ИИ в здравоохранении должен думать малыми масштабами

Шесть минут после начала миссии Аполлона-13 на Луну в 1970 году его кислородный бак взорвался. Это событие побудило НАСА разработать новый подход к прогнозированию возможных неисправностей в своих космических кораблях. Этот подход основывался на непрерывных данных с датчиков, которые затем подавались в глубокие цифровые симуляции, что позволяло проводить более строгие испытания сложных космических систем. Это было первое использование технологии “цифрового двойника”.

Сегодня системы цифровых двойников используются во всех отраслях для улучшения операций и точного моделирования любых изменений в системе. Технологические компании, такие как Apple и Tesla, используют цифровые двойники для мониторинга производительности продукта в поле и определения необходимости технического обслуживания конкретных компонентов системы.

Цифровые двойники также использовались в здравоохранении, хотя в основном в исследованиях и разработке лекарств. Однако их наибольший потенциал заключается в управлении хроническими заболеваниями. Объединив машинное обучение и технологию Интернета вещей с ИИ цифрового двойника, подход, который возник с чем-то таким же огромным, как космические исследования, имеет потенциал сделать здравоохранение真正чески индивидуализированным.

Цифровизация традиционной помощи не удалась

Современная медицина сделала постепенные шаги к персонализированной помощи за последнее десятилетие, давая пациентам голос в принятии решений и продвигаясь к точной медицине благодаря достижениям в геномных исследованиях. Оба этих подхода помогли адаптировать уход к индивиду, но в основном наша система здравоохранения использует подход “большой группы” к доставке ухода.

Это очевидно в том, как мы управляем хроническими заболеваниями. Каждый из 133 миллионов американцев, которые в настоящее время живут с одним или несколькими хроническими заболеваниями, подвергается запланированному пути ухода – режиму лечения, диете, часто нескольким лекарствам – и их улучшение измеряется в партиях тысяч других людей, которые делят их состояние.

Этот подход не сработал. Известно, что расходы США на диабет, сердечно-сосудистые заболевания и рак продолжают расти, и влияние технологий на результаты и затраты было ограничено. В цифровом управлении диабетом, похудением и другими состояниями это влияние было незначительным.

В марте отчет, опубликованный Peterson Health Technology Institute, подчеркнул этот недостаток устойчивых результатов. В отчете было обнаружено, что все оцененные решения работают плохо по вовлечению и результатам во времени. В результате снижение веса, снижение А1С, исключение лекарств, обратное развитие диабета и преимущества для здоровья, благополучия и экономики этих решений ограничены и неустойчивы.

Это потому, что большинство решений просто оцифровывают неэффективную модель ухода. Они не учитывают индивидуальные различия. Каждый человек приносит свой собственный набор культурных, биологических, диетических, поведенческих и экологических факторов, которые влияют на их здоровье на глубоко индивидуальном уровне.

Переход от “персонализированной” помощи к индивидуализированной помощи

ИИ цифрового двойника обещает отход от шаблона. Основой этой технологии является концепция, что каждый человек – это N из одного. Цифровой двойник человека информируется непрерывной мерой его уникальных клинических и поведенческих переменных и использует эти данные для формирования рекомендаций по уходу для лучшей и здоровой версии этого человека.

Сила технологии цифрового двойника заключается в ее внимании к мелочам – тому, что мы едим и делаем – и тому, как это влияет на наше текущее и будущее “я”. На практике цифровые двойники могут точно предсказать эффект ужина из стейка на метаболическое или сердечно-сосудистое здоровье конкретного человека. Если этот эффект может быть отрицательным, цифровые двойники могут предложить способы смягчить последствия. Это может быть 10-минутная прогулка или альтернативный десерт. Вместо мороженого, может быть, это банановый хлеб с греческим йогуртом и свежими ягодами или просто другая последовательность.

Таким образом, ИИ цифрового двойника может показать индивиду, что его ждет, если он останется на своей текущей траектории, и какие большие изменения могут произойти при внесении небольших корректировок во времени. Если вы продолжите свою текущую программу, вы сможете прекратить прием метформина через три недели. Если вы вернетесь к старым привычкам, вы можете ожидать, что возьмете новый рецепт.

Это мощная технология, и хотя ее влияние на здравоохранение в основном было признано только в академии, она начинает находить свое место в коммерческих случаях использования. В 2014 году Dassault Systemes и FDA запустили SIMULIA Living Heart, проект, который работает с производителями устройств для разработки и совершенствования кардиологических устройств с более быстрой скоростью. В начале пандемии OnScale’s Project BreathEasy разработал цифровой двойник легких пациентов с COVID-19 для улучшения и оптимизации использования ресурсов вентиляторов.

Медицинские исследователи также используют модели цифровых двойников заболеваний для прогнозирования эффективности фармацевтических вмешательств на основе сложных, индивидуальных биологических процессов. Takeda Pharmaceuticals приняла эту технологию для сокращения фармацевтических процессов и создания реалистичных входно-выходных прогнозов для биохимических реакций. Более недавно исследователи использовали технологию цифрового двойника для моделирования результатов терапии и определения лучшего лечения для орофарингеального карциномы на основе индивидуальных характеристик.

Управление хроническими заболеваниями – следующий рубеж

Недавняя статья, опубликованная в Nature, утверждает, что цифровые двойники “готовы сделать значительный вклад” в уход за раком, особенно в мониторинге прогрессирования заболевания и оценке реакций на лечение, которые печально известны индивидуальными вариациями. Та же статья анализирует кардиологические цифровые двойники, которые получают данные от изображений, электронных карт здоровья, генетических и непрерывных носимых данных, и их потенциал для прогнозирования острых сердечных событий.

Эти достижения приведут к революционным технологиям здравоохранения. Их сила заключается в концепции, которая является основой их цели: ничего сложного не является статичным.

Это особенно верно для наших биологических систем. Цифровой двойник требует тысяч данных в день на человека, чтобы действительно понять взаимодействие между биологией человека, культурой, образом жизни, предпочтениями и здоровьем. Некоторые из этих данных уже захватываются носимыми устройствами и мобильными приложениями, но без модели, которая помещает эти данные в контекст человека и его пути ухода, они не имеют направления.

В мире управления хроническими заболеваниями мелочи могут очень быстро стать большими, угрожающими жизни вещами. И хотя цифровое здравоохранение подняло надежды пациентов словами “персонализация”, инструменты и подходы, которые были предложены людям, не решали их уникальные потребности и предпочтения.

ИИ цифрового двойника изменит этот подход, помогающий нам лучше понять и улучшить наше здоровье на глубоко персонализированном уровне. Это технология, готовая выполнить обещание индивидуализированной помощи.