Napredek umetne inteligence v zdravstvu že leta vzbuja visoka pričakovanja pri javnosti, znanstvenikih in vlagateljih. Posebej področje onkologije pogosto izpostavljajo kot primer, kjer naj bi napredni algoritmi v bližnji prihodnosti omogočili preboj pri odkrivanju in zdravljenju raka. A dosedanje izkušnje kažejo, da je razkorak med upi in realnimi dosežki večji, kot se zdi na prvi pogled. Na trg vstopajo tudi nova podjetja, kot je Recursion Pharmaceuticals, ki zagovarjajo preobrat v razumevanju, kako in kdaj lahko umetna inteligenca dejansko prispeva h kliničnim prebojem.
Umetna inteligenca v onkologiji: med pričakovanji in omejitvami
V preteklih letih so največja farmacevtska podjetja in raziskovalni inštituti ogromno vlagali v razvoj umetne inteligence za detekcijo raka na slikovnih preiskavah. Primer take uporabe je analiza mamografij, kjer algoritmi, kot so tisti iz podjetja Google Health, že dosegajo primerljive rezultate kot radiologi pri prepoznavanju zgodnjih znakov bolezni. Podobni pristopi so se uveljavili še pri analizi histopatoloških slik in genetskih podatkov, a v veliki meri predstavljajo izboljšave obstoječih diagnostičnih postopkov in ne novo razumevanje biologije raka.
Pri razvoju zdravil so omejitve še bolj očitne. Orodja umetne inteligence, ki obdelujejo velike zbirke podatkov o učinkovinah in genomih, so za zdaj pripomogla predvsem k hitrejšemu odkrivanju potencialnih tarč, a so glavne ovire še vedno povezane z biološko kompleksnostjo tumorjev. Mnogi raziskovalci, kot so skupine pri MIT in na Inštitutu Broad, opozarjajo, da modeli umetne inteligence pogosto temeljijo na obstoječih, nepopolnih podatkovnih bazah, kar omejuje njihovo uporabnost za prebojno zdravljenje.
Zato tudi strokovnjaki, ki so v preteklosti optimistično napovedovali hitro uporabo umetne inteligence v terapiji raka, danes poudarjajo potrebo po bolj poglobljenih in interdisciplinarnih raziskavah. Etična vprašanja, regulativne ovire in neenakosti pri dostopu do podatkov so dodatne omejitve, ki bodo lahko zavrle napredek, če ne bodo naslovljene v sodelovanju z različnimi deležniki.
Recursion Pharmaceuticals in iskanje nove poti
Podjetje Recursion Pharmaceuticals je v zadnjih letih postalo vidno zaradi pristopa, ki združuje visokozmogljivo eksperimentalno biologijo s podatkovno znanostjo. Namesto da bi zgolj analizirali obstoječe podatkovne zbirke, kot to počne večina konkurentov, v lastnih laboratorijih izvajajo množične eksperimente na človeških celicah in tkivih. S tem ustvarjajo nove, doslej nedostopne podatkovne tokove, ki jih nato obdelujejo z naprednimi modeli umetne inteligence. Po njihovem prepričanju je prav to ključno za preizkušanje hipotez, ki niso bile možne zgolj z analizo že znanih podatkov.
Ta eksperimentalni pristop jim je omogočil vzpostavitev sodelovanja z večjimi farmacevtskimi podjetji in pospešil identifikacijo novih tarč za zdravila. Vendar pa strokovnjaki opozarjajo, da je pot do klinične učinkovitosti dolga, saj je uspeh laboratorijskih modelov potrebno potrditi v kliničnem okolju, kjer vplivajo še številni dejavniki, kot so odziv imunskega sistema in raznolikost bolnikov. Kritiki poudarjajo tudi visoke stroške in tehnične izzive takšnega masovnega eksperimentiranja, poleg tega so postopki regulacije in odobritve novih zdravil pogosto dolgotrajni in zapleteni.
Kljub temu novi igralci, kot je Recursion, s svojimi pristopi kažejo, da je napredek mogoč predvsem s sodelovanjem med podatkovnimi znanstveniki, biologi, zdravniki in regulatorji. Razvoj umetne inteligence v zdravstvu bo zahteval tudi odprtost do nepopolnih rezultatov, nenehne izboljšave podatkovnih tokov in odgovornost pri prenosu eksperimentalnih rešitev v resnično klinično okolje. Kako hitro in učinkovito se bo to udejanilo, ostaja odprto vprašanje. Prav sodelovanje in transparentnost pa bosta po mnenju številnih strokovnjakov odločilna dejavnika za prihodnost umetne inteligence v boju proti raku.
