Когда ИИ приносит надежду: Что история рака говорит о будущем медицины

Если следить за новостями об ИИ, то сейчас чаще всего видишь два типа заголовков: страх потери работы и страх злоупотреблений. Дипфейки, уязвимости, массовые увольнения, слежка, манипуляции. Многое из этого реально и заслуживает внимания. Но из-за этого почти исчезает другое: та же самая технология может уплотнять знания, уменьшать трение и в некоторых случаях возвращать людям время именно тогда, когда оно нужнее всего.

Я уже писал здесь в блоге, в другом материале , о том, насколько быстро сейчас все меняется. Этот текст в некотором смысле является медицинской стороной той же мысли: меньше рынка, меньше хайпа, больше человека.

Одна история из OpenAI Forum как раз про это. Она не сентиментальная, не удобная и уж точно не обещает чуда. Но она показывает нечто, о чем мы, вероятно, будем слышать гораздо чаще в будущем, в том числе от людей, которые не являются миллионерами.

Коротко:

• В этом случае ИИ не заменил врача. Он резко ускорил анализ, исследование и координацию.
• Сегодня такой путь по-прежнему крайне неравномерно распределен, потому что требует денег, времени, доступа и готовности выдерживать высокую медицинскую сложность.
• Именно так начинается и многое из больших технологий, прежде чем стать обычным делом для намного большего числа людей.

Если вы хотите посмотреть оригинальное выступление, вот оно прямо в статье:

История, Которую Легко Пропустить

В центре этой истории находится Сид Сийбрандий, сооснователь GitLab. У него диагностировали остеосаркому, редкий и агрессивный рак кости. В форуме он очень открыто рассказывает, насколько жестким было стандартное лечение: операция, фиксация позвоночника, лучевая терапия, химиотерапия, переливания крови и полный физический крах. Для многих людей уже этого было бы более чем достаточно.

Важным ранним поворотным моментом для него стала так называемая click chemistry, нобелевский метод, позволяющий очень точно соединять определенные соединения. Для Сида это было не только научно интересно, но и психологически важно, потому что показало ему: медицина не всегда движется только через большие стандартные исследования. Через механизмы вроде single-patient IND в экстремальных ситуациях могут существовать и законные, и официальные пути к очень индивидуализированному лечению.

А потом пришла еще более тяжелая часть: рак вернулся. Почти не осталось устоявшихся стандартных вариантов. Никакого понятного pipeline. Никакого очевидного следующего шага. Никакого простого «теперь мы делаем терапию B». И именно в этот момент произошло нечто, что, как мне кажется, очень хорошо описывает наше время: он ушел с работы и вошел в founder mode, но не ради стартапа, а ради собственного выживания.

На первый взгляд это звучит абсурдно. Технопредприниматель внезапно обращается с раком как с инженерной задачей. И, честно говоря, моя первая реакция тоже была бы скептической. Медицина — это не SaaS-продукт. Чатбот — не онколог. API-вызов — не терапия.

Но было бы слишком легко отмахнуться от этой истории как от особого случая из Кремниевой долины. То, что здесь видно, — это не «чудесное исцеление с помощью ChatGPT», а новый способ работы в медицине: больше данных, больше распознавания паттернов, больше параллельности, более быстрые гипотезы, лучшие вопросы и более короткие циклы между находкой и решением.

Что На Самом Деле Сделал ИИ В Этом Случае

Сначала самое важное: ИИ не вылечил рак. Это было бы опасным и ложным упрощением. Здесь помогло сочетание диагностики, специалистов, экспериментальных подходов, клинического опыта, личной настойчивости и ИИ как ускорителя.

В своем выступлении Сид Сийбрандий и Джейкоб Стерн приводят несколько очень конкретных примеров.

Они собрали огромный массив данных, включая, по их собственным словам, около 25 терабайт материалов. Сюда входили bulk RNA sequencing, анализ отдельных клеток, патология, сканы, данные крови, органоидные модели и несколько экспериментальных диагностических методов. Такая глубина данных сегодня для большинства пациентов недостижима. Но самое интересное — что с этими данными делать после того, как они появились.

Джейкоб Стерн, генетик, прямо говорит в форуме, что он не врач. По его словам, ИИ дал ему не магическое знание, а нечто вроде костюма Железного человека для крайне специализированных областей. То есть способность быстро входить в тему, разумно разговаривать с экспертами, задавать более точные вопросы и готовить правильные следующие шаги.

