Зачем вообще нужны фундаментальные науки, и можно ли обойтись только клиническими исследованиями?
Без фундаментальных знаний о том, как устроен организм человека, невозможно понимать, что конкретно «ломается» и что необходимо лечить (т.е. «точка приложения» терапии). Следование современным рекомендациям и стандартам, а также схемам терапии – безусловно, важнейший компонент в клинической практике. Но достаточно ли этого, чтобы адекватно подходить к лечению человека? Несомненно, грамотное лечение требует более глубокого понимания хотя бы базовых механизмов развития заболеваний.
В медицине фундаментальные науки необходимы для понимания единой картины болезни и лечения, а потому являются основой существования прикладных специальностей. Ярким примером, иллюстрирующим важность фундаментальных исследований, является поиск лекарства для лечения болезни Альцгеймера: лечение заболевания в очередной раз проваливается в клинических испытаниях, при этом, есть множество препаратов, которые проходят доклинические испытания на животных.
Корреляция не равно каузация
Деление на фундаментальную и клиническую науку сохраняется и в научной публицистике. Однако нередко клинические исследования оказываются «бесполезными». В первую очередь, это связано с неверной интерпретацией результатов и «подменой понятий». Большинство исследований носят наблюдательный характер и нацелены на выявление корреляционной, а не фундаментальной, причинно-следственной связи между явлениями. Однако, как известно, корреляция не равно каузация. Другими словами, обнаружение ассоциативной связи не дает информации о природе и причине этой связи и не является основанием для того, чтобы заключать, что одно явление вызвано другим. Таким образом, «закапываясь в деталях», ученые упускают из виду общую, глобальную картину. Это также связано с высокой частотой некорректных трактовок результатов таких исследований в «широких массах».
Можно ли изменить вектор фундаментальных исследований, чтобы они были эффективны в долгосрочной перспективе?
«Сейчас многие исследования, в том числе в нейронауках, – корреляционные, т.е. не означающие причинно-следственные связи. Однако, когда выходят подобные работы, они могут пониматься общественностью совершенно иначе: если нашли связь, то одно вызывает другое, хотя эти связи не были установлены. Часто авторы делают сноску: "Для установления причин требуются дальнейшие исследования". Очень сложно провести такое исследование, которое бы позволило четко обнаружить и визуализировать причинно-следственную связь, и, в целом, наблюдательные исследования проводить проще.» – отметила эксперт.
Повысить доказательность наблюдательных исследований позволяет агрегация результатов в рамках мета-анализов и систематических обзоров, объединяющих большое число работ внутри одного анализа. Однако даже мета-анализ не позволяет получить ответ на вопрос о причинах наблюдаемых ассоциаций.
«Эта проблема и ставит большой вопрос о целесообразности доказательной медицины как понятия, на которое многие ссылаются и воспринимают как абсолютную истину. Слепое следование заветам доказательной медицины и возведение ее в абсолют – такой подход в корне не верен.» – добавила Анна Хоружая.
Для планирования глобальных и фундаментальных исследований и их дизайна, глубокого понимания узкой тематики или проблемы недостаточно: необходим широкий кругозор, который поможет понять, как лучше построить исследование, сколько для этого нужно людей, какого уровня должны быть эти специалисты и, самое главное, как все это объединить и реализовать. Такое планирование требует больших трудозатрат и финансовых вложений. Подобные исследования уже проводятся: например, это исследования в консорциумах, в которые входят десятки стран, и которые могут длиться десятилетиями. Именно они критически важны с точки зрения выявления причинно-следственных связей. И даже если эти работы не отвечают непосредственно на вопрос о каузальности явлений, данные, полученные в рамках многолетних исследований и принадлежащие большому числу людей, могут впоследствии использоваться учеными для анализа. И именно здесь особенно актуальны алгоритмы, которые позволяют работать с большими данными, в том числе алгоритмы искусственного интеллекта (ИИ) и машинного обучения.
«Чтобы это все спланировать, нужен исследователь с большой буквы – человек, который много знает во многих областях, может посмотреть "сверху" и увидеть неочевидные вещи, которые возможно было бы выявить. Такие специалисты должны появляться, и появляются со временем, но их немного. Гораздо проще сделать наблюдательное исследование, построить корреляцию и передать эстафету другим исследователям.» – прокомментировала эксперт.
Доказательная медицина и фундаментальные исследования
Основу доказательной медицины составляют три компонента: научно-обоснованные данные, обсуждение данных и принятие решений совместно с пациентом и клиническое мышление (рассуждение о патогенезе заболевания, точках воздействия препаратов и пр.). Главным принципом качественных фундаментальных исследований является системный подход: ученые должны изучать проблему широко, с разных сторон. Именно этот принцип стал толчком к развитию крупнейший фундаментальных научных проектов, таких как Human genome project, самый крупный биологический проект. Данные, полученные в рамках проекта, широко используются и изучаются.
