AI och cancer

Här kommer en solskenshistoria om en man som drabbades av blodcancer (snarlik min egen cancer) där möjligheterna till bot var nästintill uttömda. Mannens läkare greppade ett sista halmstrå som visade sig vara räddningen för den cancerdrabbade.Nedanstående text är översatt och enbart ett utdrag.Läs hela artikeln här. Efter ni läst texten ska ni fundera på AI + HoloMonitor tillsammans. Tänk vilka möjligheter denna kombo skulle ha i rätt händer. 

Ta blodprov från cancerpatient och kör mot alla tillgängliga läkemedel-observera via datoruppkopplad HoloMonitor-analysera samtidigt förloppet med AI = Identifierar det mest effektiva läkemedlet mot just den cancer den olycksdrabbade har. Sjukhusen skulle ha enorm nytta av denna kombo.

Vid 82 års ålder, med en aggressiv form av blodcancer som sex kemoterapikurer hade misslyckats med att eliminera, verkade Paul inte ha några alternativ. För varje lång och obehaglig behandlingsomgång hade hans läkare arbetat sig igenom en lista över vanliga cancerläkemedel i hopp om att hitta något som skulle visa sig vara effektivt – och kryssat av dem en efter en. De vanliga cancermördarna gjorde inte sitt jobb.

Eftersom Paul inte hade något att förlora skrev Pauls läkare in honom i en studie som anordnades av det medicinska universitetet i Wien i Österrike, där han bor. (Pauls riktiga namn är inte känt eftersom hans identitet doldes i studien.) Universitetet testade en ny matchmaking-teknik som utvecklats av ett brittiskt företag som heter Exscientia som parar ihop enskilda patienter med exakt de läkemedel de behöver, med hänsyn till de subtila biologiska skillnaderna mellan människor.

Forskarna tog ett litet vävnadsprov från Paul. De delade upp provet, som innehöll både normala celler och cancerceller, i mer än hundra bitar och utsatte dem för olika cocktails av läkemedel. Sedan, med hjälp av robotautomatisering och datorseende (maskininlärningsmodeller tränade för att identifiera små förändringar i celler), tittade de för att se vad som skulle hända.

I själva verket gjorde forskarna vad läkarna hade gjort: provade olika läkemedel för att se vad som fungerade. Men i stället för att utsätta en patient för flera månadslånga kemoterapikurer testade de dussintals behandlingar samtidigt.

Tillvägagångssättet gjorde det möjligt för teamet att genomföra en uttömmande sökning efter rätt läkemedel. En del av medicinerna dödade inte Pauls cancerceller. Andra skadade hans friska celler. Paul var för svag för att ta drogen som kom ut som segrare. Så han fick andraplatsen i matchmaking-processen: ett cancerläkemedel som marknadsfördes av läkemedelsjätten Johnson & Johnson och som Pauls läkare inte hade provat eftersom tidigare försök hade visat att det inte var effektivt för att behandla hans typ av cancer.

Det fungerade. Två år senare var Paul helt i remission – hans cancer var borta. Tillvägagångssättet är en stor förändring för behandlingen av cancer, säger Exscientias VD, Andrew Hopkins: "Tekniken vi har för att testa läkemedel i kliniken kan verkligen översättas till verkliga patienter."

Att välja rätt läkemedel är bara halva problemet som Exscientia vill lösa. Bolaget är inställt på att se över hela läkemedelsutvecklingspipelinen. Förutom att para ihop patienter med befintliga läkemedel använder Exscientia maskininlärning för att designa nya. Detta kan i sin tur ge ännu fler alternativ att sålla igenom när man letar efter en matchning.

De första läkemedlen som utformats med hjälp av AI är nu i kliniska prövningar, de rigorösa tester som görs på mänskliga frivilliga för att se om en behandling är säker – och verkligen fungerar – innan tillsynsmyndigheterna godkänner dem för utbredd användning. Sedan 2021 har två läkemedel som Exscientia utvecklat (eller samutvecklat med andra läkemedelsbolag) påbörjat processen. Företaget är på väg att lämna in ytterligare två.

"Om vi hade använt ett traditionellt tillvägagångssätt hade vi inte kunnat skala upp så här snabbt", säger Hopkins.

Exscientia är inte ensamma. Det finns nu hundratals nystartade företag som utforskar användningen av maskininlärning inom läkemedelsindustrin, säger Nathan Benaich på Air Street Capital, ett riskkapitalbolag som investerar i bioteknik- och biovetenskapsföretag: "Tidiga tecken var tillräckligt spännande för att locka till sig stora pengar."

Idag tar det i genomsnitt mer än 10 år och miljarder dollar att utveckla ett nytt läkemedel. Visionen är att använda AI för att göra läkemedelsupptäckt snabbare och billigare. Genom att förutsäga hur potentiella läkemedel kan bete sig i kroppen och kassera återvändsgränder innan de lämnar datorn, kan maskininlärningsmodeller minska behovet av mödosamt laboratoriearbete. Och det finns alltid ett behov av nya läkemedel, säger Adityo Prakash, VD för det Kalifornien-baserade läkemedelsföretaget Verseon: "Det finns fortfarande för många sjukdomar som vi inte kan behandla eller bara kan behandla med tre mil långa listor med biverkningar."

Nu byggs nya labb runt om i världen. Förra året öppnade Exscientia ett nytt forskningscenter i Wien; I februari öppnade Insilico Medicine, ett läkemedelsföretag baserat i Hongkong, ett nytt stort laboratorium i Abu Dhabi. Sammantaget är cirka två dussin läkemedel (och fler blir det) som utvecklats med hjälp av AI nu i eller på väg in i kliniska prövningar.

Vi ser denna ökning av aktivitet och investeringar eftersom den ökande automatiseringen inom läkemedelsindustrin har börjat producera tillräckligt med kemiska och biologiska data för att träna bra maskininlärningsmodeller, förklarar Sean McClain, grundare och VD för Absci, ett företag baserat i Vancouver, Washington, som använder AI för att söka igenom miljarder potentiella läkemedelsdesigner. "Nu är det dags", säger McClain. "Vi kommer att se en enorm omvandling i den här branschen under de kommande fem åren."

--------------------------------------------------------------------

Med denna solskenshistoria vill bloggen önska alla läsare en riktigt God Jul.

                                Mvh the99