V oblasti výzkumu srdečních onemocnění se vědci dlouhodobě opírají o rozsáhlé biologické databáze, které pomáhají porozumět vazbám mezi geny, chorobami a léčivy. Tyto databáze, ačkoliv výkonné, někdy postrádají detailnější kontext. U srdečních onemocnění se tento chybějící detail projevuje například v tom, že dva pacienti se stejnou diagnózou mohou mít srdce, která se značně liší ve svém vzhledu a funkci.
Tyto rozdíly se snaží překlenout nový nástroj poháněný umělou inteligencí s názvem CardioKG. Platformu vyvinuli výzkumníci z MRC Laboratory of Medical Sciences a její popis byl publikován v časopise Nature. CardioKG integruje podrobné zobrazovací údaje srdce do takzvaného „grafu znalostí“ – strukturované mapy vztahů mezi geny, onemocněními a léčebnými postupy. Systém tak propojuje data nikoliv pouze na teoretické úrovni, ale zakládá je na skutečném chování lidského srdce.
Základní myšlenkou CardioKG je, že čím jasněji je možné vidět onemocnění, tím přesněji je možné ho léčit. Při vývoji modelu tým analyzoval srdeční snímky více než 9 500 osob z britské UK Biobank. Přibližně polovina těchto jedinců trpěla stavy jako fibrilace síní, srdeční selhání nebo prodělala infarkt; zbytek účastníků byl zdravý. Z těchto snímků umělá inteligence extrahovala přes 200 000 měřitelných parametrů týkajících se tvaru, výkonu a pohybu srdce. Tyto obrazové rysy byly následně zkombinovány s informacemi z osmnácti biologických databází, čímž vznikl detailně vrstvený obraz toho, jak se genetické riziko projevuje v reálných změnách srdce.
Profesor Declan O’Regan, který studii vedl, uvedl, že jednou z výhod grafů znalostí je jejich schopnost integrovat informace o genech, léčivech a onemocněních. To podle něj zvyšuje potenciál pro objevování nových terapií, přičemž zahrnutí obrazových dat srdce do grafu významně zlepšilo identifikaci nových genů a léčiv.
Jednou z bezprostředních aplikací CardioKG je změna účelu léčiv, tedy přesměrování existujících léků na nové indikace. Tato strategie se stává pro investory atraktivní, neboť může zkrátit dobu vývoje a snížit riziko. Namísto vývoje od nuly se hledají stávající léčiva, která by mohla být účinná pro nová onemocnění.
S využitím modelu obohaceného o obrazová data CardioKG označil několik potenciálních kandidátů. Mezi nimi se objevil methotrexát, dlouhodobě používaný k léčbě revmatoidní artritidy, s možnými přínosy pro srdeční selhání. Gliptiny, běžně předepisované pro diabetes, se ukázaly jako možné léčiva pro fibrilaci síní. Model také přinesl nečekaný poznatek o kofeinu, naznačující jeho ochranný účinek u některých pacientů s fibrilací síní, a to i přes jeho pověst látky zvyšující dráždivost srdce. Profesor O’Regan dále poznamenal, že další nedávné studie v oboru podporují tato předběžná zjištění, což zdůrazňuje potenciál grafů znalostí při odhalování stávajících léčiv pro nové terapie.
Kardiovaskulární onemocnění zůstávají celosvětově hlavní příčinou úmrtí a představují jednu z nejdražších oblastí zdravotní péče. Objevování léčiv v této oblasti bylo dosud pověstně pomalé a nákladné. Nástroje jako CardioKG signalizují posun k chytřejším a cílenějším procesům. Rychlým generováním užších seznamů vysoce prioritních genů a lékových cílů může tato technologie poskytnout farmaceutickým společnostem náskok, směřující je k mechanismům, které jsou biologicky smysluplné i klinicky relevantní. Pro investory to znamená dřívější signály životaschopnosti a jasnější představu o budoucím toku kapitálu a partnerství.
Přestože se CardioKG zaměřuje na kardiovaskulární onemocnění, jeho důsledky přesahují tuto oblast. Stejný přístup by mohl být aplikován všude tam, kde existují detailní zobrazovací data, od snímků mozku ve výzkumu demence až po zobrazování tělesného tuku ve studiích obezity.
Dr. Khaled Rjoob, hlavní autor studie, uvedl, že na základě této práce bude graf znalostí rozšířen do dynamického rámce zaměřeného na pacienta, který bude zachycovat skutečné trajektorie onemocnění. To by mělo otevřít nové možnosti pro personalizovanou léčbu a předpovídání pravděpodobného vývoje chorob. Tento směr je v souladu s vědou o dlouhověkosti, která usiluje o dřívější, přesnější a méně zdlouhavou léčbu onemocnění.
CardioKG nenahrazuje lidskou odbornost, nýbrž ji zdokonaluje. Propojením umělé inteligence, zobrazování a biologie platforma nabízí intuitivnější způsob porozumění vývoji onemocnění v těle. Pro sektor, který usiluje o rychlost, jasnost a dopad, se může jednat o významný posun.