AI v zdravotníctve sa posúva od teoretických predpovedí k praktickým výsledkom. Tím z University of Cambridge oznámil úspešné prvé testovanie vakcíny, ktorej aktívna zložka bola navrhnutá počítačom. Nejde ešte o hotový produkt, ale o dôležitý míľnik: AI dokáže pomôcť navrhovať riešenia pre problémy, ktoré sa menia rýchlejšie, než na ne tradičný vývoj stíha reagovať.
AI sa presúva do laboratórií
Keď sa dnes hovorí o umelej inteligencii, väčšina ľudí si predstaví generovanie textov, obrázkov alebo chatbotov. Najnovšia správa z Cambridge však pripomína, že AI má čoraz väčší dopad aj vo výskume a biotechnológiách.
Viac článkov
University of Cambridge spolu so spin-out spoločnosťou DIOSynVax oznámili, že experimentálna univerzálna vakcína proti skupine sarbecovírusov prešla prvou klinickou skúškou na ľuďoch. Do štúdie bolo zapojených 39 zdravých dobrovoľníkov vo veku 18 až 50 rokov v klinických pracoviskách v Southamptone a Cambridge. Podľa zverejnených výsledkov bola vakcína bezpečná, nespôsobila závažné vedľajšie účinky a vyvolala imunitné reakcie voči viacerým príbuzným vírusom – vrátane SARS-CoV-2, SARS a vybraných netopierích koronavírusov s pandemickým potenciálom.
Najdôležitejšou novinkou nie je len ďalšia vakcína proti koronavírusom. Podstatné je, že jej kľúčová aktívna zložka – antigén – bola navrhnutá pomocou AI a strojového učenia tak, aby sa nezameriavala len na jeden konkrétny variant, ale na spoločné znaky celej skupiny vírusov.
Čo znamená AI navrhnutý antigén
Antigén je časť vakcíny, ktorá učí imunitný systém rozpoznať hrozbu. Pri tradičnom vývoji sa pozornosť sústreďuje na konkrétny vírus alebo aktuálne cirkulujúci variant. To má slabinu: vírusy sa menia. Pri chrípke aj pri COVID-19 sme zvyknutí na cyklus sledovania variantov a úprav vakcín, ktoré vždy dobiehajú realitu.
Cambridgeský prístup ide inou cestou. Výskumníci využili dostupné genetické sekvencie sarbecovírusov z celého sveta a pomocou výpočtových metód hľadali prvky, ktoré sú spoločné pre širšiu skupinu príbuzných vírusov. Výsledkom je takzvaný super-antigén, ktorý predstavuje imunitnému systému širší obraz hrozby.
V praxi to znamená posun od reaktívneho vývoja k prediktívnejšiemu modelu. Namiesto otázky „aký variant práve koluje a ako rýchlo upraviť vakcínu?“ sa výskum pýta: „Aké spoločné znaky má celá rodina vírusov a ako na ne pripraviť imunitný systém vopred?“ Ukazuje to smer, ktorým sa môže vývoj uberať.
Prečo nejde o okamžitú revolúciu
Fáza 1 klinickej skúšky nie je dôkazom, že vakcína bude čoskoro bežne dostupná alebo že vyrieši budúce pandémie. Je to predovšetkým test bezpečnosti, znášanlivosti a prvých biologických reakcií. Ďalším krokom je väčšia fáza 2 s rozmanitejšou skupinou účastníkov, ktorá overí silu a šírku imunitnej odpovede.
Práve táto opatrnosť je dôležitá. Správa z Cambridge ukazuje seriózny proces: od AI návrhu, cez predklinický výskum, klinické pracoviská, transparentné obmedzenia až po plán ďalšieho overovania. To je zásadne odlišné od rýchlych, neoverených ukážok.
AI ako akcelerátor, nie náhrada
AI v tomto prípade nefunguje ako samostatný „vynálezca“. Pomáha prehľadávať obrovské množstvo možností, hľadať vzory, kombinovať dáta a urýchliť návrh kandidátov. Rozhodujúce kroky však stále závisia od expertov, laboratórneho testovania, klinických skúšok a regulácie.
Nie je to tak, že algoritmus „vymyslel liek“ a tým práca skončila. Dôležitý je celý systém: biologické poznanie, výrobná technológia, bezpečnostné hodnotenie a klinické overenie.
