Οι γιατροί του είπαν ότι θα πέθαινε, αλλά η Τεχνητή Νοημοσύνη του έσωσε τη ζωή - Πώς η ΑΙ μπορεί να «εφεύρει» νέες θεραπείες για σπάνιες ασθένειες

Οι γιατροί του είπαν ότι θα πέθαινε, αλλά η Τεχνητή Νοημοσύνη του έσωσε τη ζωή - Πώς η ΑΙ μπορεί να «εφεύρει» νέες θεραπείες για σπάνιες ασθένειες

Η περίπτωση του γιατρού David Fajgenbaum (ο εικονιζόμενος στη φωτογραφία) και του ασθενή Joseph Coates - Πώς ήδη χρησιμοποιούμενα φάρμακα μπορούν να δώσουν σωτήρια «κοκτέιλ» για επιθετικούς καρκίνους, φλεγμονώδεις διαταραχές και πολύπλοκες νευρολογικές παθήσεις

Οι γιατροί του είπαν ότι θα πέθαινε, αλλά η Τεχνητή Νοημοσύνη του έσωσε τη ζωή - Πώς η ΑΙ μπορεί να «εφεύρει» νέες θεραπείες για σπάνιες ασθένειες
Πριν από περίπου έναν χρόνο, ο Joseph Coates πληροφορήθηκε ότι μόνο ένα πράγμα είχε να αποφασίσει: ήθελε να πεθάνει στο σπίτι ή στο νοσοκομείο;

Ο Coates, 37 ετών τότε, κάτοικος του Renton της Ουάσινγκτον, είχε μόλις και μετά βίας τις αισθήσεις του. Όπως γράφουν οι New York Times, για μήνες πάλευε με μια σπάνια διαταραχή του αίματος, που ονομάζεται σύνδρομο POEMS, η οποία τον είχε αφήσει με μουδιασμένα χέρια και πόδια, διογκωμένη καρδιά και νεφρά σε ανεπάρκεια. Κάθε λίγες ημέρες, οι γιατροί έπρεπε να αποστραγγίζουν λίτρα υγρού από την κοιλιά του. Γρήγορα, η κατάσταση της υγείας του επιδεινώθηκε τόσο, ώστε να καταστεί αναγκαία μια μεταμόσχευση βλαστοκυττάρων -μία από τις μοναδικές θεραπείες, που θα μπορούσαν κάπως να μετριάσουν τις επιπτώσεις της ασθένειάς του.

«Τα παράτησα» είπε. «Απλά πίστευα ότι το τέλος ήταν αναπόφευκτο».

Αλλά η φίλη του Coates, Tara Theobald, δεν ήταν έτοιμη να τα παρατήσει. Έτσι, έστειλε ένα e-mail, εκλιπαρώντας για βοήθεια σε έναν γιατρό στη Φιλαδέλφεια, τον David Fajgenbaum, τον οποίο το ζευγάρι είχε γνωρίσει ένα χρόνο νωρίτερα, σε ένα συνέδριο για τις σπάνιες ασθένειες. Μέχρι το επόμενο πρωί, ο δόκτωρ Fajgenbaum είχε απαντήσει, προτείνοντας έναν αντισυμβατικό συνδυασμό χημειοθεραπείας, ανοσοθεραπείας και στεροειδών, που δεν είχε δοκιμαστεί προηγουμένως ως θεραπεία για τη διαταραχή του Coates. Μέσα σε μία εβδομάδα, ο Coates ανταποκρίθηκε στη θεραπεία. Σε τέσσερις μήνες, ήταν αρκετά υγιής για μεταμόσχευση βλαστοκυττάρων. Σήμερα, εκείνος αναρρώνει και η ασθένεια βρίσκεται σε ύφεση.

Η σωτήρια φαρμακευτική αγωγή δεν επινοήθηκε από τον γιατρό ή από οποιοδήποτε άτομο -τουναντίον, δημιουργήθηκε από ένα μοντέλο Τεχνητής Νοημοσύνης.

Σε εργαστήρια σε όλο τον κόσμο, οι επιστήμονες χρησιμοποιούν την Τεχνητή Νοημοσύνη, για να αναζητήσουν ανάμεσα στα υπάρχοντα φάρμακα, θεραπείες που λειτουργούν για σπάνιες ασθένειες. Η επαναχρησιμοποίηση φαρμάκων, όπως ονομάζεται, δεν είναι κάτι καινούργιο, αλλά η χρήση της μηχανικής μάθησης επιταχύνει τη διαδικασία -και θα μπορούσε να διευρύνει τις δυνατότητες θεραπείας για άτομα με σπάνιες ασθένειες και λίγες επιλογές.

