Jak wyleczyć serce? Pomoże w tym sztuczna inteligencja

Nowe narzędzie AI znalazło nieznane wcześniej powiązania chorób serca z genami

Choroby sercowo-naczyniowe (układu krążenia) są główną przyczyną zgonów w Unii Europejskiej. Z danych Organizacji Współpracy Gospodarczej i Rozwoju (OECD) wynika, że chorują na nią 62 mln ludzi, a rocznie umiera 1,7 mln. Nic więc dziwnego, że to jeden z głównych obszarów zainteresowania medycyny prewencyjnej. Naukowcy z Imperial College London niedawno dołożyli do tych starań znaczący wkład. Stworzyli oni narzędzie AI, które identyfikuje geny powiązane z chorobami kardiowaskularnymi i umożliwia szybsze znajdywanie na nie leków.

CardioKG, bo tak nazywa się to nowe oprogramowanie, wykorzystuje dane obrazowe serca tysięcy pacjentów ze schorzeniami takimi jak zawał serca, migotanie przedsionków czy niewydolność serca, a także od zdrowych ochotników. Te nowe dane okazały się bardzo pomocne. Twórcy oprogramowania nazywają je “grafem wiedzy, łączącym ponad 200 tys. fenotypów kardiowaskularnych pozyskanych przez computer vision z obrazów biomedycznych wraz z danymi wydobytymi z 18 biologicznych baz danych, aby wymodelować ponad milion powiązań” – czytamy w abstrakcie artykułu na łamach “Nature Cardiovascular Research”.

Computer vision, nazywane też komputerowym rozpoznawaniem obrazów, jest jedną z dziedzin sztucznej inteligencji. Zajmuje się ona rozumieniem i opisywaniem tego, co znajduje się na zdjęciach czy grafikach. To właśnie ten rodzaj AI jest odpalany, gdy pytasz ChatGPT o coś znajdującego się na obrazie. Technologie spod tego szyldu istniały już jednak znacznie wcześniej. Teraz zostały wykorzystane do znalezienia nieznanych wcześniej związków między chorobami serca, genami i innymi przypadłościami.

Sztuczna inteligencja odkrywa nowe metody leczenia chorób sercowo-naczyniowych

Jak wyjaśniają eksperci z Imperial College London, “zrozumienie powiązań gen-choroba jest ważne dla odkrycia patologicznych mechanizmów i identyfikacji potencjalnych celów terapeutycznych”. CardioKG, który przy pomocy sztucznej inteligencji znalazł takie powiązania, działa na zasadzie grafu wiedzy (ang. knowledge graph), który jednak jest bardziej rozbudowany niż typowe bazy tego typu, bowiem nie tylko integruje i przedstawia dane biomedyczne z wielu źródeł, ale również zawiera informacje o strukturze i funkcji interesującego nas narządu na poziomie indywidualnym.

Przy pomocy autokodera grafów wariacyjnych (ang. variational graph auto-encoder, VGAE) narzędzie jest w stanie “przewidywać związki między genami i chorobami, a także ocenić podatność na leki i zidentyfikować strategie zmiany przeznaczenia leków” – wyjaśniają autorzy projektu.

Model AI przewidział już powiązania genetyczne głównych przyczyn chorób układu krążenia, a także możliwości terapeutyczne. Eksperci wymieniają m.in. metotreksat na niewydolność serca i gliptynę na migotanie przedsionków. Podejście to pozwala dalej wykrywać możliwości leczenia.

Źródło: Rjoob, K., McGurk, K.A., Zheng, S.L. et al. A multimodal vision knowledge graph of cardiovascular disease. Nat Cardiovasc Res (2025). https://doi.org/10.1038/s44161-025-00757-4

Zgłoś naruszenie/Błąd