Искусственный интеллект может помочь найти новые способы применения старых лекарств; сложнее всего будет довести их до пациентов.

Комментарии предоставлены доктором Дэвидом Файгенбаумом.

18 сентября 2026 г. | В 2010 году я был студентом третьего курса медицинского факультета, когда тяжело заболел идиопатической мультицентрической болезнью Кастлемана (иМКД) — редким заболеванием, которое привело меня в больницу и поставило на грань смерти. После семи курсов химиотерапии, временно сдержавших симптомы, очередной рецидив привел к словам, которые не хочет слышать ни один пациент: больше нет вариантов. Моя болезнь убьет меня, если я не приму меры быстро.

Ожидание совершенно новой терапии, на создание которой может уйти от 10 до 15 лет и миллиарды долларов, было для меня неприемлемым вариантом. Перепрофилирование существующего препарата было моим единственным реальным шансом на выживание.

При многих заболеваниях уже одобренные для лечения других состояний препараты могут воздействовать на соответствующие биологические пути, общие для других заболеваний. Вместо того чтобы начинать с нуля, мы можем опираться на предыдущие исследования, находить существующие препараты, действующие по схожим механизмам, и использовать недорогие, широко доступные препараты «вне инструкции» для лечения пациентов с редкими заболеваниями.

В ожидании следующего рецидива я начал самостоятельно брать образцы крови и изучать их в лаборатории. Мы обнаружили гиперактивный сигнальный путь и попробовали 25-летний, уже одобренный FDA, препарат для трансплантации органов под названием сиролимус, чтобы успокоить этот гиперактивный сигнал. Этот препарат никогда ранее не применялся при идиопатической мультицентрической демиелинизации.

Это сработало, и теперь я нахожусь в ремиссии уже более двенадцати лет. Этот опыт изменил мое представление о медицине и о времени.

В моем случае решающим фактором стал не какой-то один прорыв, а способность быстро связать разрозненные биомедицинские данные, определить, как существующий препарат может влиять на патогенез заболевания, и рассматривать каждую возможность как проверяемую гипотезу. Назначение лекарств не по назначению относительно распространено в медицине, но гораздо больше потенциальных методов лечения скрываются на виду.

Моя история показала мне огромную возможность систематически выявлять новые способы перепрофилирования лекарств для тысяч заболеваний и миллионов пациентов, которые остаются без внимания в традиционной системе разработки лекарств. В 2022 году я стал соучредителем Every Cure, чтобы воплотить эту возможность в жизнь.

Сегодня искусственный интеллект способен генерировать больше гипотез о перепрофилировании лекарств, чем врачи и исследователи могут оценить вручную. Но поиск возможных связей — это не то же самое, что доказательство того, какие из них безопасны, эффективны и клинически полезны. В Every Cure мы работаем от начала до конца, от открытия до воздействия на пациентов, чтобы гарантировать, что перспективные и научно обоснованные возможности перепрофилирования помогают людям, которые в них больше всего нуждаются.

Недавнее объявление FDA о новой инициативе по сбору информации о перепрофилировании лекарственных препаратов является важным шагом вперед. В мае агентство заявило, что «перепрофилирование лекарственных препаратов может позволить более эффективно использовать имеющиеся научные данные для предоставления действенных вариантов лечения нуждающимся пациентам». Это признание отражает растущее понимание того, что перепрофилирование лекарственных препаратов представляет собой более быстрый способ предоставления лечения пациентам с неудовлетворенными медицинскими потребностями.

Разрыв в повторном использовании ресурсов

В 2014 году я начал принимать сиролимус, одобренный FDA препарат для трансплантации органов, который спас мне жизнь. На протяжении 12 лет ремиссии я продолжаю размышлять над вопросом: сколько существующих лекарств могли бы лечить болезни, для которых они изначально не предназначались, если бы у нас был систематический способ их поиска?

Поскольку компаниям невыгодно перепрофилировать существующие лекарства, особенно те 80%, которые уже являются дженериками, никто не заинтересован в инвестировании средств для доказательства эффективности этих препаратов. По этой причине Every Cure является некоммерческой организацией, полностью посвященной спасению и улучшению жизней путем перепрофилирования лекарств.

