Rzadkie choroby dotykają mniej niż 1 na 2000 osób. Jednak przy ponad 7000 zidentyfikowanych różnych typów, ich globalny wpływ jest znaczący. W regionie Azji i Pacyfiku około 258 milionów osób cierpi na rzadką chorobę, co jest najwyższą liczbą na świecie, a ponad 45 milionów w samej Azji Południowo-Wschodniej. Ta ogromna liczba podkreśla znaczące wyzwania w leczeniu, ponieważ różnorodność tej grupy pacjentów przyczynia się do znacznych dysproporcji w opiece zdrowotnej i zwiększonych wyzwań w rekrutacji do badań klinicznych. Ponadto w ramach małej grupy pacjentów każdy pacjent jest inny, a stan poszczególnych pacjentów zmienia się z czasem. Podkreśla to krytyczną potrzebę dostępnych i spersonalizowanych metod leczenia dla tej populacji pacjentów, a jednocześnie podkreśla poważne wyzwania stojące przed opracowywaniem metod leczenia dla pacjentów z rzadkimi chorobami.
Aby sprostać potrzebie skutecznego leczenia rzadkich chorób bez korzystania z dużych danych populacyjnych, naukowcy z Institute for Digital Medicine (WisDM) w Yong Loo Lin School of Medicine, National University of Singapore (NUS Medicine) wykorzystali niewielkie ilości danych od pojedynczego pacjenta z rzadką chorobą, aby pokierować jego leczeniem, z obiecującymi wynikami. Współprowadzony przez profesora Deana Ho, dyrektora WisDM w NUS Medicine, zespół przeprowadził badanie kliniczne dla pacjenta, u którego zdiagnozowano makroglobulinemię Waldenströma — rzadką chorobę krwi dotykającą około trzech na 1 000 000 osób rocznie — wykorzystując platformę opartą na sztucznej inteligencji (AI), CURATE.AI. W przeciwieństwie do tradycyjnych modeli AI, które zależą od dużych zestawów danych, CURATE.AI wykorzystuje niewielkie dane do dynamicznego dostosowywania dawek leczenia na podstawie indywidualnych reakcji pacjenta. Od rozpoczęcia badania w październiku 2021 r. zaobserwowano znaczną poprawę poziomu czerwonych krwinek u tego pacjenta, a pacjent był w stanie uniknąć transfuzji krwi. Co ważne, u pacjenta nie wystąpiły żadne poważne skutki uboczne leczenia, a konieczność hospitalizacji została ograniczona do minimum.
W badaniu zespół badawczy współpracował z klinicystami z National University Cancer Institute w Singapurze (NCIS), aby określić dawki leków dla pacjenta, w oparciu o wskazówki z platformy CURATE.AI. Dawki leków wybrano na podstawie własnych odpowiedzi pacjenta w sposób prospektywny, co czyni tę strategię leczenia pierwszą w swoim rodzaju. W porównaniu z całkowitą dawką w ramach standardowego schematu leczenia, zalecane dawki leków w badaniu były niższe i dobrze tolerowane przez pacjenta, co dowodzi trwałej kontroli choroby. W rezultacie pacjent był w stanie zaoszczędzić około 8000 USD (około 10 500 SGD) na kosztach leków w ciągu pierwszych dwóch lat leczenia.
Badanie z leczeniem zalecanym przez CURATE-AI jest w toku i jest teraz otwarte na rekrutację nowych, odpowiednich pacjentów. Wyniki zebrane w ciągu pierwszych dwóch lat badania zostały opublikowane w czasopiśmie Medycyna cyfrowa NPJ, czasopismo Nature Portfolio.