Χάρη στις εκδόσεις της τεχνολογίας που αναπτύχθηκαν από την ομάδα του Δρ Fajgenbaum στο Πανεπιστήμιο της Πενσυλβάνια και αλλού, τα φάρμακα επαναπροσδιορίζονται γρήγορα για παθήσεις όπως σπάνιοι και επιθετικοί καρκίνοι, θανατηφόρες φλεγμονώδεις διαταραχές και πολύπλοκες νευρολογικές παθήσεις. Και, συχνά, αποδίδουν, με τους ερευνητές να θέτουν το ερώτημα: πόσες άλλες θεραπείες κρύβονται σε κοινή θέα;

Υπάρχει ένας «θησαυρός φαρμάκων που θα μπορούσε να χρησιμοποιηθεί για τόσες άλλες ασθένειες. Απλώς δεν είχαμε έναν συστηματικό τρόπο να το εξετάσουμε», δήλωσε ο Donald C. Lo, πρώην επικεφαλής της θεραπευτικής ανάπτυξης στο Εθνικό Κέντρο για την Προώθηση των Μεταφραστικών Επιστημών και επιστημονικός επικεφαλής της Remedi4All, μιας ομάδας που επικεντρώνεται στην επαναχρησιμοποίηση φαρμάκων. «Είναι ουσιαστικά σχεδόν ανόητο να μην το δοκιμάσουμε, επειδή αυτά τα φάρμακα είναι ήδη εγκεκριμένα. Μπορείτε ήδη να τα αγοράσετε στο φαρμακείο».

Τα Εθνικά Ινστιτούτα Υγείας ορίζουν τις σπάνιες ασθένειες ως εκείνες που προσβάλλουν λιγότερους από 200.000 ανθρώπους στις Ηνωμένες Πολιτείες. Υπάρχουν όμως χιλιάδες σπάνιες ασθένειες, οι οποίες συνολικά επηρεάζουν δεκάδες εκατομμύρια Αμερικανούς και εκατοντάδες εκατομμύρια ανθρώπους σε όλο τον κόσμο.

Και όμως, πάνω από το 90% των σπάνιων ασθενειών δεν έχουν εγκεκριμένες θεραπείες και οι φαρμακευτικοί κολοσσοί δεν δεσμεύουν πολλούς πόρους, για να προσπαθήσουν να τις βρουν. Συνήθως δεν υπάρχουν πολλά χρήματα που μπορούν να κερδηθούν από την ανάπτυξη ενός νέου φαρμάκου για έναν μικρό αριθμό ασθενών, δήλωσε η Christine Colvis, επικεφαλής των προγραμμάτων συνεργασίας για την ανάπτυξη φαρμάκων στο NCATS.

Αυτό είναι που κάνει την επαναχρησιμοποίηση φαρμάκων μια τόσο «δελεαστική εναλλακτική» οδό για την εξεύρεση θεραπειών για σπάνιες ασθένειες, δήλωσε η Δρ Marinka Zitnik, αναπληρώτρια καθηγήτρια στην Ιατρική Σχολή του Χάρβαρντ, η οποία μελετά τις εφαρμογές της επιστήμης των υπολογιστών στην ιατρική έρευνα. Το εργαστήριο της Δρ Ζίτνικ στο Χάρβαρντ έχει κατασκευάσει ένα άλλο μοντέλο Τεχνητής Νοημοσύνης για την επαναχρησιμοποίηση φαρμάκων.

Αναζητώντας ενδείξεις σε παλιές έρευνες

Η επαναχρησιμοποίηση είναι αρκετά συνηθισμένη στα φαρμακευτικά προϊόντα: η μινοξιδίλη, που αναπτύχθηκε ως φάρμακο για την αρτηριακή πίεση, έχει επαναχρησιμοποιηθεί για τη θεραπεία της τριχόπτωσης. Το Viagra, που αρχικά κυκλοφόρησε στην αγορά για τη θεραπεία μιας καρδιακής πάθησης, χρησιμοποιείται πλέον ως φάρμακο για τη στυτική δυσλειτουργία. Η σεμαγλουτίδη, ένα φάρμακο για τον διαβήτη, έχει γίνει περισσότερο γνωστή για την ικανότητά της να βοηθά τους ανθρώπους να χάσουν βάρος.

Την πρώτη φορά που ο Dr. Fajgenbaum επαναχρησιμοποίησε ένα φάρμακο, ήταν σε μια προσπάθεια να σώσει τη δική του ζωή. Στα 25 του, ενώ φοιτούσε στην ιατρική σχολή, διαγνώστηκε με έναν σπάνιο «υπότυπο» μιας διαταραχής που ονομάζεται νόσος Castleman, η οποία οδήγησε σε αντίδραση του ανοσοποιητικού συστήματος και τον έστειλε στη μονάδα εντατικής θεραπείας.

Δεν υπάρχει ένας μόνο τρόπος για τη θεραπεία της νόσου Castleman και ορισμένοι άνθρωποι δεν ανταποκρίνονται σε καμία από τις διαθέσιμες θεραπείες. Ο Δρ Fajgenbaum ήταν ένας από αυτούς. Ανάμεσα στις νοσηλείες και τους γύρους χημειοθεραπείας που βοήθησαν προσωρινά, πέρασε εβδομάδες κάνοντας εξετάσεις στο αίμα του, μελετώντας την ιατρική βιβλιογραφία και δοκιμάζοντας μη συμβατικές θεραπείες.

«Είχα αυτή την πραγματικά ξεκάθαρη συνειδητοποίηση ότι δεν είχα ένα δισεκατομμύριο δολάρια και δέκα χρόνια για να δημιουργήσω κάποιο νέο φάρμακο από το μηδέν» λέει σήμερα. Το φάρμακο που έσωσε τη ζωή του Dr. Fajgenbaum ήταν ένα γενόσημο που ονομάζεται «sirolimus», το οποίο συνήθως χορηγείται σε λήπτες νεφρών για την πρόληψη της απόρριψης. Το φάρμακο κράτησε τη νόσο Castleman σε ύφεση για περισσότερο από μία δεκαετία.

Ο Δρ Fajgenbaum έγινε καθηγητής στο Πανεπιστήμιο της Πενσυλβάνια και άρχισε να αναζητά άλλα φάρμακα με άγνωστες χρήσεις. Η υπάρχουσα έρευνα, όπως συνειδητοποίησε, ήταν γεμάτη από παραγνωρισμένες ενδείξεις σχετικά με πιθανές συνδέσεις μεταξύ φαρμάκων και των ασθενειών που θα μπορούσαν να θεραπεύσουν: «Αν υπάρχουν μόνο στη δημοσιευμένη βιβλιογραφία, δεν θα έπρεπε κάποιος να τις ψάχνει όλη μέρα, κάθε μέρα;» ήταν το σκεπτικό του.

Το εργαστήριό του είχε κάποιες πρώτες επιτυχίες, συμπεριλαμβανομένης της διαπίστωσης ότι ένα νέο φάρμακο για τον καρκίνο βοήθησε έναν άλλο ασθενή με τη νόσο Castleman. Αλλά η διαδικασία ήταν επίπονη, απαιτώντας από την ομάδα του να εξετάζει «ένα φάρμακο και μια ασθένεια κάθε φορά». Ο δρ Fajgenbaum αποφάσισε ότι έπρεπε να επιταχύνει το έργο. Το 2022 ίδρυσε μία μη κερδοσκοπική εταιρεία, με την ονομασία Every Cure, με στόχο τη χρήση της μηχανικής μάθησης για τη σύγκριση χιλιάδων φαρμάκων και ασθενειών ταυτόχρονα.

Εργασίες παρόμοιες με αυτές του Every Cure πραγματοποιούνται σε άλλα εργαστήρια σε όλο τον κόσμο, μεταξύ άλλων στο Πεν Στέιτ και στο Πανεπιστήμιο του Στάνφορντ, καθώς και στην Ιαπωνία και την Κίνα.

Στο Μπέρμιγχαμ της πολιτείας Άλα, ένα μοντέλο Τεχνητής Νοημοσύνης πρότεινε σε έναν 19χρονο ασθενή, που υπέφερε από χρόνιο εμετό, να δοκιμάσει ισοπροπυλική αλκοόλη, εισπνεόμενη από τη μύτη. «Ουσιαστικά τρέξαμε ένα ερώτημα, που έλεγε: Δείξτε μας κάθε προτεινόμενη θεραπεία που έχει υπάρξει ποτέ στην ιστορία της ιατρικής για τη ναυτία» δήλωσε ο Ματ Μάιτ, καθηγητής στο Πανεπιστήμιο της Αλαμπάμα στο Μπέρμιγχαμ, ο οποίος ηγείται του ινστιτούτου που ανέπτυξε το μοντέλο. Το αλκοόλ «εμφανίστηκε στην κορυφή της λίστας μας» προσέθεσε, και «λειτούργησε αμέσως».