Фундаментальные исследования в нейронауках
В Америке в 2013 году на основе Алленовского института мозга был запущен проект BRAIN (Brain Research Through Advancing Innovative Neurotechnologie), также направленный на моделирование и создание атласов определенных областей мозга. Например, в полученный атлас моторной коры головного мозга млекопитающих, основанный на данных мозга мыши, нечеловекообразных приматов и человека, вошли все типы клеток, которые встречаются в моторной коре (а их больше 100 разновидностей!). При этом, ученые ориентировались не только на клеточные карты, но и на карты экспрессии генов, а также вариации экспрессии генов в нейронах определенных областей, которые могут специфически влиять на функционирование сети, в которую входит данный нейрон.
В 2019 году в Китае был запущен аналог американского проекта BRAIN. Аналогичные проекты сейчас начинают развиваться и во многих других странах. В России также была запущена подобная инициатива – национальная технологическая инициатива НейроНет.
Будущие горизонты в нейронауках
В долгосрочной перспективе перед нейронаукой стоят амбициозные цели. Одним из главных вопросов современной нейронауки является вопрос сознания. Этот вопрос задавался еще в древности, и к нему подходили с разных сторон – философии, биологии, математики, физики, однако ответа на него до сих пор нет. И даже сегодня с большим количеством инструментов по изучению функций мозга, оптимисты считают, что мозг изучен только на 2%, пессимисты – на 0.5%. А пока нет полного понимания того, как работает мы мозг, невозможно понять работу сознания.
«Менее глобальный вопрос – это вопрос переноса сознания человека на цифровую платформу. Сейчас все об этом говорят, мы видим это в кинематографе, литературе. И пока что консенсус таков – пока мы не узнаем, что такое сознание, мы не сможем перенести его в цифровой формат. Мы можем сделать цифровую копию человека, но основываясь исключительно на том, что он выдает в глобальное массовое пространство. Сейчас с этим стало проще, у всех есть социальные сети, поэтому делать "цифровые копии" стало гораздо легче (это прекрасно работает в таргетной рекламе). А вот о переносе сознания и личности – тут пока очень много вопросов. Это те вещи, к которым мы пока не приближаемся, но которые стоят горизонтом и манят к себе, и к которым человечество потихоньку двигается.» – отметила Анна Хоружая.
Фундаментальные проекты в России
В 2020 году на базе Центра диагностики и телемедицины стартовал крупнейший в мире фундаментальный и прикладной проект по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений «Московский эксперимент». Реализация проекта стала возможной благодаря созданию единого радиологического информационного сервиса (ЕРИС), который объединил все диагностическое оборудование в Москве (рентген аппараты, КТ, МРТ, ПЭТ и др.) в единую сеть. Любое исследование, которое проводится во всех городских поликлиниках Москвы, а также некоторых федеральных и частных клиниках, попадает в единое хранилище, затем в архив и далее на станцию врача лучевой диагностики врача-рентгенолога, который подготавливает протокол заключения. К хранилищу можно подключать различные алгоритмы ИИ, которые направлены на решение той или иной клинической задачи. Данные поступают в алгоритм после анонимизации, затем в течении фиксированного периода времени (6 минут) происходит их обработка и дальнейшая передача в архив. Наконец, обработанные алгоритмом данные вместе с нативным исследованием поступают врачу-рентгенологу. Полученные данные включают в себя не только фактический анализ изображений алгоритмом ИИ, но также касаются и точности работы алгоритмов на различных медицинских задачах. Это позволяет оценить не только эффективность обучения алгоритмов на конкретных типах данных, но и понять, как технические параметры настройки томографа и протоколы исследования и обработки влияют на оцениваемые показатели. Помимо этого, разработчики получают информацию о том, как со временем может меняться точность алгоритма, чтобы доработать сервис и сделать его лучше. Отличительной особенностью и одной из причин успеха «Московского эксперимента» стал системный подход. Глобальная задача проекта – показать реальную клиническую эффективность, т.е. принести пользу пациентам.
Смотрите и слушайте полную версию подкаста в удобном для вас формате:
Слушать в Я.Музыке
Слушать в сервисе Звук
Смотреть на Youtube
Смотреть на RuTube
Может ли искусственный интеллект обладать сознанием и читать мысли, и как оценивают способности искусственного интеллекта ученые – рассказываем и показываем в шестом подкасте проекта.
Материал подготовлен в рамках проекта «Медицина в точке бифуркации». Проект поддержан грантом Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий»