Medicina in farmacija se utapljata v morju podatkov

V procesu pospešene digitalizacije, ki pospravlja na smetišče zgodovine marsikatere besede in opise iz analognega sveta, se, vsaj v pogovornem jeziku, ohranjajo tudi kakšne slikovite prispodobe, kot je »silos podatkov«. Tako naj bi si ljudje vsaj približno predstavljali neskončne količine giga, tera in drugih »bajtov« podatkov, ki se kopičijo predvsem v biomedicini in farmaciji. Z novimi tehnologijami za analizo, osmišljanje in koristno rabo teh podatkov pa se ukvarjajo poznavalci umetne inteligence, med katerimi je tudi uveljavljena slovenska rojakinja v ZDA dr. Marinka Žitnik.

Že med študijem in z doktoratom na ljubljanski fakulteti za računalništvo in informatiko je opozorila nase z raziskovalnimi dosežki, ki so ji potem odpirali poti po svetu, med drugim na Baylorjevo univerzo v Houstonu, Imperialni kolidž v Londonu in univerzo v Torontu.



Trenutno končuje podoktorske raziskave na Stanfordu, decembra pa se bo preselila »za tri letalske ure bliže Sloveniji«, na vzhodno ameriško obalo, ker so ji na sloviti univerzi Harvard ponudili mesto profesorice. Na tem položaju bo del časa, predvidoma bo po en semester poučevala predmet ali dva s področij, s katerimi se je doslej največ ukvarjala, ter prevzela vlogo mentorice doktorskim študentom. Obenem bo s svojo raziskovalno skupino nadaljevala razvoj metod za reševanje problemov v biologiji in medicini, pri čemer upa na čim več prebojnih dosežkov. Kot strokovnjakinja za strojno učenje, matematično modeliranje in bioinformatiko se je sicer že do zdaj veliko ukvarjala z algoritmi, ki lahko napovedo neželene stranske učinke ob hkratnem jemanju dveh ali več zdravil.

Polifarmakoterapija, torej zdravljenje z vse večjim številom zdravil, je pojav, razširjen povsod v razvitem svetu. Tako poročajo, da skoraj polovica starejših od 65 let redno uživa okoli pet zdravil hkrati, neredki po deset, nekateri pa celo dvajset, kar, razumljivo, dodatno ogroža bolnike in povečuje stroške zdravljenja.

Sekvenciranje šele prvi korak

Ob tem velja spomniti, kako se je ob prelomnem razkritju v biomedicini, sekvenciranju genoma in razvozlanju zaporedja nukleotidov pred dvajsetimi leti vzbudilo pričakovanje, da bomo z novim znanjem hitro in učinkovito rešili »vse medicinske probleme sodobnega sveta«. To se seveda ni zgodilo, je pa danes mogoče za zelo sprejemljivo ceno sekvencirati genom kateregakoli posameznika.



Kot pripoveduje Žitnikova, se je ta postopek tako pocenil, da se tehnologije, ki so bile včasih uporabne zgolj v raziskovalne namene, zdaj praktično ali celo rutinsko uporabljajo v kliničnem okolju, pri zdravljenju bolnikov. Tako se kopičijo podatki, ki nastajajo pri bazičnem raziskovanju, saj najrazličnejši biotehnološki pristopi omogočajo čedalje bolj poglobljeno spremljanje in merjenje aktivnosti na ravni genov, celic, organov, tkiv in interakcij med njimi. Ob tem pa se tudi v kliničnem okolju nenehno povečuje količina raznovrstnih in razdrobljenih podatkov, ki imajo le to skupno lastnost, da jih je veliko, obenem pa noben tip in posamične analize ne dajo uporabnih rešitev.

Prav zato je po besedah sogovornice treba razvijati učinkovita orodja za zdravnike in drugo medicinsko osebje, da bi jim olajšali strokovne odločitve, poenostavili administrativne postopke in omogočili več časa za neposredno obravnavo bolnikov.

Algoritem »vidi« več in je hitrejši

Kot pojasnjuje, si s pomočjo umetne inteligence prizadevajo razviti orodja, ki bi zdravniku glede na veliko količino podatkov pomagala pri postavitvi diagnoze in načrtovanju nadaljnjih preiskav. Algoritem, ki je »videl« morda že na tisoče drugih pacientov z zelo podobnim kliničnim ozadjem, namreč ponudi zdravniku v presojo, katere preiskave, postopki in zdravila bi bili za konkretnega pacienta najbolj primerni. Med drugim so tako na Stanfordu že razvili uporabno računsko metodo, s katero je mogoče napovedati neželene stranske učinke pri uporabi različnih kombinacij zdravil, načrtujejo pa razvoj še drugih orodij, ki bi bila primerna tako za klinično medicino kot raziskovalce v biomedicini in farmaciji.



