Hungarian subtitles

← Az anyagcseretermékek és a mesterséges intelligencia orvosi lehetőségei

Get Embed Code
36 Languages

Showing Revision 8 created 01/30/2020 by Csaba Lóki.

  1. 2003-ban,
  2. amikor szekvenáltuk az emberi genomot,
  3. azt gondoltuk, hogy megkapjuk a választ
    számos betegség kezelésére,
  4. de a valóság távol áll ettől,
  5. mert a génjeink mellett
  6. környezetünk és életmódunk is
    jelentős szerepet játszik
  7. a főbb betegségek kialakulásában.
  8. Az egyik példa a zsírmáj,

  9. ami a világ népességének
    több mint 20 százalékát érinti,
  10. nincs gyógymódja, és májrákhoz
  11. vagy májelégtelenséghez vezet.
  12. Tehát csak a DNS szekvenálása
    nem ad elegendő információt ahhoz,
  13. hogy hatékony terápiákat találjunk.
  14. A jó hír, hogy sok más molekula is,

  15. valójában több mint 100 000 metabolit
    található a testünkben.
  16. A metabolitok rendkívül
    kis méretű molekulák.
  17. Ismert példák a glükóz,
    a fruktóz, a zsírok, a koleszterin –
  18. ezekről állandóan hallunk.
  19. A metabolitok részt vesznek
    az anyagcserénkben.
  20. Ezek úgyszintén a DNS
    gyakorlati megvalósulásai,
  21. tehát információkat hordoznak
    génjeinkről és életmódunkról.
  22. A metabolitok megértése sok betegségnél
    szükséges a gyógymód megtalálásához.
  23. Mindig betegeket akartam kezelni.

  24. Ennek ellenére 15 évvel ezelőtt
    otthagytam az orvosi iskolát,
  25. mivel hiányzott a matematika.
  26. Nem sokkal ezután
    rátaláltam a legmenőbb dologra:
  27. Tudom használni a matematikát
    az orvostudomány tanulmányozására.
  28. Azóta algoritmusokat fejlesztek
    biológiai adatok elemzésére.
  29. Ez könnyűnek tűnt:
  30. gyűjtsünk adatokat
    a testben levő összes metabolitról,
  31. írjuk le matematikai modellekkel,
    hogyan változnak meg egy betegség során,
  32. és avatkozzunk be
    ezekbe a változásokba, kezeljük őket.
  33. Aztán rájöttem, miért nem
    foglalkozott ezzel még senki:

  34. mert rendkívül nehéz.
  35. (Nevetés)

  36. A szervezetben sok metabolit található.

  37. Mindegyik különbözik a másiktól.
  38. Egyes metabolitok molekulatömege
  39. mérhető tömegspektrometriás eszközökkel.
  40. De mivel akár 10 molekulának is lehet
    pontosan ugyanakkora a tömege,
  41. nem tudjuk pontosan, melyek azok,
  42. és az egyértelmű beazonosításhoz
    több kísérlet kéne,
  43. ez pedig évtizedeket
  44. és dollármilliárdokat venne igénybe.
  45. Tehát kifejlesztettünk rá
    egy mesterséges intelligenciát.

  46. Kihasználtuk a biológiai adatok
    szüntelen gyarapodását,
  47. és felépítettünk egy adatbázist
    a metabolitokról meglévő információkból,
  48. és kölcsönhatásukról más molekulákkal.
  49. Egy megahálózatban összesítettük
    ezeket az adatokat.
  50. Ezután a betegek szöveteiből vagy véréből
  51. megmérjük a metabolitok tömegét,
  52. és megkeressük azokat a tömegeket,
    amelyek megváltoztak a betegségben.
  53. De, ahogy korábban is említettem,
    nem tudjuk pontosan, melyek azok.
  54. A 180-as molekulatömeg
    lehet glükóz, galaktóz vagy fruktóz is.
  55. Mindegyik pontosan egyforma tömegű,
  56. de különböző funkciókat
    látnak el a testünkben.
  57. Az MI algoritmusunk
    figyelembe vette mindezt.
  58. Ezután átnézte a megahálózatot,
  59. hogy megtudja, ezek a metabolikus tömegek
    hogyan kapcsolódnak egymáshoz,
  60. hogyan vezetnek betegséghez.
  61. A kapcsolódásuk módjából
  62. képesek vagyunk következtetni arra,
    mik is ezek a metabolitok,
  63. hogy a 180-as tömegű itt glükóz lehet,
  64. és ami még fontosabb, hogy felfedezzük,
  65. a glükóz és más metabolitok változása
  66. hogyan vezet betegséghez.
  67. A betegségmechanizmusok
    ezen újszerű megértése lehetővé teszi,
  68. hogy hatékony terápiás gyógyszereket
    fejlesszünk ki a kezeléshez.
  69. Létrehoztunk egy induló vállalkozást,
    hogy ezt a technológiát forgalomba hozzuk,

  70. és hatással legyünk az emberek életére.
  71. Jelenleg csapatommal a ReviveMednél
    a fő betegségek kezelését fejlesztjük,
  72. melynek során a metabolitok
    kulcsfontosságú szerepet játszanak,
  73. mint például a zsírmáj,
  74. melyet a zsírok felhalmozódása okoz,
  75. amelyek a máj metabolittípusai.
  76. Ahogy korábban említettem,
    ez elterjedt betegség, gyógymód nélkül.
  77. A zsírmáj csak egy példa erre.

  78. Ahogy haladunk előre,
  79. ma még gyógyíthatatlan betegségek
    százait fogjuk tudni kezelni.
  80. Majd ahogy egyre több
    metabolitadatot gyűjtünk,
  81. és megértjük, hogy a metabolitok változása
  82. hogyan vezet betegségek kifejlődéséhez,
  83. algoritmusaink egyre okosabbak
  84. a betegek számára megfelelő
    kezelések kifejlesztésében.
  85. És egyre közelebb kerülünk
    ahhoz az elképzelésünkhöz,
  86. hogy minden kódsorral életeket mentsünk.
  87. Köszönöm.

  88. (Taps)