Исследователи из Гарвардской медицинской школы разработали ИИ-модель PDGrapher, которая способна выявлять методы лечения, обращающие болезненные состояния клеток вспять. В отличие от традиционных подходов, тестирующих по одному белку за раз, новая система анализирует сразу несколько факторов заболевания и показывает точность предсказаний на 35% выше конкурентов.
PDGrapher — это граф-нейронная сеть, которая изучает не отдельные точки данных, а связи между генами, белками и сигнальными путями в клетках. Модель обучили на датасете больных клеток до и после лечения, а затем протестировали на 19 наборах данных, охватывающих 11 типов рака. Результат впечатляет: система работает в 25 раз быстрее аналогичных ИИ-решений.
Ключевое преимущество PDGrapher — способность находить комбинации мишеней для лечения сложных заболеваний вроде рака, где опухоли могут «перехитрить» препараты, бьющие только по одной цели. Модель успешно выявила уже известные мишени (которые специально исключили из обучения) и предложила новые кандидаты, включая KDR для немелкоклеточного рака легких и TOP2A для определенных опухолей.
Сейчас команда применяет модель для изучения болезней мозга — Паркинсона и Альцгеймера, а также сотрудничает с коллегами из Массачусетской больницы общего профиля для поиска новых мишеней при X-сцепленной дистонии-паркинсонизме. В перспективе PDGrapher может анализировать клеточный профиль пациента и помогать создавать индивидуальные комбинации лечения — настоящий персонализированный подход к медицине.
Источник новости и обложки: www.technologynetworks.com