Το μοντέλο που αναπτύχθηκε από το ινστιτούτο του Δρ Μάιτ έχει προβλέψει με επιτυχία και άλλες θεραπείες: οι αμφεταμίνες που χρησιμοποιούνται συνήθως για τη θεραπεία του A.D.H.D. ανακούφισαν την περιοδική παράλυση σε παιδιά με μια σπάνια γενετική διαταραχή. Ένα φάρμακο για τη νόσο του Πάρκινσον βοήθησε ασθενείς με μια νευρολογική πάθηση να κινηθούν και να μιλήσουν. Ένα κοινό φάρμακο για την αρτηριακή πίεση, που ονομάζεται «γουανφακίνη», βελτίωσε δραστικά την κινητικότητα ενός παιδιατρικού ασθενούς με διαφορετική νευρολογική πάθηση.

Πολλά φάρμακα κάνουν περισσότερα από ένα πράγματα, δήλωσε ο Δρ Might. Τα πρόσθετα χαρακτηριστικά τους μερικές φορές χαρακτηρίζονται ως παρενέργειες. «Αν... χτενίσεις αρκετά φάρμακα, τελικά βρίσκεις την παρενέργεια που ψάχνεις» είπε, “και τότε αυτή γίνεται η κύρια επίδραση».

Στο Πανεπιστήμιο της Πενσυλβάνια, η πλατφόρμα του Dr. Fajgenbaum συγκρίνει περίπου 4.000 φάρμακα έναντι 18.500 ασθενειών. Για κάθε ασθένεια, τα φαρμακευτικά σκευάσματα λαμβάνουν βαθμολογία με βάση την πιθανότητα αποτελεσματικότητας. Μόλις γίνουν οι προβλέψεις, μια ομάδα ερευνητών τις «χτενίζει», για να βρει υποσχόμενες ιδέες και στη συνέχεια πραγματοποιεί εργαστηριακές δοκιμές ή συνδέεται με γιατρούς που είναι πρόθυμοι να δοκιμάσουν τα φάρμακα σε ασθενείς.

Αλλού, οι φαρμακευτικές εταιρείες χρησιμοποιούν την Τεχνητή Νοημοσύνη για να ανακαλύψουν εντελώς νέα φάρμακα, μια επιδίωξη που έχει τη δυνατότητα να εξορθολογήσει μια επιχείρηση που ήδη αξίζει δισεκατομμύρια. Αλλά η επαναχρησιμοποίηση φαρμάκων δεν είναι πιθανό να αποδειχθεί επικερδής για κανένα μέρος. Πολλές πατέντες φαρμάκων λήγουν έπειτα από μερικές δεκαετίες, πράγμα που σημαίνει ότι υπάρχει μικρό κίνητρο για τις φαρμακευτικές εταιρείες να αναζητήσουν πρόσθετες χρήσεις γι' αυτά, δήλωσε ο Aiden Hollis, καθηγητής Οικονομικών στο Πανεπιστήμιο του Κάλγκαρι, με έμφαση στο ιατρικό εμπόριο.

Μόλις ένα φάρμακο γίνει ένα από τα χιλιάδες γενόσημα που έχουν εγκριθεί από τον Οργανισμό Τροφίμων και Φαρμάκων, συνήθως αντιμετωπίζει έντονο ανταγωνισμό, οδηγώντας προς τα κάτω την τιμή. «Εάν χρησιμοποιήσετε την Α.Ι. για να δημιουργήσετε ένα νέο φάρμακο, μπορείτε να βγάλετε πολλά και πολλά χρήματα από αυτό το νέο φάρμακο. Αν χρησιμοποιήσετε την Α.Ι. για να βρείτε μια νέα χρήση για ένα παλιό, φθηνό φάρμακο, κανείς δεν κερδίζει χρήματα από αυτό» δήλωσε ο Δρ Fajgenbaum.

Για τη χρηματοδότηση του εγχειρήματος, το Every Cure έλαβε πέρυσι δεσμεύσεις άνω των 100 εκατομμυρίων δολαρίων από το Audacious Project του TED και την Advanced Research Projects Agency for Health, μια υπηρεσία του ομοσπονδιακού υπουργείου Υγείας που είναι αφιερωμένη στην υποστήριξη πιθανών ερευνητικών ανακαλύψεων. Ο Δρ Fajgenbaum δήλωσε ότι η Every Cure θα χρησιμοποιήσει τα χρήματα, εν μέρει, για τη χρηματοδότηση κλινικών δοκιμών επαναχρησιμοποιούμενων φαρμάκων.