Z orodji umetne inteligence po besedah sogovornice podpirajo tudi nadaljnji razvoj tako imenovane personalizirane, osebne ali precizne medicine. To pa ne vključuje, kot običajno mislimo, le bolj pretehtanega in skrbnega predpisovanja zdravil, med drugim glede na vse bolj dosegljive podatke o genski sliki bolnika, morebitnih mutacijah in podobno. Algoritmi kot pripomočki naj bi pomagali oblikovati celovitejšo sliko o bolniku z različnih vidikov, od laboratorijskih, kliničnih in drugih podatkov, da bi pri vsaki obravnavi zdravnik lažje izbral najbolj optimalno rešitev.

Pričakovanja in pomisleki

Kot znanstvenica, ki se ukvarja z matematičnim modeliranjem, umetno inteligenco, strojnim učenjem in analizo velikih in heterogenih bioloških in medicinskih podatkov, Žitnikova pravi, da razume previdnost in zadržanost nekaterih kliničnih strokovnjakov, ki jih tovrstna orodja sicer zanimajo, vendar imajo pomisleke o zanesljivosti, varnosti oziroma varovanju podatkov, uporabnosti algoritmov, ki se lahko tudi zmotijo in ponudijo morda nesmiselna priporočila, ko se podatki zaradi različnih razlogov spremenijo, nastajajo šumi in podobno.



Poudarja, da pri vseh projektih, ki jih šele razvijajo in testno uvajajo v nekaterih kliničnih okoljih, intenzivno sodelujejo z zdravniki, biologi, kliničnimi farmacevti in drugimi strokovnjaki, ki so oziroma bodo končni uporabniki takih sistemov. Tako si prizadevajo, da bi z interdisciplinarnim sodelovanjem razvili uporabna in prijazna orodja in se izognili očitkom o dodatnih administrativnih obremenitvah medicinskega in drugega osebja.

Algoritmi tudi za redke bolezni

Strokovni izziv so, kot dodaja, tudi redke bolezni. Celo zdravniki na najboljših klinikah se verjetno zelo redko srečajo z bolnikom s katero od teh bolezni. Z razvojem ustreznih algoritmov, ki zbirajo in analizirajo podatke o bolnikih z redkimi boleznimi z vsega sveta, pa je mogoče precej prispevati k hitrejšemu odkrivanju in učinkovitejši obravnavi teh bolnikov, pri čemer so »znova lahko zelo koristni prav matematični modeli oziroma algoritmi. Z njimi je mogoče sočasno analizirati različne podatke za številne ali vse znane redke bolezni in včasih tako odkrijejo možnost zdravljenja s kakšnim zdravilom, ki se že uporablja za kakšno drugo bolezen. V strokovni rabi je za to znan izraz repozicioniranje zdravil. V preteklosti se je oziroma v praksi se to v glavnem odkriva po naključju, z algoritmi pa bi to lahko delali načrtno tako za redke kot za različne druge bolezni.«

Umetna inteligenca v farmaciji

Marinka Žitnik je med podoktorskim raziskovanjem precej sodelovala s farmacevtskimi družbami. Kot ugotavlja, se te prav tako vse bolj zanimajo za sodelovanje z akademskimi institucijami pri razvijanju novih orodij oziroma algoritmov za upravljanje, raziskovanje in uporabo velikanskega števila podatkov, ki jih hranijo v »podatkovnih silosih«.



V farmacevtski industriji je še naprej ključno vprašanje, kako izmed desetin in desetin milijonov molekul izluščiti obetavne, pri katerih je najbolj verjeten pozitiven terapevtski učinek. Ta kompleksni in dolgotrajni proces v sodobnem času spremljajo še vse strožje zahteve glede varnosti zdravilnih učinkovin oziroma končnih zdravil. To je še toliko bolj pomembno, ker predvsem starejši, ki imajo lahko več kroničnih bolezni, obenem pa so slabše imunsko odporni in krhki, redno in dolgotrajno jemljejo večjo količino zdravil. Zanje morajo proizvajalci sicer že zdaj dokazati, da so varna in učinkovita. A to velja le za vsako zdravilo posebej.

Veliko težje pa je oziroma s standardnimi načini preizkušanja sploh ni mogoče preverjati posledic vseh možnih kombinacij že manjšega, kaj šele velikega števila od več tisoč zdravil, kolikor jih je danes na voljo. Tako tudi zaradi te kompleksne problematike pri razvoju in optimizaciji novih zdravil že v zgodnjih in zlasti poznejših fazah, ko se že uporabljajo skupaj z drugimi zdravilnimi učinkovinami, ne gre brez uporabe sodobnih orodij in modeliranja različnih kombinacij, ki jih razvijajo z umetno inteligenco, da bi predvideli tveganje za nastanek neželenih učinkov ter možnosti preprečevanja ali vsaj zmanjšanja škode.