Наш подход рассматривает перепрофилирование лекарств как задачу ранжирования и проверки: сначала выявляются правдоподобные связи между лекарствами и заболеваниями среди миллионов возможных пар, а затем наиболее перспективные кандидаты проходят экспертную оценку. Вместо того чтобы начинать с одного лекарства или одного заболевания, мы делаем прогнозы примерно по 3000 одобренным FDA лекарствам и 22000 признанным заболеваниям, оценивая более 65 миллионов вариантов, чтобы выявить возможности с наибольшим потенциалом для улучшения состояния пациентов. В настоящее время у нас есть 15 активных программ перепрофилирования лекарств по различным заболеваниям, от крайне редких, таких как синдром Бахмана-Буппа, до более распространенных, таких как рак молочной железы.

Что может и чего не может доказать ИИ

Биологический мир по своей сути полон взаимосвязей: лекарства, болезни, гены, пути, взаимодействия, фенотипы и доказательства, которые наука обнаружила для их описания. Для масштабного анализа этих взаимосвязей Every Cure использует платформу на основе искусственного интеллекта, построенную на графах знаний и машинном обучении. Мы объединили и расширили существующие биомедицинские графы знаний в единую интегрированную систему, создав основу для крупномасштабного вычислительного анализа.

Графовая база данных предоставляет способ вычисления и запроса взаимосвязей в больших масштабах. Для каждой пары «лекарство-заболевание» платформа ищет пути, связывающие известные мишени препарата с генами, сигнальными путями или фенотипами, участвующими в развитии заболевания. Кандидат может подняться в рейтинге, если он воздействует на сигнальный путь, который неоднократно встречается в данных пациентов и при связанных заболеваниях. Он также может опуститься в рейтинге, если доказательства основаны на слабой модели на животных, одной статье или противопоказании, которое делает клиническое применение небезопасным.

Используя графовую аналитику в Neo4j Graph Data Science с помощью таких инструментов моделирования, как XGBoost и scikit-learn, мы рассматриваем перепрофилирование лекарств как задачу ранжирования и поиска. Наша платформа систематически оценивает и расставляет приоритеты для миллионов возможных взаимосвязей между лекарствами и заболеваниями, позволяя выполнять работу, которая традиционно занимала бы годы, за считанные дни. Эта архитектура на основе графов также позволяет нам выйти за рамки периодического поиска «все против всех» и постоянно расставлять приоритеты для наиболее перспективных кандидатов для целенаправленного анализа и проверки.

Клиническая экспертиза остается крайне важной на протяжении всего этого процесса. Ни одна команда не может вручную оценить пространство поиска, содержащее до 65 миллионов вариантов, но одного лишь ИИ недостаточно. Обратная связь между людьми и технологией является операционным ядром модели. Она поддерживает систему на основе клинических и биологических оценок, постоянно улучшая при этом расстановку приоритетов платформы. То, что раньше требовало месяцев ручного анализа литературы и достижения консенсуса среди экспертов, теперь может начаться с ранжированного списка, сгенерированного за несколько часов.

Компьютерное перепрофилирование лекарств или «компьютерная фармакофономика» также имеет свои ограничения: оно может создавать впечатление большей достоверности гипотезы, чем это подтверждают имеющиеся доказательства. Лекарство может воздействовать на сигнальный путь, связанный с заболеванием, но при этом оказаться неэффективным у пациентов из-за таких факторов, как доза, воздействие на ткани, время начала заболевания, сопутствующие заболевания или риски для безопасности. Для редких заболеваний проблема валидации еще сложнее, поскольку популяции пациентов невелики, а рандомизированные исследования могут быть медленными, дорогостоящими или нецелесообразными. Для продвижения этой области вперед нам нужны более эффективные способы объединения доказательств, клинических данных, регистров, исследований естественного течения заболевания и тщательно спланированных клинических испытаний.

