Когда ученые пытаются диагностировать и лечить заболевание, они зачастую ищут мутации в одном-единственном гене, который рождает проблему. Или же они изучают среднестатистические эффекты мутации, которые приводят к заболеванию всего поколения. Однако оба таких подхода игнорируют сложность и специфику других причин распространения заболевания — демографическую информацию, белки, множественное взаимодействие генов, воздействие окружающей среды и многое другое.

До недавнего времени компьютеры не были достаточно мощными, чтобы анализировать всю эту информацию о здоровье; также не было достаточных объемов данных для анализа. Однако развитие искусственного интеллекта может подстегнуть взаимодействие с крупными массивами медицинских данных, в том числе и способность быстро секвенировать полные геномы и быстро добывать молекулярную информацию. ИИ может сделать точную медицину реальностью, и однажды она может научиться идентифицировать уникальные особенности индивида, которые могут привести к определенным заболеваниям, и определять метод их лечения.

«В этом вся точная медицина. Каждый из нас отличается от другого, все мы уникальны генетически, поэтому каждый должен получать лечение с учетом нашего генетического разнообразия и истории окружающей нас среды, — говорит Джейсон Мур, начальник отдела информатики Пенсильванского университета. — Поэтому я считаю, что где искусственный интеллект может пригодиться, так это там, где он сможет собирать множественные генетические и экологические факторы вместе, определяя важнейшие подгруппы».

Двое ученых, включая Мура, представили результаты своей работы с ИИ в процессе конференции, посвященной работе с большими объемами данных и предиктивными знаниями для борьбы с болезнями, в Нью-Йоркской академии наук. Медицинский ИИ позволит компьютерам «думать» о геномике, болезнях и лечении, как люди, только быстрее, лучше и масштабнее.

Одно из самых примечательных применений ИИ — это уточнение действий новых лекарств, чего не доставало предыдущим методам. Поскольку разработка одного нового лекарства занимает в среднем до 14 лет и требует порядка 2,6 миллиарда долларов (во всяком случае за рубежом), фармацевтические компании готовы пойти на все, чтобы уменьшить это время и стоимость.

Доктор Нивен Нараин, соучредитель, президент и главный технический директор биофармацевтической компании Berg, рассказал о платформе компании Interrogative Biology AI, которая определила несколько целевых лекарств, которые находятся в разработке уже больше 25 лет. Платформа Berg собрала максимально возможное количество информации о пациентах — от демографической информации и условий окружающей среды до генетических мутаций — чтобы выявить возможности внедрения новых методов лечения. Нараин говорит, что метод Berg скостил время и деньги, необходимые для разработки лекарств, более чем на половину.

«Мы не только сокращаем время производства лекарства; произведенное лекарство будет обладать усиленным эффектом, — говорит Нараин. — Этот показатель сложно переоценить, поскольку если вы сделаете лекарство, допустим, оно поможет 10 000 человек. Но если сделать его быстрее, даже с помощью ИИ, оно может помочь уже 10 000 000 человек, а это большая разница».

Используя свою систему ИИ под названием EMERGENT, лаборатория Мура нашла пять новых биомаркеров, которые могут стать потенциальными целями лекарств для лечения глаукомы. Для этого компании потребовались входные данные о 2300 здоровых и больных индивидах, информация о 600 000 отдельных ДНК и знание специфических генных взаимодействий; все это ввели в EMERGENT. Одна из последовательностей ДНК, выявленная системой ИИ, вызывала глаукому, пять других предоставили новые возможности для разработки лекарств.

Далее, говорит Мур, его группа работает над созданием более эффективных способов визуализации данных, которые могут выдавать компьютеры под управлением ИИ — результаты не будут полезными, если биологи не смогут их интерпретировать, как заблагорассудится. Что самое любопытное, его группа использует видеоигровую платформу Unity 3D для разработки приложений, которые позволяют ученым полностью погружаться в данные и алгоритмы ИИ внутри игровой системы.

«Представьте, что все ваши большие данные живут в видеоигре, а вы пролетаете через нее и находите что-то интересное. Внутри визуализации вам хочется сказать «ага, выглядит интересно» и нажать на кнопку, чтобы запустить анализ на кусочке увиденных данных и получить результат в режиме реального времени. Потом вам захочется полетать еще, увидеть что-то еще, еще раз нажать кнопку и получить аналитический результат. В общем, анализ должен быть сопряжен с визуализацией. Думаю, это произведет революцию в нашем анализе крупных объемов данных».

Правда, Мур считает, что пройдет по меньшей мере двадцать лет, прежде чем ИИ станет доступным и раскроет свой потенциал полностью. Нараин говорит, что первые применения ИИ в медицине обретутся в ближайшие три-четыре года, в основном на государственном уровне; страховые компании начнут поощрять этот анализ крупных данных с целью принятия решений, связанных со здоровьем.

«Думаю, именно ИИ будет толкать движение от данных к знаниям, а от знаний к продуктам, — говорит Нараин. — ИИ поможет нарастить скорость в этом процессе и уберет лишние шумы от истинных сигналов. Эти сигналы и будут обеспечивать движение прогресса».