Profesor Ho powiedział: „Nie ma dwóch takich samych pacjentów, a nawet ten sam pacjent może się zmieniać z czasem. Istotne jest, aby leczenie ewoluowało wraz z pacjentem. Nasze badanie podkreśla skuteczność wykorzystania małych danych w leczeniu niezwykle rzadkich chorób — wypełniając luki, w których tradycyjne metody big data zawodzą, a badania na dużą skalę nie są wykonalne ze względu na ograniczoną populację pacjentów. Podejście CURATE.AI, które dostosowuje leczenie przy użyciu małych zestawów danych, oferuje praktyczne rozwiązanie dla pilnej i trudnej potrzeby opracowywania spersonalizowanych strategii leczenia rzadkich chorób”. Profesor Ho jest również kierownikiem Wydziału Inżynierii Biomedycznej w NUS College of Design and Engineering oraz dyrektorem NUS N.1 Institute for Health.
Dr Sanjay de Mel, starszy konsultant w Oddziale Hematologii, Departamencie Hematologii-Onkologii, NCIS i kierownik kliniczny badania, dodał: „Osiągnięcie dobrej odpowiedzi na leczenie przy jednoczesnym zminimalizowaniu skutków ubocznych jest kluczowe w leczeniu pacjentów z makroglobulinemią Waldenströma. Pacjenci mogą znacząco różnić się pod względem sposobu, w jaki ich organizmy radzą sobie z leczeniem i rodzajów skutków ubocznych, których doświadczają. Dlatego też konieczne jest spersonalizowane podejście do dawkowania leków, aby uwzględnić tę zmienność międzyosobniczą”.
O CURATE.AI
Dzięki platformie technologicznej opartej na sztucznej inteligencji, CURATE.AI, która zapewnia wykonalną terapię N-of-1 (tj. pojedynczego pacjenta) przez cały okres opieki nad pacjentem, badania są dostosowywane na podstawie indywidualnych profili, aby opracować terapie lekowe i interwencje, które przynoszą lepsze wyniki dla pacjentów. Dynamicznie dostosowując dawki leków, CURATE.AI podtrzymuje optymalizację leczenia, gdy odpowiedzi pacjentów są rejestrowane.
Tradycyjnie AI wykorzystuje duże zbiory danych od dużej liczby pacjentów do trenowania i testowania algorytmu. Następnie algorytm jest ponownie weryfikowany przy użyciu danych z innej populacji pacjentów. Może to prowadzić do ważnych postępów w AI. Jednak w przypadku braku prospektywnej implementacji lub rzeczywistego wykorzystania algorytmu do kierowania opieką nad pacjentem może to prowadzić do przewidywania bez implementacji, co skutkuje tym, że algorytm pozostaje teoretyczny.
Podejście CURATE.AI okazuje się bardzo różne — jest to jedno z niewielu na świecie, w którym małe dane są wykorzystywane do kierowania rzeczywistym leczeniem w sposób prospektywny. W ramach badań klinicznych zespołu WisDM lekarze często zatwierdzają i zmniejszają dawki podawane pacjentom na podstawie tej małej platformy danych. Ponieważ CURATE.AI działa z danymi pojedynczego pacjenta, eliminuje potrzebę dużych populacji pacjentów — co często skutkuje niepersonalizowanymi projektami badań pacjentów i może nie być praktyczne w leczeniu rzadkich chorób, w przypadku których nie ma dużej puli danych.
W poprzednim pilotażowym badaniu klinicznym przeprowadzonym we współpracy ze szpitalem w USA pacjentowi z zaawansowanym rakiem prostaty zalecono 50% zmniejszenie dawki badanego leku inhibitorowego w celu zwiększenia skuteczności. Następnie pacjent powrócił do aktywnego trybu życia, ponieważ niższa dawka okazała się również lepiej tolerowana. Inny pacjent w Singapurze z zaawansowanym rakiem, któremu przepisano zmniejszoną dawkę nab-paklitakselu, zauważył zmniejszenie się guza płuc, a jednocześnie zatrzymanie postępu nowotworu. Pozwoliło to również pacjentowi kontynuować leczenie przez znacznie dłuższy czas w porównaniu z większością pacjentów, którym podawano ten lek.
