значителен шанс за намаляване на разходите при използването на универсален подход в общественото здраве.

Предимствата, които са предоставени от ИИ моделите за анализиране на обширна, сложна биомедицинска информация, имат огромен потенциал за ускоряване на израстването и развитието на генетичната медицина. Въпреки това трябва да бъдат преодолени многобройни препятствия, в случай че ИИ оправдае високите очаквания за революция в геномната медицина.

---

* Конволюционна невронна мрежа – мрежова архитектура за deep learning, която се учи директно от данни, като се премахва необходимостта от ръчно извличане на функции.

Post Syndicated from original https://www.toest.bg/da-prochetesh-neprochetimoto-kak-razchetoha-choveshkiya-genom/

Двойната спирала

Всички са чували за ДНК, или двойната спирала. Но какво всъщност се крие в тази структура, наподобяваща спираловидното стълбище към кабинета на професор Дъмбълдор в магическото училище „Хогуортс“? ДНК съдържа пълните инструкции за развитието на една клетка, тъкан, орган. Звучи почти като фантастика, но дезоксирибонуклеиновата киселина има 521 години полуживот, което означава, че половината ДНК от една проба деградира за тези 521 години.

ДНК в една клетка в „разплетено“ състояние (подобно на развито кълбо прежда) е дълга два метра. За да се събере цялата тази информация, тя е в компактно състояние, наречено хромозома. Хромозомата е „кълбо от прежда“, което се развива само при нужда, тоест тя променя компактното си състояние само ако даден ген е активен и е на път да се превърне в РНК и оттам в белтък.

В центъра на всички човешки клетки (ядрото) има 46 броя хромозоми (две двойки по 23 – диплоиден набор). Понятието „геном“ включва всъщност точно тези 23 хромозоми (хаплоиден набор). Единствените клетки с 23 хромозоми са половите (яйцеклетки и сперматозоиди), тъй като след сливането им се осигурява диплоидният набор и генетичното разнообразие.

Проектът за човешкия геном

Преди 70 години учените са установили структурата на ДНК. Тя е изградена от нуклеотиди, които са съставени от азотни бази, захар, наречена дезоксирибоза, и фосфатна група. Макар през 1963 г. Джеймс Уотсън, Франсис Крик и Морис Уилкинс да печелят Нобелова награда за откритието си, няма как да не се отбележи, че редица други учени са участвали в процеса и имат не по-малки заслуги: органичният химик Александър Тод, биохимикът Ървин Чаргаф, биофизикът Розалинд Франклин и физикохимикът Лайнъс Полинг.

Проектът за човешкия геном (1990–2003) е смятан за най-важното биомедицинско проучване на ХХ век. Освен самите научни постижения, той е от изключителна значимост, защото дава начало на идеята за публично споделяне на научните данни и разглежда въпроса за етиката при биомедицинските изследвания. Друга отличителна черта на проекта е, че учените изследват неизвестното в биологичния свят, а не както по принцип се провежда една научна разработка – с изказване на научна хипотеза/теория и последващото ѝ приемане или отхвърляне.

Проектът е интернационален и целта му е била да се секвенира (разчете) целият човешки геном, както и геномът на няколко други организъма (бактерията Escherichia coli, дрождите, винената мушица и мишките). Целите на проекта и начертаният план са се променяли в хода им и е интересно да се отбележи, че той е приключил цели две години по-рано от планираното, надминавайки очакванията и представите на учените, които са обмисляли идеята още през 1988 г.

Какво представлява разчитането на един геном?

Геномът е изграден от определени последователности (секвенции), подобно на книга, състояща се от изречения, изградени от думи, а думите – от букви. Секвенирането на ДНК представлява определянето на подредбата на азотните бази, които я изграждат. Това са аденин (А), цитозин (Ц), гуанин (Г) и тимин (Т). Голяма част от усилията на участниците в Проекта за човешкия геном са насочени именно към развитието на технологиите, разчитащи генома (т.нар. секвенатори).

Разчетеният човешки геном не е само на един човек. В проекта са участвали анонимни доброволци, подписали информирано съгласие за използване на техния генетичен материал (кръвна проба) за научни изследвания.

Проектът е публично финансиран, като първоначалните средства за обезпечаването му са възлизали на 3 млрд. долара за планирания 15-годишен период. Изразходваната сума трудно може да се изчисли с точност, тъй като участниците са от 20 университета от САЩ, Великобритания, Франция, Германия, Япония и Китай, но се смята, че е близка до първоначално заложената. Въпреки огромната сума, постигнатите резултати със сигурност си заслужават отделените средства, време и труд. Икономическите ползи от развитието на геномиката, като например напредъкът във фармацевтичната и биотехнологичната индустрия, са за поколения напред.

Един от най-интересните аспекти на проекта са т.нар. Бермудски принципи. След две срещи на учените от проекта в Бермуда е взето решение всеки разчетен участък от генома да бъде почти веднага публично достъпен. Това решение за прозрачност и информираност при споделянето на данни от биомедицински изследвания е безценно.

Въпреки многогодишната работа и неоспоримите ползи от Проекта за човешкия геном, всъщност нашият геном не е разчетен напълно при приключването на първоначалната работа през 2003 г. Геномът ни носи информация за производството на РНК и белтъци в участъци, известни като екзони, но той е изграден и от интрони. Доскоро се смяташе, че интроните не кодират никаква информация и са излишни и непотребни (т.нар. junk DNA). ДНК съдържа и по-комплексни и често повтарящи се участъци, които затрудняват разчитането ѝ.

През 2000 г. Консорциумът за секвениране на човешкия геном съобщава, че геномът ни е 90% разчетен, но с цели 150 000 неизвестни области от ДНК, познати като „празнини“. През 2003 г. Консорциумът съобщава за подобрения в разчитането на генома и почти пълното му завършване – 92%, с 400 останали празнини.

През 2013 и 2019 г. Консорциумът за референтен геном добавя поправки и подобрения към публично наличната информация за разчетения геном.

Разшифроване на последните 8 процента от човешкия геном

На 31 март 2022 г. консорциумът „От теломер до теломер“ съобщава, че е запълнил останалите празнини и напълно завършеният човешки геном вече е факт. Полученият пълен геном (означаван като T2T-CHM13) вдига 20-годишната бариера, която ни е делила от оставащите 8%. Те включват всички центромерни райони на хромозомите (структура, която играе основна роля при разделянето на ДНК по време на деленето на клетката) и целите къси рамена на 5 хромозоми (13-та, 14-та, 15-та, 21-ва и 22-ра).

Късите рамена на тези хромозоми се състоят от хиляди повторения и гените носят информация за производството на т.нар. рибозоми. Рибозомите са структури от изключително важно значение, тъй като те изграждат всички белтъци, необходими за функционирането на една клетка. Високото ниво на генетични вариации в центромерите е златна мина, която тепърва ще се копае, за да се установи функционалното им значение.

Учените съобщават, че са добавили около 200 млн. ДНК бази. Всичко това не би било възможно без разработването и внедряването на най-новите секвенатори на Oxford Nanopore и Pacific Biosciences. Секвенаторите са машини, които четат азотните бази от ДНК (А, Г, Ц и Т), и след това софтуер ги подрежда. ДНК се изолира от генетичния материал (например кръв), след това се подготвя т.нар. ДНК библиотека. Секвенаторът не може да чете цялата ДНК, защото е прекалено дълга. Затова тя се накъсва (фрагментира), маркират се краищата на всеки фрагмент и след като секвенаторът ги прочете, софтуерът ги подрежда. Новата технология за секвениране позволява разчитането на по-дълги участъци с точност над 99%.

Следващата стъпка

Наличното пълно разчитане на човешкия геном е предпоставка за установяването на още гени, предразполагащи към определени заболявания. Общият поглед над целия геном без празнини или „скрита“ ДНК ще даде възможност на учените да изяснят множество въпросителни относно човешкото здраве и еволюция.

Въпреки че CHM13 представлява пълният геном, той не обхваща целия спектър от генетичните вариации при човека. Поради тази причина консорциумът „От теломер до теломер“ вече е обединил силите си с Консорциума на човешкия референтен пангеном с цел събирането на висококачествени референтни геноми от разнообразни проби.

Персонализираната медицина днес и в близкото бъдеще

Анализът на огромната информация от индивидуалните различия на гените позволява създаването на персонализираната (прецизна) медицина. Морето от информация, известно като Big Data, се анализира с алгоритми, основаващи се на машинно обучение. Приложението им в персонализираната медицина ще помогне за разработването на нови лекарства за терапия на генетични заболявания.

Напредъкът в машинното обучение, като изкуствения интелект и дълбокото обучение, са част от кутията с инструменти, подготвяна за предстоящите изследвания на геномната информация. Прогресът в тези области е неотменна част от иновациите, които тепърва предстоят в областта на персонализираната медицина.

Заглавно изображение: Кариограма на човек (хромозомите, подредени по размер, вид и брой). Източник: Wikimedia Commons