Наряду с проектом Every Cure, все больше групп работают над тем, чтобы сделать перепрофилирование лекарств более систематизированным и масштабируемым. Академические команды создали графовые модели, такие как TxGNN, разработанная Маринкой Зитник из Гарвардской медицинской школы, которые ранжируют кандидаты в лекарственные препараты по тысячам заболеваний и предоставляют интерпретируемые пути для анализа врачами. Мы знаем, что ИИ может выдавать правдоподобные гипотезы о связи лекарств и заболеваний, но мы все еще работаем над тем, как медицина должна оценивать, финансировать и использовать эти возможности.

Такие программы, как Управление по разработке орфанных препаратов FDA и Программа грантов по редким нейродегенеративным заболеваниям, помогают поддерживать перепрофилирование лекарств за счет исследовательских средств. Международные организации, такие как инициатива «Лекарства от забытых болезней», помогают лечить редкие заболевания в Африке, Латинской Америке и других регионах с недостаточным уровнем медицинского обслуживания. Вместе мы можем помочь изменить систему, чтобы она сосредоточилась на пациентах уже сегодня, а не ждала следующей многомиллиардной программы разработки лекарств.

У Every Cure амбициозная цель — к 2030 году найти новые методы лечения для 15-25 заболеваний. Только в 2025 году Every Cure рассмотрела более 9000 возможностей для перепрофилирования лекарственных средств, и в настоящее время наша команда ежемесячно оценивает около 1000 уникальных возможностей. Обратная связь по результатам этих обзоров фиксируется в виде структурированных данных, что позволяет платформе постоянно переобучаться и совершенствовать методы определения приоритетов кандидатов.

Однако успех зависит не столько от генерации потенциальных кандидатов, сколько от доказательства того, какие из них могут ответственно применяться у пациентов, и от фактической доставки этих препаратов пациентам. Для этого потребуется более развитая инфраструктура для проверки и продвижения перепрофилированных методов лечения, включая финансирование для подтверждения концепции, клинические испытания, реестры редких заболеваний, системы сбора данных из реальной клинической практики и более четкие механизмы возмещения затрат на обоснованное применение препаратов не по прямому назначению. Недавняя инициатива FDA по сбору информации о перепрофилировании лекарственных средств является очень позитивным шагом вперед.

Мы начинаем понимать, как может выглядеть этот путь. Организация Every Cure сотрудничает с доктором Люком Ченом и другими экспертами для оценки эффективности леналидомида и дексаметазона при болезни Розаи-Дорфмана (БРД), редком заболевании, при котором в организме накапливаются определенные клетки крови. В июне 2026 года, после новых исследований, проведенных нашей командой и другими специалистами, Национальная комплексная онкологическая сеть (NCCN) назвала эту комбинацию предпочтительным вариантом лечения для подходящих пациентов с БРД. Теперь работа направлена ​​на то, чтобы врачи и пациенты знали о существовании этого варианта лечения и могли получить к нему доступ.

Традиционно перепрофилирование лекарств частично зависело от удачи: побочный эффект, замеченный врачом, механизм, обнаруженный исследователем, или отчаянный пациент, у которого не осталось стандартных вариантов лечения. Искусственный интеллект и графы знаний теперь позволяют систематически искать эти связи. Но выдвижение гипотез — это только начало. Следующая задача, которую мы пытаемся решить прямо сейчас, — это создание систем оценки, необходимых для доказательства эффективности и превращения правдоподобных гипотез в методы лечения, которые врачи могут ответственно назначать, а пациенты — иметь к ним доступ.

Дэвид Файгенбаум, доктор медицины, магистр делового администрирования, магистр наук, является соучредителем и президентом Every Cure и одним из самых молодых преподавателей, когда-либо получивших постоянную должность в Медицинской школе Университета Пенсильвании. Будучи врачом-ученым и пациентом, борющимся со смертельной болезнью, он открыл и перепрофилировал метод лечения, который спас ему жизнь. С тех пор доктор Файгенбаум разработал еще 13 перепрофилированных методов лечения рака и редких заболеваний и стал соучредителем Every Cure, чтобы раскрыть больше скрытых способов лечения с помощью существующих лекарств. С ним можно связаться по адресу [email protected]

Источник: www.bio-itworld.com