Ez a harmadik rész egy hatrészes sorozatban, amely azt vizsgálja, hogyan változtatja meg az AI az orvosi kutatást és kezeléseket.

A petefészekrák “ritka, alulfinanszírozott és halálos” – mondja Audra Moran, a New York-i székhelyű, globális jótékonysági szervezet, a Petefészekrákkutató Szövetség (Ocra) vezetője.

Mint minden rákos megbetegedést, a petefészekrákot is minél korábban fedezik fel, annál jobb.

A legtöbb petefészekrák a petevezetékben kezdődik, így mire a petefészekbe kerül, már máshol is elterjedhetett.

“Öt évvel azelőtt, hogy valaha is jelentkeznének a tünetek, a petefészekrákot fel kell fedezni, hogy befolyásoljuk a halálozást” – mondja Moran asszony.

De új vérvizsgálatok jelennek meg, amelyek a mesterséges intelligencia (AI) erejét felhasználva már a rák korai stádiumában felismerik a rák jeleit.

És nem csak a rákról van szó, az AI más vérvizsgálatokat is felgyorsíthat a potenciálisan halálos fertőzések, például a tüdőgyulladás kimutatására.

Dr. Daniel Heller a New York-i Memorial Sloan Kettering Rákközpont orvosbiológiai mérnöke.

Csapata olyan vizsgálati technológiát fejlesztett ki, amely nanocsöveket használ – olyan apró széncsöveket, amelyek körülbelül 50 000-szer kisebbek, mint egy emberi hajszál átmérője.

Körülbelül 20 évvel ezelőtt a tudósok olyan nanocsöveket kezdtek felfedezni, amelyek képesek fluoreszcens fényt kibocsátani.

Az elmúlt évtizedben a kutatók megtanulták, hogyan lehet megváltoztatni ezeknek a nanocsöveknek a tulajdonságait, hogy szinte bármire reagáljanak a vérben.

Most már lehetséges, hogy nanocsövek millióit helyezzék egy vérmintába, és különböző hullámhosszú fényt bocsátanak ki aszerint, hogy mi tapad rájuk.

De ezzel még mindig hátra volt a jel értelmezésének kérdése, amit Dr. Heller az ujjlenyomat egyezéséhez hasonlít.

Ebben az esetben az ujjlenyomat az érzékelőkhöz kötődő molekulák mintázata, különböző érzékenységgel és kötőerősséggel.

A minták azonban túl finomak ahhoz, hogy egy ember ki tudja venni őket.

“Ránézhetünk az adatokra, és egyáltalán nem fogjuk értelmezni őket” – mondja. “Csak a mintákat láthatjuk, amelyek az AI-vel különböznek”.

A nanocsövek adatainak dekódolása azt jelentette, hogy az adatokat be kellett tölteni egy gépi tanulási algoritmusba, és meg kellett mondani az algoritmusnak, hogy mely minták származnak petefészekrákos betegektől, és melyek azoktól, akiknek nincs petefészekrákjuk.

Ezek közé tartozott a rák más formáiban, vagy más nőgyógyászati betegségben szenvedő, a petefészekrákkal összetéveszthető emberektől származó vér is.

A mesterséges intelligencia felhasználásának nagy kihívása a petefészekrák kutatásához szükséges vérvizsgálatok kifejlesztésében az, hogy a petefészekrák viszonylag ritka, ami korlátozza az algoritmusok képzéséhez szükséges adatokat.

És még ezeknek az adatoknak a nagy része is a kezelő kórházakban van silózva, minimális adatmegosztással a kutatók számára.

Dr. Heller az algoritmus kiképzését a mindössze néhány 100 beteg rendelkezésre álló adatain “üdvözlégy Mária-passzként” írja le.

De azt mondja, hogy a mesterséges intelligencia jobb pontosságot tudott elérni, mint a ma elérhető legjobb rákbiomarkerek – és ez csak az első próbálkozás volt.

