Google.org MI veselībai: 60 miljoni, pacientu ieguvums vēl nav tiešs

Google 12. oktobrī paziņoja, ka Google.org 2026. gadā piešķīris vairāk nekā 60 miljonus ASV dolāru organizācijām, kuras izmanto progresīvus modeļus slimību izpētē un ārstēšanas iespēju meklēšanā. Starp atbalstītajām organizācijām ir Makereres Universitātes Infekcijas slimību institūts Ugandā un Pensilvānijas Universitāte. Finansējums paredzēts pētniecībai; tas pats par sevi vēl nenozīmē jaunu ārstēšanu, ko pacients var saņemt slimnīcā.

Google apkopotie piemēri atrodas dažādās attīstības stadijās: Čagasa slimības zāļu kandidāti pārbaudīti laboratorijā, ātra genoma diagnostika izmēģināta pacientiem, bet slimību prognozēšanas rīki nodoti sabiedrības veselības partneriem kā pētniecības prototipi. AI Insiders 13. oktobra apskats arī nošķir klīnisko izmēģinājumu no laboratorijas un skaitļošanas pētījumiem. Stenfordas pacientu izmēģinājums ir agrāks darbs, nevis jaunā finansējuma klīniskais rezultāts.

Finansējums atbalsta slimību izpēti vairākās iestādēs

Makereres Universitātes Infekcijas slimību institūts izmanto AlphaFold un AlphaMissense, lai prognozētu ar malārijas zāļu rezistenci saistītas mutācijas. Šāds darbs var palīdzēt pētniekiem izvēlēties, kuras izmaiņas pārbaudīt tuvāk, taču prognoze vēl nav novērojums par to, kā konkrēts pacients reaģēs uz zālēm. Lai tā ietekmētu ārstēšanas izvēli, vajadzīgi turpmāki pierādījumi par mutāciju nozīmi un metodes darbību klīniskos apstākļos.

Pensilvānijas Universitātē AlphaProteo un AlphaFold tiek izmantoti jaunu šūnu terapijas pieeju izstrādei cietajiem audzējiem un sarežģītām slimībām. Arī šeit Google.org atbalsta izpētes posmu, kurā tiek meklēti iespējami risinājumi. Kopējā piešķirtā summa nav atsevišķa klīniskā izmēģinājuma budžets vai rādītājs, pēc kura varētu noteikt, kad kāda no šīm pieejām kļūs pieejama pacientiem.

Genoma prognozes palīdz atlasīt jautājumus turpmākiem pētījumiem

AlphaGenome Atlas apkopo prognozes par to, kā atsevišķas izmaiņas cilvēka genomā var ietekmēt molekulāros procesus. Ekseteras Universitātes pētnieki to izmantoja, analizējot vairāk nekā 54 000 cilvēku genoma datus un meklējot variantus, kas saistīti ar olbaltumvielu daudzumu asinīs, tostarp PLA2G7 un EGLN1. Šis ir pētniecības rezultāts: saikne starp variantu un olbaltumvielu dod virzienu nākamajiem eksperimentiem, taču pati par sevi nav diagnoze.

Čagasa slimības gadījumā MI palīdzēja sašaurināt iespējamo zāļu kandidātu loku. Barselonas ISGlobal pētnieku 2025. gadā publicētajā pētījumā izmantoja AlphaFold prognozētas parazīta olbaltumvielu struktūras, virtuāli atlasīja aptuveni 30 000 savienojumu un 24 kandidātus pārbaudīja laboratorijā. Pimekrolimam un ledipasvīram, kas jau apstiprināti citiem lietojumiem, konstatēja pretparazītu aktivitāti.

Izmēģinājumi ar inficētām šūnām parādīja, ka abi savienojumi iedarbojas arī uz parazīta formu, kas dzīvo šūnu iekšienē. Pētnieki vērtēja arī toksiskumu izmantotajās šūnu pārbaudēs. Tas ir nozīmīgāks solis par virtuālu atlasi vien, tomēr laboratorijas rezultāts vēl neparāda piemērotu devu, drošumu vai ārstēšanas efektivitāti cilvēkiem ar Čagasa slimību.