«Αυτό είναι ένα παράδειγμα τεχνητής νοημοσύνης που δεν χρειάζεται να φοβόμαστε, για το οποίο μπορούμε να είμαστε πραγματικά ενθουσιασμένοι» δήλωσε ο δρ Γκραντ Μίτσελ, άλλος συνιδρυτής του Every Cure και συμφοιτητής του δρος Fajgenbaum στην ιατρική σχολή. «Πρόκειται να βοηθήσει πολλούς ανθρώπους».

«Κάποιος έπρεπε να είναι ο πρώτος που θα προσπαθούσε»

Ο Dr. Luke Chen ήταν επιφυλακτικός όταν το μοντέλο του Dr. Fajgenbaum του πρότεινε να θεραπεύσει έναν ασθενή με νόσο Castleman, χρησιμοποιώντας «adalimumab» (αδαμιλουμπάμπη), ένα φάρμακο που συνήθως χορηγείται για τη θεραπεία της αρθρίτιδας, της νόσου του Crohn και της ελκώδους κολίτιδας. «Δεν πίστευα ότι θα λειτουργούσε, επειδή είναι κάπως αδύναμο φάρμακο» δήλωσε ο δρ Τσεν, αιματολόγος και καθηγητής στο Πανεπιστήμιο Dalhousie και στο Πανεπιστήμιο της Βρετανικής Κολομβίας.

Αλλά ο ασθενής είχε ήδη υποβληθεί σε χημειοθεραπεία και μεταμόσχευση μυελού των οστών και είχε δοκιμάσει φάρμακα, συμπεριλαμβανομένου αυτού που έσωσε τη ζωή του Δρος Fajgenbaum. Τίποτα δεν λειτούργησε. «Είχαμε ουσιαστικά παραιτηθεί, αλλά έκανα ένα τελευταίο τηλεφώνημα στον Ντέιβιντ» δήλωσε ο Δρ Τσεν. Χωρίς άλλες επιλογές, έδωσε στον ασθενή το «adalimumab». Μέσα σε λίγες εβδομάδες, ο ασθενής βρισκόταν σε ύφεση. Η περίπτωση αυτή αποτέλεσε πρόσφατα αντικείμενο δημοσίευσης στο The New England Journal of Medicine.

Κανένα μοντέλο δεν είναι αλάνθαστο, δήλωσε ο Δρ Ζίτνικ. Η Τεχνητή Νοημοσύνη μπορεί μερικές φορές να κάνει προβλέψεις «με βάση στοιχεία, που δεν είναι αρκετά ισχυρά».

Όταν ο Δρ Fajgenbaum πρότεινε για πρώτη φορά στον Wayne Gao, αιματολόγο και ογκολόγο στην Πολιτεία της Ουάσινγκτον, να δοκιμάσει μια νέα θεραπεία σε έναν από τους ασθενείς του, εκείνος είχε αμφιβολίες. Ο ασθενής ήταν ο Coates, ο άνδρας από την Ουάσινγκτον, και ο επιθετικός συνδυασμός φαρμάκων που πρότεινε το μοντέλο του Dr. Fajgenbaum φαινόταν «λίγο τρελός», είπε ο Δρ Γκάο. Στην πραγματικότητα, ανησυχούσε ότι η θεραπεία θα μπορούσε να σκοτώσει τον Coates γρηγορότερα.

Αλλά ο Coates ήταν ένας νέος άνθρωπος και δεν υπήρχαν άλλες θεραπείες για να εξεταστούν. Και έτσι, είπε ο Δρ Γκάο, «κάποιος έπρεπε να είναι ο πρώτος που θα δοκίμαζε». Τον περασμένο μήνα, λίγο περισσότερο από ένα χρόνο αφότου ήρθε αντιμέτωπος με τον θάνατο, ο Coates και η φίλη του επισκέφθηκαν τον Dr. Fajgenbaum στη Φιλαδέλφεια για να τον ευχαριστήσουν για τη βοήθειά του. Ο χαμογελαστός Coates είχε πάρει μυϊκή μάζα από την τελευταία φορά που συνάντησε τον γιατρό. Μάλιστα, είχε «τσιμπήσει» τον αστράγαλό του εκείνο το πρωί, ενώ γυμναζόταν. Αλλά κατά τα άλλα, είπε, ένιωθε «μια χαρά». 





Ακολουθήστε το protothema.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις

Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, τη στιγμή που συμβαίνουν, στο Protothema.gr

ΡΟΗ ΕΙΔΗΣΕΩΝ

Ειδήσεις Δημοφιλή Σχολιασμένα

Best of Network

Δείτε Επίσης

Συνεχίζοντας σε αυτό τον ιστότοπο αποδέχεστε την χρήση των cookies στη συσκευή σας όπως περιγράφεται στην πολιτική cookies

Μάθετε περισσότερα εδώ

Αποδοχή