ATHENA-R1 w chorobach ultrarzadkich: terapeuta AI, który zbiera dowody, a nie zgaduje

W chorobach ultrarzadkich nie ma wytycznych. Lekarz dostaje pacjenta z mutacją, której nie widział nigdy wcześniej, i ma na znalezienie terapii mniej czasu, niż zajmuje opublikowanie jednego badania klinicznego. ATHENA-R1 zmienia tę dynamikę - nie dlatego, że jest szybszym chatbotem, ale dlatego, że samodzielnie identyfikuje luki w wiedzy i przeszukuje 212 baz biomedycznych, żeby znaleźć uzasadnioną opcję terapeutyczną.

Nie kolejny LLM, tylko agent zbierający dowody

Większość modeli AI dostarcza odpowiedzi na podstawie statystycznej składni. ATHENA-R1 działa inaczej - został wytrenowany w procesie iteracyjnego gromadzenia dowodów, wykorzystując uczenie ze wzmocnieniem i informację zwrotną oceniającą jakość rozumowania. Kiedy dostaje opis przypadku pacjenta z rzadką chorobą, nie generuje natychmiast listy leków. Zaczyna od pytania: czego jeszcze nie wiem? Potem wybiera odpowiednie narzędzie z arsenału 212 baz - od rejestrów mutacji, przez profile farmakologiczne leków FDA (od 1939 roku), aż po ścieżki sygnałowe i dane o off-label use. Każdy krok jest rejestrowany, a końcowa rekomendacja zawiera łańcuch dowodów, a nie tylko ranking pozycji.

W zaślepionych testach z udziałem ekspertów z 28 organizacji zajmujących się chorobami rzadkimi ATHENA-R1 wypadał lepiej niż modele referencyjne pod każdym ocenianym kryterium. Nie chodziło o to, że brzmiał bardziej po ludzku, ale o to, że jego hipotezy terapeutyczne miały konkretne, powtarzalne osadzenie w literaturze i mechanizmach molekularnych. Dokładność w zadaniach rozumowania terapeutycznego sięgnęła 82,9%, o 10,7 punktu procentowego więcej niż GPT-5 - a to przy znacznie mniejszej tendencji do konfabulacji.

Scenariusz: pacjentka z mutacją widzianą 7 razy na świecie

Wyobraź sobie 12-letnią dziewczynkę z mutacją w genie SLC25A1. W literaturze opisano ją u siedmiu pacjentów. Nie istnieje żadna terapia przyczynowa. Lekarz z Centrum Chorób Rzadkich w Poznaniu wpisuje do systemu dane fenotypowe, wiek, schorzenia współistniejące, wyniki badań genetycznych i włącza ATHENA-R1.

Po 20 minutach agent wyświetla trzy leki zatwierdzone przez FDA w innych wskazaniach - wszystkie z uzasadnieniem molekularnym. Pierwszy moduluje szlak mitochondrialny zbliżony do tego, który jest uszkodzony przez mutację; potwierdzono jego skuteczność na modelu mysim. Drugi ma udokumentowane działanie w pokrewnej rzadkiej chorobie metabolicznej. Trzeci, choć mniej oczywisty, pojawił się dzięki analizie podobieństwa struktur białkowych. Lekarz przedstawia te opcje rodzicom, konsylium dyskutuje o dostępie do leków off-label i rozpoczyna terapię w ciągu tygodnia, a nie pół roku później.

Ten scenariusz to nie futurologia. ATHENA-R1 został przetestowany na realnych przypadkach pacjentów z chorobami sercowo-naczyniowymi i zakaźnymi, a jego hipotezy o zdarzeniach niepożądanych zweryfikowano na elektronicznej dokumentacji medycznej 5,4 miliona pacjentów, gdzie skorygowane ilorazy szans wyniosły 1,48-1,84, bez fałszywych alarmów w grupie kontroli negatywnej. To pokazuje, że agent nie tylko znajduje nowe zastosowania leków, ale też prawidłowo identyfikuje ryzyka.

Ile to kosztuje i dlaczego się opłaca

W chorobach ultrarzadkich średni czas od diagnozy do wdrożenia jakiejkolwiek terapii szacuje się na 5-7 lat. W ciągu tego czasu pacjent często traci zdolność samodzielnego funkcjonowania, a system ponosi koszty wielokrotnych hospitalizacji, opieki paliatywnej i niecelowanych interwencji. Każdy miesiąc skrócenia tego okna to dla pacjenta z postępującym neurodegeneracyjnym schorzeniem różnica między samodzielnym chodzeniem a wózkiem inwalidzkim.

ATHENA-R1 nie wymaga superkomputera na miejscu - może działać jako usługa chmurowa podłączona do lokalnych baz danych klinicznych. Koszt pojedynczej analizy jest ułamkiem ceny jednej konsultacji eksperckiej z zagranicznym ośrodkiem, a czas oczekiwania na hipotezy spada z tygodni do minut. Z perspektywy firmy biotechnologicznej rozwijającej lek sierocy agent może skanować całą bazę mutacji pod kątem tych, które mogłyby odpowiedzieć na istniejący preparat - skracając fazę eksploracyjną badań klinicznych.

To nie jest maszynka do drukowania rozwiązań. ATHENA-R1 działa wyłącznie na lekach zatwierdzonych przez FDA, więc nie wskaże terapii eksperymentalnej niedostępnej komercyjnie. Nie zastąpi konsylium lekarskiego ani nie zdejmuje odpowiedzialności z klinicysty. Daje natomiast zweryfikowane, uporządkowane hipotezy oparte na dowodach, które zespół może szybciej ocenić i przedyskutować. Paradoksalnie, właśnie to ograniczenie - trzymanie się rejestru leków dopuszczonych do obrotu - czyni go praktycznym narzędziem, a nie kolejnym obiecującym prototypem.

Od czego zacząć wdrożenie

Centra eksperckie chorób rzadkich, które rozważają pilotaż, powinny zacząć od retrospektywnej analizy 20-30 wcześniejszych przypadków. Porównać, czy wybrana terapia pokrywała się z tym, co system zaproponowałby na podstawie ówczesnych danych. Jeśli zgodność jest wysoka, można przejść do prospektywnego użycia w nowych przypadkach - bez odbierania decyzji lekarzowi, ale z udostępnieniem rankingu opcji jako dodatkowego źródła informacji.

Organizacje pacjenckie takie jak EURORDIS mogą pełnić rolę katalizatora, zbierając od swoich członków anonimizowane dane genetyczne i kliniczne do wspólnych badań walidacyjnych. To właśnie dzięki zaangażowaniu 28 takich organizacji ATHENA-R1 mógł przejść ślepą ocenę ekspertów i udowodnić, że jego rekomendacje nie są losowe. Bez ich danych - i bez odwagi, by zaufać agentowi, który mówi 'nie wiem, szukam' - trudno będzie przenieść te wyniki do codziennej praktyki.

• Skraca czas poszukiwania terapii z miesięcy przeszukiwania literatury do 20 minut analizy opartej na dowodach
• Odkrywa leki off-label z uzasadnieniem molekularnym, nawet dla mutacji opisanych u kilku pacjentów na świecie
• Zmniejsza koszty związane z nieskutecznymi terapiami i powikłaniami przez szybsze wdrożenie leczenia celowanego
• Daje organizacjom pacjenckim i firmom biotechnologicznym narzędzie do systematycznego przesiewania repozytoriów genetycznych pod kątem istniejących leków

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.