Sztuczna inteligencja może zmienić sposób, w jaki rozumiemy i leczymy idiopatyczne włóknienie płuc (IPF). Naukowcy donoszą o obiecujących wynikach badań z zastosowaniem głębokiego modelu neuronowego UNAGI, który analizuje dane chorobowe i wskazuje potencjalne terapie. Przełomowy algorytm zidentyfikował nie tylko mechanizmy choroby, ale i nowe możliwości leczenia, w tym znany lek o zaskakującym działaniu.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja może wspierać odkrywanie leków przy chorobach płuc.
- Czym jest model UNAGI i jak działa na poziomie komórkowym.
- W jaki sposób AI zidentyfikowała nieoczywisty lek o potencjale przeciwwłóknieniowym.
- Jakie są możliwości zastosowania algorytmów AI w medycynie personalizowanej.
UNAGI – model AI stworzony z myślą o chorobach złożonych
W badaniu opublikowanym w Nature Biomedical Engineering, zespół naukowców z Yale School of Medicine, McGill University i KU Leuven przedstawił nowatorskie narzędzie – UNAGI (unified in-silico cellular dynamics and drug screening framework). To głęboka generatywna sieć neuronowa, która przetwarza dane komórkowe, identyfikuje wzorce genów i ścieżki regulacyjne związane z IPF, a następnie proponuje leki mogące wpływać na postęp choroby.
– Model poszukuje mechanizmów regulacyjnych — tego, co charakteryzuje i kontroluje zmiany — a następnie, korzystając z dostępnych baz danych leków, proponuje również możliwe metody leczenia – podkreśla współautor starszy Naftali Kaminski, dr n. med., profesor medycyny (pulmonologicznej) w Boehringer Ingelheim Pharmaceuticals, Inc. na Yale School of Medicine.
UNAGI analizuje setki tysięcy komórek, samodzielnie ucząc się, które elementy biologiczne są kluczowe dla rozwoju choroby. Może to robić w ciągu kilku godzin lub dni, zależnie od zasobów obliczeniowych.
Nowa jakość w analizie danych – bez potrzeby ponownego szkolenia
W przeciwieństwie do wielu innych modeli AI UNAGI nie wymaga ręcznego ponownego trenowania przy zmianie danych. Model działa iteracyjnie, stale aktualizując swoją wiedzę o komórkach i przebiegu choroby. Pozwala to na szybsze i dokładniejsze wyniki, a także na testowanie wielu leków jednocześnie, bez dużych kosztów czasowych czy finansowych.
– Model ewoluuje, aby zrozumieć coraz więcej na temat choroby – mówi dr Jun Ding, adiunkt w McGill University School of Medicine, kierownik laboratorium specjalizującym się w biologii obliczeniowej.
W ramach badania przetestowano tysiące substancji czynnych, a model wskazał osiem potencjalnych leków, w tym jeden już stosowany w terapii IPF. Co istotne, UNAGI zidentyfikował również nifedypinę – popularny lek na nadciśnienie – jako możliwy środek przeciwwłóknieniowy.
Od predykcji do potwierdzenia: nifedypina kontra włóknienie
Działanie nifedypiny zostało potwierdzone w warunkach laboratoryjnych. Gdy lek zastosowano na fragmentach ludzkiej tkanki płucnej modelującej IPF, zaobserwowano zahamowanie formowania się bliznowatej tkanki. Choć nie przesądza to o skuteczności klinicznej, pokazuje potencjał metody. UNAGI trafnie typuje ścieżki molekularne, które wcześniej pozostawały poza zakresem analiz.
Sztuczna inteligencja i medycyna – kierunek przyszłości
Twórcy UNAGI podkreślają, że algorytm ma zastosowanie nie tylko w IPF, ale też w analizie starzenia się czy chorób zakaźnych – co udowodniono, stosując model również w analizie danych COVID. Połączenie wysokiej rozdzielczości danych (np. z sekwencjonowania pojedynczych komórek) z algorytmami AI otwiera nowe możliwości diagnostyczne i terapeutyczne.
W badaniach uczestniczyli również naukowcy z Hannover Medical School, Pacific Northwest National Laboratory, Baylor College of Medicine oraz University of Pittsburgh.
Główne wnioski
- Model UNAGI to innowacyjna sieć neuronowa, która analizuje dane komórkowe i genetyczne, identyfikując mechanizmy chorobowe i możliwe terapie.
- UNAGI przetestował tysiące leków, wskazując osiem potencjalnie skutecznych związków, w tym nifedypinę – lek na nadciśnienie o działaniu przeciwwłóknieniowym.
- Model działa autonomicznie, nie wymaga ponownego trenowania przy nowych danych i integruje je w czasie rzeczywistym.
- UNAGI ma potencjał zastosowania nie tylko w IPF, ale także w analizie starzenia się i innych złożonych stanów chorobowych.
Źródło:
- Yale School of Medicine
