
Tai trečioji šešių dalių serijos funkcija, kurioje nagrinėjama, kaip AI keičia medicininius tyrimus ir gydymą.
Kiaušidžių vėžys yra „retas, nepakankamai finansuojamas ir mirtinas“, sako Audra Moran, Niujorke įsikūrusios pasaulinės labdaros organizacijos „Ovarian Cancer Research Alliance“ (Ocra) vadovė.
Kaip ir visi vėžiniai susirgimai, kuo anksčiau jis nustatomas, tuo geriau.
Dauguma kiaušidžių vėžio prasideda kiaušintakiuose, taigi, kai jis patenka į kiaušides, jis jau gali būti išplitęs ir kitur.
„Penkeri metai prieš pasireiškus simptomams yra tada, kai gali tekti aptikti kiaušidžių vėžį, kad paveiktų mirtingumą“, – sako ponia Moran.
Tačiau atsiranda naujų kraujo tyrimų, kuriuose naudojama dirbtinio intelekto (DI) galia, siekiant nustatyti vėžio požymius labai ankstyvose stadijose.
Ir tai ne tik vėžys, AI taip pat gali pagreitinti kitus kraujo tyrimus dėl potencialiai mirtinų infekcijų, tokių kaip pneumonija.

Dr Danielis Helleris yra biomedicinos inžinierius Memorial Sloan Kettering vėžio centre Niujorke.
Jo komanda sukūrė bandymų technologiją, kuri naudoja nanovamzdelius – mažyčius anglies vamzdelius, kurie yra maždaug 50 000 kartų mažesni už žmogaus plauko skersmenį.
Maždaug prieš 20 metų mokslininkai pradėjo atrasti nanovamzdelius, galinčius skleisti fluorescencinę šviesą.
Per pastarąjį dešimtmetį mokslininkai išmoko pakeisti šių nanovamzdelių savybes, kad jie reaguotų į beveik viską, kas yra kraujyje.
Dabar į kraujo mėginį galima įdėti milijonus nanovamzdelių ir juos skleisti skirtingo ilgio šviesą, atsižvelgiant į tai, kas prie jų prilimpa.
Tačiau vis tiek liko klausimas, kaip interpretuoti signalą, kurį daktaras Heleris palygina su piršto atspaudo atitikmens radimu.
Šiuo atveju pirštų atspaudas yra molekulių, besijungiančių su jutikliais, modelis, turintis skirtingą jautrumą ir surišimo stiprumą.
Tačiau modeliai yra per subtilūs, kad žmogus galėtų juos išskirti.
„Galime pažvelgti į duomenis ir visiškai jų neturėsime prasmės“, – sako jis. „Mes galime matyti tik tuos modelius, kurie skiriasi nuo AI.”
Nanovamzdelių duomenų iššifravimas reiškė duomenų įkėlimą į mašininio mokymosi algoritmą ir algoritmui pasakojimą, kurie mėginiai buvo paimti iš kiaušidžių vėžiu sergančių pacientų, o kurie – iš žmonių, kuriems jo nėra.
Tai buvo kraujas iš žmonių, sergančių kitomis vėžio formomis arba kita ginekologine liga, kurią galima supainioti su kiaušidžių vėžiu.

Didelis iššūkis naudojant AI kuriant kraujo tyrimus kiaušidžių vėžio tyrimams yra tai, kad jis yra gana retas, o tai riboja mokymo algoritmų duomenis.
Ir net didelė dalis tų duomenų yra slepiama juos gydusiose ligoninėse, o tyrėjai dalijasi mažais duomenimis.
Dr. Heleris apibūdina algoritmo mokymą remiantis turimais vos kelių 100 pacientų duomenimis kaip „Sveika, Marija“.
Tačiau jis sako, kad AI sugebėjo gauti didesnį tikslumą nei geriausi šiandien prieinami vėžio biomarkeriai – ir tai buvo tik pirmasis bandymas.
Sistema atlieka tolesnius tyrimus, siekiant išsiaiškinti, ar ją galima patobulinti naudojant didesnius jutiklių rinkinius ir pavyzdžius iš daug daugiau pacientų. Daugiau duomenų gali patobulinti algoritmą, kaip ir savarankiškai važiuojančių automobilių algoritmai gali tobulėti atliekant daugiau bandymų gatvėje.
Dr Helleris deda daug vilčių į technologijas.
„Mes norėtume suskirstyti visas ginekologines ligas – taigi, kai kas nors ateina su skundu, ar galime duoti gydytojams įrankį, kuris greitai pasakytų, kad tai yra vėžys, ar ne, arba šis vėžys nei tai“.
Dr. Helleris sako, kad tai gali būti už „trejų ar penkerių metų“.

AI gali būti naudingas ne tik ankstyvam aptikimui, bet ir paspartina kitus kraujo tyrimus.
Vėžiu sergančiam pacientui pneumonija gali būti mirtina, o kadangi yra apie 600 skirtingų organizmų, galinčių sukelti pneumoniją, gydytojai turi atlikti kelis tyrimus, kad nustatytų infekciją.
Tačiau naujų tipų kraujo tyrimai supaprastina ir pagreitina procesą.
Karuisas, įsikūręs Kalifornijoje, naudoja dirbtinį intelektą (AI), kad padėtų per 24 valandas nustatyti tikslų pneumonijos sukėlėją ir parinkti jam tinkamą antibiotiką.
„Prieš mūsų tyrimą plaučių uždegimu sergantis pacientas atlikdavo 15–20 skirtingų testų, kad nustatytų infekciją vos per pirmąją savaitę ligoninėje – tai yra apie 20 000 USD tyrimų“, – sako Kariusas vykdantysis direktorius Alecas Fordas.
Karius turi mikrobų DNR duomenų bazę, kurioje yra dešimtys milijardų duomenų taškų. Pacientų tiriamieji mėginiai gali būti lyginami su ta duomenų baze, siekiant nustatyti tikslų patogeną.
Ponas Fordas sako, kad tai būtų buvę neįmanoma be AI.
Vienas iš iššūkių yra tai, kad mokslininkai šiuo metu nebūtinai supranta visus ryšius, kuriuos AI gali užmegzti tarp tiriamųjų biomarkerių ir ligų.
Per pastaruosius dvejus metus dr. Slavé Petrovski sukūrė dirbtinio intelekto platformą, pavadintą Milton, kuri, naudodama JK biobanko duomenų biomarkerius, nustatė 120 ligų, kurių sėkmės rodiklis viršija 90%.
AI gali tik rasti modelius tokioje duomenų masėje.
„Tai dažnai yra sudėtingi modeliai, kai gali būti ne vienas biologinis žymeklis, bet reikia atsižvelgti į visą modelį“, – sako dr. Petrovski, farmacijos milžinės AstraZeneca tyrėjas.
Gydytojas Heleris naudoja panašų modelių derinimo metodą savo darbe apie kiaušidžių vėžį.
„Mes žinome, kad jutiklis jungiasi ir reaguoja į baltymus ir mažas molekules kraujyje, bet mes nežinome, kurie baltymai ar molekulės yra būdingi vėžiui”, – sako jis.
Kalbant plačiau, duomenys arba jų trūkumas vis dar yra trūkumas.
„Žmonės nesidalija savo duomenimis arba nėra mechanizmo, kaip tai padaryti“, – sako M. Moran.
„Ocra“ finansuoja didelio masto pacientų registrą su elektroniniais pacientų medicininiais įrašais, kurie leido tyrėjams mokyti savo duomenų algoritmus.
„Dabar dar ankstyvos dienos – dabar vis dar esame laukiniuose AI vakaruose“, – sako ponia Moran.