Ученые из США и Великобритании разработали искусственный интеллект (ИИ), который способен анализировать результаты неудачных клинических испытаний лекарств от болезни Альцгеймера и выявлять случаи, когда эти препараты на самом деле могут быть эффективными, пишет rupor.md.
Программа, разработанная с использованием машинного обучения, показала, что препарат ланабецестат замедляет развитие деменции на 46% у некоторых пациентов.
ИИ был обучен на данных о снимках мозга около трех сотен здоровых людей и носителей различных форм болезни Альцгеймера. Система разделяет пациентов на группы, анализируя, как быстро развивается болезнь в разных подгруппах и как успешно протекает лечение. Это позволяет выявить, какие препараты действуют только на определенные группы пациентов, чье лечение начиналось на ранних стадиях заболевания.
«Многие перспективные лекарства не дают должного эффекта, когда пациенты начинают их получать слишком поздно. Наша ИИ-модель помогает выявить эти случаи и подбирать добровольцев для более точных испытаний», — пояснила профессор Зоуи Куртци из Кембриджского университета.
За последние два десятилетия ученые разработали десятки перспективных препаратов от болезни Альцгеймера, которые показали высокий уровень эффективности на стадии доклинических испытаний. Однако все эти лекарства провалились в более крупных клинических испытаниях, не показав значительного улучшения когнитивных функций и памяти у участников.
Исследователи из Великобритании и США предположили, что причиной неудач в клинических испытаниях может быть позднее начало лечения или же то, что препараты воздействуют только на узкую группу пациентов. Это открытие подтвердил анализ данных с помощью ИИ, который показал, что ланабецестат был эффективен именно для пациентов, на ранних стадиях заболевания с медленным прогрессированием.
Разработка ИИ для анализа провальных испытаний может значительно ускорить процесс поиска эффективных лекарств от деменции. Исследователи уверены, что с помощью такого подхода можно будет выявить скрытые возможности лекарств, которые были отклонены на ранних стадиях из-за недостаточной эффективности в общих популяциях.
