Korábbi diagnózis, hatásosabb gyógyszerek: így segít a mesterséges intelligencia a gyógyításban
A fehérje-feltekeredés a biológia egyik központi problémája. Ha sikerül megoldanunk, akkor jobban megérthejük a génszekvenciák és fehérjestruktúrák összefüggéseit, azáltal pedig jobban előjelezhető lesz bizonyos betegségekre használt gyógyszerek hatékonysága. Egy antitest struktúrája elárulhatja például, milyen molekulák kapcsolódhatnak hozzá.
Az Alpha Fold algoritmus több mint 170 ezer adat segítségével tanul, amelyet már dekódolt fehérjékből nyertek. Ezt az áttörést hamarosan újabbak követhetik: az egészségügyben komoly kapacitások szabadulhatnak fel, mivel az algoritmus egyre többet segíthet a betegségek gyorsabb diagnózisában, a gyógyszerek fejlesztésében és a kezelések egyénibbé tételében.
Szakértők szerint 2026-ra az egészségügy akár 123 milliárd eurót is spórolhat a mesterséges intelligencia használatával. Sőt, az MI a becslések alapján az egészségügyi piacon idén akár 5,4 milliárd eurós, azaz 40 százalékos növekedést is produkálhat.
Különösen ígéretesek a Pricewaterhouse-Cooper diagnosztikai módszerei, amelyek főleg a mellrák, a demencia és a túlsúly kezelésében segítenek. “A klinikai kutatások szerint az eljárás akár a kétévesek egészségügyi adataiból is előjelezheti, mekkora adott személy esetében a túlsúly kockázata” - áll a cég egyik beszámolójában, a célzott preventív intézkedésekkel pedig a következő 10 év során akár 90 milliárd euró is megspórolhatóvá válik.
Hasonló eredményekkel kecsegtet a demencia korai terápiája is, amit a mesterséges intelligencia már a kezdeti stádiumban képes felismerni, de akár a kemoterápia hatásosságát is már előre felmérheti - ezáltal újabb milliárdokat spórolhat az egészségügynek a következő évtizedben.
