Будущее лечения рака только что стало намного ярче. Исследователи создали цифровых близнецов пациентов и использовали их в качестве виртуальных подопытных кроликов, тестируя различные препараты, чтобы предсказать, какой из них будет наиболее эффективен против типа рака, которым они больны.

Представьте, что ваш врач сказал вам, что у вас рак и вам нужно немедленное лечение. Он предлагает вам два варианта и просит выбрать один. Очевидно, что вы хотите лечение, которое наиболее эффективно в борьбе с раком, который у вас есть, исходя из особенностей вашего тела. Итак, как выбрать между двумя предложенными методами лечения?

Исследователи значительно упростили это решение. Создав цифровых близнецов онкологических больных, их можно использовать в качестве виртуальных подопытных кроликов, воссоздавая клинические испытания для сравнения эффективности лечения и прогнозирования того, как пациент, скорее всего, отреагирует.

«Во всем мире мы тратим миллиарды долларов на разработку новых методов лечения рака», — говорит доктор Узма Асгар, консультант-онколог, в настоящее время работающий в Royal Marsden NHS Foundation Trust, Лондон, и соучредитель и главный научный сотрудник Concr , биотехнологической компании, специализирующейся на персонализированном лечении рака. «Некоторые из них окажутся успешными, но большинство — нет. Мы можем использовать цифровых близнецов для представления отдельных пациентов, создавать когорты клинических испытаний и сравнивать методы лечения, чтобы увидеть, насколько они, вероятно, будут успешными, прежде чем тестировать их на реальных пациентах».

Цифровые близнецы не являются чем-то новым. NASA утверждает, что эта концепция возникла в 1960-х годах, когда были созданы несколько симуляторов для оценки взрыва кислородного баллона и последующего повреждения двигателя, произошедшего на борту Apollo 13. Однако теперь достижения в области искусственного интеллекта, мобильной связи следующего поколения и больших данных привели к тому, что эта технология получила широкое распространение и грозит встряхнуть ряд отраслей, включая здравоохранение.

Исследователи назвали свою технологию FarrSight-Twin. Она основана на передовых алгоритмах, которые обычно используются астрофизиками и применяются к большим объемам молекулярных и данных пациентов. Это позволяет интегрировать разрозненные наборы данных по онкологии в единую целостную модель реакции пациента.