Один ранний пример: они дали ChatGPT CSV-файл из bulk RNA sequencing и попросили первичную оценку. Уже этого оказалось достаточно, чтобы быстрее увидеть определенные маркеры и некоторые динамики в опухолевом окружении. Позже они пошли гораздо дальше: естественный язык как вход, агентный обзор литературы, формирование гипотез, биоинформатические шаги, код, графики и итоговый отчет на выходе.

В одном из примеров из выступления такой анализ занял около 30 минут и стоил примерно 20 долларов API-затрат. При этом на фоне он был подключен примерно к 600.000 отдельных клеток из разных временных точек анализа крови. Уже один этот контраст впечатляет: огромная биологическая сложность с одной стороны и сравнительно недорогая аналитическая помощь — с другой.

Еще интереснее становится, когда речь заходит о разработке терапии. Они упоминают:

• персонализированную мРНК-вакцину против рака, основанную на конкретных мутациях опухоли
• TCR-T-терапии, спроектированные для более точного прицела по опухоли
• подходы CAR-T с дополнительной логикой безопасности, чтобы уменьшить опасные эффекты для здоровых тканей
• поиск малоизученных мишеней, то есть белков или структур, которые могут быть очень важны в одном индивидуальном случае, но почти не изучены в мейнстримной науке

Сид говорит в какой-то момент, что его терапевтическая лестница выросла с нуля до более чем 30 вариантов. Не потому, что внезапно упало с неба чудо-лекарство, а потому, что данные, диагностика, экспертное знание и ИИ вместе открыли гораздо более широкую поверхность поиска.

Лучший пример этого эффекта «иголки в стоге сена» для меня — Penexin 3. По словам выступающих, этот белок проявлялся в его раке примерно в 10.000 раз сильнее, чем в здоровой ткани. И при этом в литературе почти ничего о нем не было. Предположение команды состояло в том, что из-за гидрофобности эта мишень просто выпадает из многих стандартных тестов. Именно здесь ИИ показывает, что он может дать в подобных случаях. Не потому, что он «умнее всех исследователей», а потому, что ему хватает терпения снова и снова проходить через огромные пространства данных, пока необычные сигналы вроде этого не станут видимыми.

Здесь и проявляется его настоящая сила. Не как у оракула, а как у инструмента, который позволяет гораздо быстрее превращать тысячи статей, точек данных, маркеров, профилей побочных эффектов и биологических связей во что-то операционное.

Для меня в этом и состоит суть истории: ИИ сжимает специализированное знание. Он не превращает непрофессионала во врача. Но он может гораздо ближе подвести вовлеченных пациентов, семьи и междисциплинарные команды к актуальной литературе и реальному пространству принятия решений.

Это Будущее До Сих Пор Очень Неравномерно Распределено

Романтизировать это не стоит. Сейчас эта история все еще очень элитарна.

Чтобы двигаться таким путем, нужны:

• деньги
• время
• очень сильные специалисты
• доступ к редким диагностическим методам
• огромная ментальная энергия
• способность выдерживать медицинскую сложность

Они сами говорят об этом достаточно открыто. Некоторые вещи чрезвычайно дороги. Другие, наоборот, стали неожиданно дешевыми. И именно эта смесь делает текущий момент таким интересным. Мы наблюдаем переход: собственно разработка терапии часто по-прежнему дорогая, медленная и бюрократическая. Но некоторые слои под ней уже начинают дешеветь.

В форуме они называют ориентировочные цифры вроде 50 долларов за bulk RNA sequencing, около 500 долларов за полное секвенирование генома и около 20 долларов за более продвинутый анализ с помощью ИИ. Это не полная стоимость лечения рака, но это сигналы. Слой получения знания начинает становиться дефляционным.

И это чрезвычайно важно, потому что сегодня медицина часто ломается не в первую очередь из-за отсутствия доброй воли, а из-за трения: данные разбросаны, экспертное знание живет в силосах, исследования идут слишком долго, редкие случаи выпадают из стандартных маршрутов, а между находкой и решением проходит слишком много времени.

Еще одна сильная сторона этой истории в том, что она явно не должна остаться элитным playbook для одного конкретного случая. И в выступлении, и на связанном с ним проектном сайте видно, что данные, выводы и процессы сознательно готовятся так, чтобы другие пациенты и команды могли потом быстрее строить на этой основе.

Так Начинаются Многие Большие Технологии

Именно поэтому эта история напомнила мне о старом паттерне. Вначале новая технология почти всегда доступна прежде всего тем, у кого больше денег, больше доступа и больше пространства для эксперимента, чем у остальных.