Pētījuma sākumpunkts bija prognozētas olbaltumvielu struktūras, jo šim parazītam eksperimentāli noteiktu struktūru ir maz. Pieņēmums, ka atlasītie savienojumi iedarbojas tieši uz prognozētajiem molekulārajiem mērķiem, vēl jāpārbauda eksperimentos. Tas ir nākamais jautājums līdzās pārbaudēm, kas vajadzīgas, pirms par kandidātiem var runāt kā par iespējamu ārstēšanu.

Ātrā genoma diagnostika ir pārbaudīta pacientu izmēģinājumā

Stenfordas komandas darbs ir tuvāk pacientu aprūpei: Stanford Medicine 2022. gadā aprakstīja klīnisku izmēģinājumu ar 12 pacientiem, no kuriem pieciem sekvenēšanas informācija palīdzēja noteikt ģenētisku diagnozi. Ātrākais genoma sekvenēšanas gadījums ilga piecas stundas un divas minūtes. Atšķirībā no zāļu kandidātu laboratorijas pārbaudēm šajā izmēģinājumā iegūtā informācija jau tika izmantota konkrētu pacientu diagnostikā.

Ātrumu nodrošināja visa darba ķēde, tostarp vairāku sekvenēšanas iekārtu paralēla izmantošana un datu analīze. Google DeepVariant un DeepConsensus bija šīs ķēdes rīki; rezultātu nevar piedēvēt vienam modelim. Steidzamos gadījumos agrāka ģenētiskā diagnoze var palīdzēt ārstiem ātrāk pieņemt lēmumu, taču neliels izmēģinājums neparāda, ka šāds izpildes laiks jau ir ierasta iespēja citās slimnīcās.

Earth AI prototipi palīdzējuši noteikt risku uzliesmojuma laikā

Google Earth AI lietojums attiecas uz sabiedrības veselības reaģēšanu, kur lēmumi tiek pieņemti par teritorijām un resursiem. Google 6. oktobra aprakstā norādīts, ka partneriem Ebolas uzliesmojuma laikā Kongo Demokrātiskajā Republikā bija pieejami divi pētniecības prototipi: ģeotelpiskās analīzes aģents un slimību prognozēšanas sistēma. Pasaules Veselības organizācijas Āfrikas reģiona komanda ar pirmo prototipu identificēja 48 riskam pakļautas apdzīvotas vietas un vairāk nekā 45 500 cilvēku, lai plānotu mobilās laboratorijas un uzraudzību.

Ģeotelpiskā analīze apvieno vides, satelītattēlu un pārvietošanās datus, palīdzot pamanīt teritorijas, kurās ziņošana par saslimšanu var kavēties. Savukārt prognozēšanas darbā kopā ar Kongo Demokrātiskās Republikas Nacionālo biomedicīniskās pētniecības institūtu vērtēts uzliesmojuma izplatīšanās risks vēl neskartās zonās. Tie ir konkrēti reaģēšanas plānošanas lietojumi aktīvā ārkārtas situācijā, bet piekļuve pētniecības prototipiem vēl neliecina par plaši ieviestu veselības pakalpojumu.

Šajos piemēros nākamie pierādījumi būs atšķirīgi: Čagasa slimības kandidātiem nepieciešamas turpmākas bioloģiskas un klīniskas pārbaudes, ātrajai diagnostikai — rezultāti plašākā klīniskā lietojumā, bet prognozēšanas prototipiem — novērtējums, cik uzticami tie palīdz novirzīt resursus dažādos uzliesmojumos. Tikai tad kļūs skaidrāks, kurš pētniecības ieguvums var pārtapt regulārā palīdzībā pacientiem.

Lasiet arī: