UI pomaga razumeti raka in izbrati pravo zdravljenje. V algoritmih podjetja Genialis tudi slovensko znanje

Podjetje Genialis, katerega 35-članska mednarodna ekipa strokovnjakov z različnih področij deluje v Bostonu, Houstonu in Ljubljani, želi z uporabo RNK in umetne inteligence spremeniti precizno onkologijo. Na pogovoru Kako moč umetne inteligence spreminja diagnostiko in zdravljenje raka, ki ga je pred časom organiziral Slovenski tehnološki forum, je sodeloval prvi mož Genialisa Rafael Rosengarten. Ta je, preden se je pridružil podjetju, skoraj 20 let delal na področju biomedicinskih raziskav ter objavljal prispevke o evoluciji prirojenih imunskih sistemov, bioinženiringu mikroorganizmov in razvojni genetiki.

Rosengarten je soavtor programske opreme za avtomatizirano načrtovanje sestavljanja DNK, namenjene visokozmogljivemu molekularnemu oblikovanju in analizam, ki jo je pozneje komercializiralo podjetje TeselaGen. Doktoriral je na Univerzi Yale, podoktorsko raziskovanje pa je opravljal v Nacionalnem laboratoriju Lawrence Berkeley, JBEI in na Baylor Collegeu of Medicine. Med pogovorom je izjavil, da podjetje Genialis, kateremu se je pridružil leta 2015, spreminja diagnostiko raka.

Strojno učenje napoveduje učinkovitost zdravil

"Pri diagnostiki raka je pomembnih več vidikov. Od zgodnjega odkrivanja do informacije o tem, v kateri stopnji je odkrit rak, naše poslanstvo pa je zagotoviti, da pacienti po odkritem raku dobijo najboljša zdravila zanj," je pojasnil sogovornik. "Če želi danes zdravnik pacientu predpisati zdravila, ima na voljo zgolj smernice, ne pa tudi informacij o bolezni. Mi pa lahko izmerimo različne pokazatelje, denimo, kateri geni so se spremenili, da so povzročili obolenje, to pa ima neposreden vpliv na odločitev, s katerim zdravilom zdraviti raka." 

Pove, da gredo celo korak dlje, saj po njegovih besedah umetna inteligenca omogoča vpogled v biološke mehanizme bolezni, ki jih preprosti DNK-testi ne zajamejo – pri Genialisu zato temeljijo na podatkih RNK, saj ta odraža, kaj se v celici dogaja, ne le, kaj je v njej zapisano. S temi podatki njihovi modeli strojnega učenja napovedujejo učinkovitost zdravil za posameznega bolnika. 

Pri razvoju previdni

Genialis ne razvija fizičnih izdelkov, temveč algoritme. Sodeluje s podjetji, ki razvijajo diagnostične teste, katere zdravniki uporabijo pri odločanju o bolnikovem zdravljenju, pa tudi s farmacevtskimi družbami, ki razvijajo nova zdravila za raka. Dogaja se, da veliko obetavnih učinkovin nikoli ne postane zdravilo, saj ne učinkujejo na dovolj veliko število pacientov. "Morda pomagajo ozdraveti zgolj desetim odstotkom pacientov, na katerih jih preizkušajo. Mi pa lahko točno določimo prav teh deset odstotkov, ki jim bo zdravilo pomagalo." Ta tehnologija se torej uporablja v raziskavah in kliničnem razvoju tarčnih terapij in pomaga ugotoviti, komu bo neko zdravilo najbolj ustrezalo pa tudi zakaj neko zdravilo ni uspešno.

Rak je izjemno kompleksna bolezen, njegovo zdravljenje pogosto temelji na preveč poenostavljenih informacijah, je v pogovoru dejal Rafael Rosengarten in izpostavil tudi nekaj napak, ki so jih sami naredili v preteklosti: "Tehnologija, ki jo razvijamo, je popolno nasprotje temu, kar počnejo v Silicijevi dolini: delaj hitro in razbij stvari. Mi moramo biti zelo previdni." Raziskave kažejo, da 96 odstotkov onkoloških zdravil nikoli ne doseže zadnje faze kliničnih testiranj in bolnikov, ki jih potrebujejo.

Ključni so podatki

Oktobra lani je podjetje predstavilo Genialis Supermodel, prvi temeljni model biologije raka, temelječ na podatkih RNK. Model vključuje stotine tisoče vzorcev bolnikov z vsega sveta, njegov cilj pa je podpreti vse vidike kliničnega razvoja v onkologiji – za vsako tarčo, zdravilo in pacienta. Če Genialis Supermodel primerjamo z velikimi jezikovnimi modeli, je razlika v tem, da so ga učili na milijonih primerov podatkov RNK, ne na besedilu. Rosengarten omeni 15 milijard podatkovnih točk. 

Pri kožnem raku, ki ga pomaga odkrivati umetna inteligenca z analizo fotografij,  so postopki že zelo napredovali, se strinja sogovornik. Za njihovo analizo pa je treba izvesti biopsijo tumorja, kar je bolj invazivno, dražje in terja več časa za pridobitev podatkov. Kot enega glavnih izzivov izpostavi dostopnost kakovostnih raziskovalnih podatkov obstoječih bolnikov z rakom, na osnovi katerih bi lahko modeli strojnega učenja pridobili ustrezne ugotovitve. Zato na tem področju sodelujejo z organizacijami po vsem svetu, da si zagotovijo podatke o bolnikih iz raznolikih populacij - od Azije, Južne in Severne Amerike pa tudi iz Slovenije, kjer sodelujejo z Univerzitetno kliniko Golnik.