Во многие исторические периоды ванны были в основном у королей, знати или очень богатых домохозяйств. Сегодня горячая вода — обычная часть повседневной жизни миллионов людей.

И это не исключение. Еще три примера показывают тот же паттерн:

• Электрический свет дома когда-то был роскошью для богатых зданий, гостиниц и промышленности. Сегодня мы замечаем, насколько он обычен, только когда отключают электричество.
• Авиаперелеты когда-то были символом богатства, статуса и исключительности. Сегодня, хотя они не одинаково доступны всем, это уже массовая мобильность, а не аристократическая привилегия.
• Секвенирование генома когда-то было многомиллиардным проектом на долгие годы. Сегодня в некоторых случаях речь идет о сотнях долларов и днях, а не о десятилетиях.

Именно так, на мой взгляд, и нужно смотреть на эту новую форму персонализированной медицины. То, что сегодня выглядит как concierge medicine для очень хорошо связанных основателей, позже может стать гораздо более широко доступным в упрощенном, стандартизированном и автоматизированном виде.

Технологии масштабируются. Сначала медленно, потом внезапно.

Не автоматически. Не сами по себе. Не справедливо за одну ночь. Но исторический паттерн ясен: сначала роскошь, потом инструмент, потом инфраструктура.

Почему Эта История Все Равно Дает Мне Надежду

Больше всего в этой истории меня впечатляет то, что она не опирается на чудо. Она опирается на сжатие.

Здесь ИИ сжимает:

• литературу
• диагностику
• распознавание паттернов
• коммуникацию между дисциплинами
• способность не сдаваться слишком быстро в редких случаях

И это имеет огромную ценность в медицине. Потому что редкие заболевания и необычные траектории часто терпят неудачу не из-за полного отсутствия информации, а из-за того, что у никого нет времени собрать ее в действительно полезную форму.

Если тысячи страниц медицинской истории, лабораторных показателей, сканов, RNA-данных и исследований можно превратить в рабочую модель, это важно не только для отдельных богатых и нестандартных случаев. Это предвкушение медицины, которая может стать более точной, более персональной и, будем надеяться, более справедливой.

То, что сегодня все еще выглядит как исключительное лечение, завтра может стать стандартом в более уменьшенном и практичном виде:

• система, автоматически выделяющая редкие маркеры
• помощник, предварительно отбирающий релевантные исследования для врачей и пациентов
• инструмент, делающий возможные терапевтические пути и профили побочных эффектов более прозрачными
• диагностика, которая серьезнее относится к индивидуальной биологии, а не следует только стандартным маршрутам

И да, мы почти наверняка услышим об этом гораздо больше, и не только в историях основателей с ресурсами. Инструменты станут лучше. Стоимость снизится. Интерфейсы станут проще. Именно там и начинается масштабирование.

Мой Вывод

Именно поэтому я считаю эту историю важной. Она помогает немного выпрямить взгляд. ИИ — это не только риск. Не только увольнения. Не только хайп. Не только проблема безопасности. Он может стать и инструментом, который поможет людям лучше ориентироваться в больной, медленной и часто перегруженной системе.

Конечно, не стоит впадать в технологический романтизм. Самая важная основа нашего здоровья остается удивительно негламурной и очень человеческой:

• достаточно сна
• движение
• питание
• повседневная дисциплина

Эта часть по-прежнему во многом находится в наших собственных руках. Она остается фундаментом.

Если вам интересны именно эти темы, в блоге уже есть практические и личные тексты о треккинге здоровья и данных о здоровье , а также о Whoop, восстановлении, сне и нагрузке .

Но сразу после этого, я убежден, нам понадобится ИИ. Не как замена врачам, не как чудо-кнопка, а как второй слой интеллекта поверх данных, исследований и сложности.

И именно здесь для меня важен Google. С помощью AlphaFold Google DeepMind сделал открыто доступными предсказанные структуры более чем 200 миллионов белков, а с AlphaFold 3 подготовил следующий шаг, где лучше моделируются не только белки, но и их взаимодействия с другими молекулами. Это не «лекарство от всех болезней». Но это огромный базовый рычаг, потому что биология становится гораздо более читаемой для исследователей.

Поэтому я сохраняю надежду. Не наивную. Не слепую. Но надежду. Если мы сможем чисто мыслить вместе образ жизни, профилактику, хорошую медицину и ИИ, будущее действительно может принести больше здоровья гораздо большему числу людей.

До следующего раза,
Джо