Umělá inteligence EVA: Nový nástroj pro výzkum zánětů a dlouhověkosti
Objevování léčiv je proces, který vyžaduje značnou trpělivost a zahrnuje četné pokusy a omyly. Z každé nadějné sloučeniny identifikované v laboratorních podmínkách se jen malá část stane účinnou terapií pro lidi. V imunologii je tato výzva ještě výraznější. Společnost Scienta Lab, pařížský startup zaměřený na pokročilé technologie, představuje nový multimodální model umělé inteligence s názvem EVA. Jeho účelem je vést výzkumníky komplexními předklinickými a klinickými daty a pomáhat jim identifikovat kandidáty na léčiva s nejvyšší pravděpodobností úspěchu.
Julien Duquesne, technický ředitel a spoluzakladatel společnosti Scienta Lab, uvádí, že cílem není nahradit experimentování, ale lépe vést rozhodování v každé fázi vývoje. Model EVA tak slouží jako podpůrný nástroj pro vědce, který jim umožňuje rychleji a efektivněji přijímat informovaná rozhodnutí. EVA je koncipována jako „vícejazyčný překladač“ pro biologická data. Zpracovává informace z různých zdrojů, včetně genové aktivity, vzorků tkání a úrovní proteinů, a to napříč lidskými a laboratorními zvířecími modely. Díky harmonizaci těchto informací dokáže EVA predikovat, jak by mohl kandidát na léčivo působit u lidí, a to ještě před zahájením klinických studií. Tento přístup lze přirovnat k vytvoření ucelené mapy města z fragmentárních satelitních snímků, což výzkumníkům umožňuje efektivněji identifikovat slibné směry a eliminovat neprůchodné cesty.
Tento model má zvláštní význam pro oblast „inflammaging“, což je označení pro chronický zánět nízké úrovně, který je spojován s rozvojem řady onemocnění souvisejících s věkem, jako je artritida, diabetes a Alzheimerova choroba. Identifikací molekulárních drah, které zánět způsobují, by EVA mohla přispět k urychlení vývoje terapií, jež se zaměřují nejen na symptomy, ale i na základní mechanismy stárnutí.
Potenciál pro urychlení terapií
Předběžná srovnání naznačují, že EVA dosahuje až dvojnásobné efektivity oproti současným modelům umělé inteligence při predikci úspěšnosti cílových léčivých látek. Tento výsledek se přímo promítá do snížení počtu selhání v pozdních fázích vývoje, urychlení klinických studií a v konečném důsledku do rychlejšího zpřístupnění léčby pacientům. V oblasti vědy o dlouhověkosti, kde má každý rok vliv, by tento pokrok mohl zkrátit časové horizonty vývoje terapií z desítek let na roky. Představuje to možnost získání relevantních poznatků o redukci chronického zánětu podstatně dříve, než to umožňují stávající metody.
Společnost Scienta Lab zvolila dvojí strategii: zpřístupnila otevřenou verzi transkriptomického modelu EVA, čímž umožňuje výzkumníkům po celém světě využít tento nástroj k prozkoumání imunitně zprostředkovaných onemocnění. Současně nabízí rozsáhlé, individualizované aplikace prostřednictvím komerčních partnerství. Tento přístup kombinuje otevřenost výzkumu s praktickým uplatněním.
V širším kontextu je model EVA příkladem probíhajícího posunu ve výzkumu dlouhověkosti, který spočívá v integraci špičkových technologií, otevřené vědy a translační biologie. Cílem je chápat stárnutí nikoli jako nevyhnutelný osud, nýbrž jako výzvu, kterou lze aktivně ovlivňovat. S dalším vývojem této oblasti se modely umělé inteligence, jako je EVA, mohou stát důležitými nástroji v úsilí o zpomalení stárnutí, prevenci nemocí a prodloužení zdravé délky života.