A rendszert további vizsgálatoknak vetik alá, hogy kiderüljön, lehet-e javítani rajta nagyobb szenzorcsoportok és sokkal több pácienstől származó minták felhasználásával. A több adat javíthatja az algoritmust, ahogyan az önvezető autók algoritmusai is javulhatnak a több utcai teszteléssel.

Dr. Heller nagy reményeket fűz a technológiához.

“Amit szeretnénk, az az összes nőgyógyászati betegség triázsolása – tehát amikor valaki bejön egy panasszal, tudunk-e adni az orvosoknak egy olyan eszközt, amely gyorsan megmondja nekik, hogy nagyobb valószínűséggel rákos vagy nem, vagy ez a rák, mint az.”

Dr. Heller szerint ez még “három-öt év múlva” lehetséges.

Az AI nem csak a korai felismerésben lehet potenciálisan hasznos, hanem más vérvizsgálatok felgyorsításában is.

Egy rákos beteg számára a tüdőgyulladás elkapása halálos lehet, és mivel körülbelül 600 különböző organizmus okozhat tüdőgyulladást, az orvosoknak több vizsgálatot kell elvégezniük a fertőzés azonosításához.

Az új típusú vérvizsgálatok azonban egyszerűsítik és felgyorsítják a folyamatot.

A kaliforniai székhelyű Karuis mesterséges intelligenciát (AI) használ, amely 24 órán belül segít azonosítani a tüdőgyulladás pontos kórokozóját, és kiválasztani a megfelelő antibiotikumot hozzá.

“A mi tesztünk előtt egy tüdőgyulladásos betegnek 15-20 különböző vizsgálatot kellett elvégeznie a fertőzésének azonosítására csak a kórházban töltött első héten – ez körülbelül 20 000 dollárnyi tesztelés” – mondja Alec Ford, a Karius vezérigazgatója.

A Karius rendelkezik egy olyan mikrobiális DNS-adatbázissal, amely több tízmilliárd adatpontot tartalmaz. A betegektől származó vizsgálati mintákat össze lehet hasonlítani ezzel az adatbázissal a pontos kórokozó azonosítása érdekében.

Ford úr szerint ez lehetetlen lett volna a mesterséges intelligencia nélkül.

Az egyik kihívás az, hogy a kutatók jelenleg nem feltétlenül értik az összes olyan kapcsolatot, amelyet egy mesterséges intelligencia létrehozhat a vizsgálati biomarkerek és a betegségek között.

Dr. Slavé Petrovski az elmúlt két évben kifejlesztett egy Milton nevű mesterséges intelligencia platformot, amely a brit biobank adataiból származó biomarkerek segítségével 120 betegséget azonosított több mint 90%-os sikerrel.

Ilyen adattömegben mintákat találni csak az AI képes.

“Ezek gyakran összetett minták, ahol nem biztos, hogy egyetlen biomarker van, hanem a teljes mintát kell figyelembe venni” – mondja Dr. Petrovski, aki az AstraZeneca gyógyszeripari óriáscég kutatója.

Dr. Heller hasonló mintaillesztési technikát alkalmaz a petefészekrákkal kapcsolatos munkájában.

“Tudjuk, hogy a szenzor a vérben lévő fehérjékhez és kismolekulákhoz kötődik és reagál rájuk, de nem tudjuk, hogy a fehérjék vagy molekulák közül melyek a rákra jellemzőek” – mondja.

A szélesebb körű adatok, illetve azok hiánya még mindig hátrányt jelent.

“Az emberek nem osztják meg az adataikat, vagy nincs rá mechanizmus” – mondja Moran asszony.

Az Ocra egy nagyszabású betegnyilvántartást finanszíroz, olyan betegek elektronikus orvosi nyilvántartásával, akik lehetővé tették a kutatók számára, hogy algoritmusokat képezzenek az adataikon.

“Korai még – még mindig a mesterséges intelligencia vadnyugati részén vagyunk” – mondja Moran asszony.