A hosszú út a laborból a betegekig
A gyógyszerkutatás és orvostechnikai fejlesztés kőkemény világ: egy új gyógyszer piacra juttatása jellemzően 10 évig tart, közel 730 milliárd forintba kerül, és óriási adminisztrációval, szigorú klinikai vizsgálatokkal jár. Nem elég egy hatásos előzetes eredmény: a terméknek valódi, mérhető javulást kell produkálnia embereken, át kell mennie a független vizsgálatokon, és átfogó minőségirányítási rendszert is ki kell építeni. Az új gyógyszeres kezelések, diagnosztikai eszközök vagy az emberi biológia mechanizmusainak feltárása is évtizedes tudományos munka gyümölcse lehet.
Szűkülő szakadék: Az MI közelebb kerül a klinikai valósághoz
Bár az ígéretek és a befektetések nagyrészt előrébb járnak, néhány biotechnológiai cég már elindult a valódi áttörés útján. Az Insilico Medicine, a Recursion vagy az Owkin példája mutatja, hogy MI által javasolt fejlesztéseket is lehet klinikai vizsgálatba vinni. Az Owkin például saját onkológiai készítményét, az OKN4395-öt már a legkorábbi fázisban, betegeken is teszteli. Emellett a cég évek óta valós betegadatokon tanítja algoritmusait. A tapasztalat egyszerre megerősíti és fejleszti az MI-t: kiderül, hol gyengélkednek az algoritmusok – például ha más országokban, eltérő gépekkel vizsgálják –, és mi az, amiben emberközelibbé lehet őket tenni.
Valós idejű visszacsatolás: Az MI fejlődik a páciensek révén
Az innováció kulcsa a folyamatos visszacsatolás. Ma már új típusú klinikai vizsgálatok születnek, ahol nemcsak a hagyományos mérőszámokat nézik, hanem a vizsgálati adatokkal közvetlenül fejlesztik tovább az MI-t. Ha egy előrejelzés tévedett, az algoritmust újra betanítják a tényleges betegadatokon, így minden páciens egyfajta élő visszacsatolást jelent az MI számára. Minél több a való életből jövő adat, annál pontosabbak lesznek az előrejelzések, és annál közelebb kerülünk ahhoz, hogy ne csak laborban, hanem embereken is működjön az, amit MI-vel fejlesztettünk.
Rugalmasság és komplexitás: Nemcsak klinikai adatból lehet fejlődni
A gépi tanulás igazi ereje abban rejlik, hogy minél gazdagabb, sokszínűbb betegadatokat kap, annál megbízhatóbb lesz. Ezért is van jelentősége a laboratóriumi környezeten kívüli, például beteg eredetű „miniszervek” (ún. organoidok) használatának, ahol a modellek már életszerűbben vizsgázhatnak: ezek több embertől származó, összetett biológiai hátteret hordoznak, miközben nem kell állatkísérletekhez vagy mesterséges sejtvonalakhoz folyamodni.
Aki fejleszt, annak meg kell tapasztalnia a valóság keménységét: a valódi egészségügyi problémák, a modellek korlátai és erősségei csak akkor derülnek ki, ha mindennapi egészségügyi környezetben, embereken használjuk őket.
Álmok és valóság között
Az MI fejlődése robbanásszerű várakozásokat szül, de igazán csak akkor ér valamit, ha a nagy tervekből kézzelfogható, működő megoldások születnek. Az igazi eredmény nem abban van, hogy mennyire elképesztőt ígér egy-egy marketingkampány, hanem abban, ami a klinikák valódi falai között is kiállja az idő próbáját.
