Umělá inteligence (AI) v dlouhověkosti

Umělá inteligence (AI, artifical intelligence) a strojové učení (ML, machine learning) se stávají nepostradatelnými nástroji ve výzkumu stárnutí a prodlužování života. Jejich schopnost analyzovat obrovské a komplexní soubory biologických dat značně přesahuje lidské možnosti. 

AI není jen nástrojem pro zrychlení stávajících procesů, ale umožňuje zcela nové přístupy k výzkumu stárnutí. Schopnost AI identifikovat komplexní vzorce v obrovských datasetech, které jsou pro lidský mozek nepostřehnutelné, může vést k objevům neočekávaných mechanismů stárnutí a nových terapeutických cílů, které by tradičními metodami nebyly odhaleny. 

Stárnutí je extrémně komplexní proces zahrnující tisíce proměnných na molekulární, buněčné a orgánové úrovni. Strojové učení dokáže zpracovávat a nacházet vzorce v datech, která jsou pro lidi příliš složitá. To může vést k identifikaci nových biomarkerů, prediktivních modelů stárnutí, a co je nejdůležitější, nových molekulárních cílů pro intervence. AI tak může odhalit skryté mechanismy stárnutí a navrhnout zcela nové terapeutické strategie, například kombinace léků se synergickým účinkem.

Hlavní aplikace AI v oblasti výzkumu stárnutí zahrnují: 

• Objevování nových léků a terapeutických cílů. AI platformy dokáží prohledávat databáze chemických sloučenin a predikovat jejich potenciální účinnost proti stárnutí nebo nemocem spojeným s věkem. Příkladem je společnost Insilico Medicine, která využívá AI k identifikaci nových geroprotektorů (látek chránících před stárnutím), přičemž jejich první AI-objevený lék je již v druhé fázi klinických studií. Společnost Rejuvenate Biomed využívá AI platformy CombinAge a CelegAge k identifikaci kombinací již existujících bezpečných léků, které by mohly cílit na více znaků stárnutí současně.
• Vývoj a validace biomarkerů stárnutí. AI se používá k vytváření tzv. "deep aging clocks" – sofistikovaných modelů biologického věku založených na různých typech dat (např. krevní metabolity, metylace DNA, data z nositelné elektroniky). Tyto AI-řízené hodiny mohou přesněji predikovat zdravotní stav a riziko mortality. 
• Personalizace léčby a preventivních plánů. AI může analyzovat individuální data pacienta (genetiku, životní styl, biomarkery) a navrhovat personalizované plány pro zdravé stárnutí, včetně doporučení ohledně stravy, cvičení a doplňků.
• Analýza medicínských obrazů a diagnostika. AI algoritmy pomáhají při analýze rentgenových snímků, CT, MRI a dalších zobrazovacích metod pro časnou detekci onemocnění. V mnoha případech je strojová analýza a diagnostika přesnější a detailnější než lidská.
• Interpretace komplexních dat z klinických studií a nositelné elektroniky. Nositelná elektronika (wearables) sbírá obrovské množství zdravotních dat, nesrovnatelně větší než klasická medicína. Tento sběr je často bezdrátový a prováděný na dálku, takže produkuje velké datasety měření. AI pomáhá extrahovat smysluplné informace z obrovského množství dat generovaných moderní medicínou a výzkumem.

V České republice se AI také postupně prosazuje ve zdravotnictví, například v podobě chatbotů pro komunikaci s pacienty nebo digitálních aplikací zaměřených na zdraví mozku a prevenci demence. Časopis lékařů českých se rovněž věnuje tématu AI v medicíně a zdravotnictví, diskutuje příležitosti i potenciální hrozby.