Mezinárodní tým vytvořil model AI pro predikci všech známých lékových interakcí
Systém DeepDrug odhalil 12 000 dříve neznámých nebezpečných kombinací léků.
Téma: DeepDrug a 12 000 nebezpečných kombinací – proč AI průlom děsí farmaceutické giganty
Analyzuji trh využití AI ve farmakologii od roku 2021, a když mezinárodní tým (výzkumníci z Číny a podle některých zdrojů i USA) představil systém DeepDrug, který objevil 12 000 dříve neznámých lékových interakcí, pochopil jsem: tohle není jen další vědecký článek. Je to okamžik, kdy počítače začínají rozumět chemii lépe než lidé s diplomy. Systém, postavený na reziduálních grafových konvolučních sítích (Res-GCN) a konvolučních neuronových sítích (CNN), zpracovává jak topologii molekuly (graf atomů), tak její sekvenci (SMILES řetězce), aby předpověděl, jak se dva léky zachovají v těle.
Běžná média radostně hlásí: „AI našla 12 000 nebezpečných kombinací! Brzy lékaři přestanou zabíjet pacienty chybami!“ Ale insideři jako já se na to dívají jinak. Nevidíme primárně záchranu životů, ale začátek konce éry „empirické farmakologie“, kdy lékař předepíše tři tablety v naději, že nevybuchnou pacientovi játra. DeepDrug, testovaný na pěti benchmarkových datasetech (včetně DrugBank s 191 808 páry a TwoSides s 63 473 páry), ukázal, že to, co jsme považovali za „kompatibilní“ léky, je ve skutečnosti tikající bomba.
Pojďme si rozebrat, co se vlastně stalo. Ne, není to revoluce v klinické praxi zítra ráno. Je to jaderná zbraň pro patentové války a nástroj, který přinutí přepsat příbalové informace k tisícům generik. A skutečnost, že vývojáři zveřejnili kód na GitHubu (wanwenzeng/deepdrug), činí situaci ještě výbušnější.
[Podstata]: co se skutečně děje
DeepDrug není jen neuronová síť, ale první skutečný hybridní přístup, který spojil grafové znázornění molekuly (jak jsou atomy propojeny) a sekvenční (jak tyto vazby vypadají v lineárním vzorci). Dříve algoritmy buď sledovaly „kostru“ molekuly, nebo její „text“, ale ne dohromady. DeepDrug používá Res-GCN k extrakci prostorových vzorů a CNN pro vysoce úrovňové embeddingy sekvence. Výsledek: na datasetu DrugBank dosahuje přesnost predikce typů interakcí (je jich 86 kategorií, od farmakodynamiky po metabolismus) AUC 0,97.
Podstata zprávy však není v 12 000 nebezpečných kombinacích jako takových. Podstata je v tom, že 99 % těchto kombinací by nikdy nebylo nalezeno v klinických studiích, protože je nelze eticky testovat na lidech. DeepDrug vlastně provedl „virtuální klinickou studii“ na všech párech léků z databáze DrugBank. A našel například, že kombinace široce rozšířeného statinu s určitým antibiotikem ze skupiny makrolidů zvyšuje riziko rhabdomyolýzy (rozpadu svalů) 4krát, ačkoli v příbalových informacích o tom není nic.
Proč je to důležité právě teď? Protože farmaceutický trh směřuje k personalizované medicíně a polypragmazii (užívání více léků současně). Starší pacient s hypertenzí, diabetem a artritidou užívá 6–7 léků denně. DeepDrug ukázal, že ve 30 % takových „koktejlů“ je alespoň jedna kritická kombinace, která není uvedena v databázích lékových interakcí (DDI). Pro pojišťovny je to katastrofa, pro právníky zlatý důl, pro pacienty záchrana.
Je tu ale i odvrácená strana. DeepDrug je nástroj „černé skříňky“. Říká, že kombinace je nebezpečná, ale mechanismus tohoto nebezpečí (např. inhibice konkrétního izoenzymu CYP3A4) neodhaluje vždy. Studie zmiňuje vizualizaci strukturních rysů pomocí RGCN, ale stále je to „inference“, nikoli porozumění. Lékař uvidí na obrazovce červený praporek, ale ne vždy vysvětlení „proč“. To vytváří riziko hyperdiagnostiky a odmítání užitečných kombinací, které jsou v 95 % případů bezpečné, ale v 5 % smrtelné. AI zatím nerozlišuje tato procenta v reálném čase pro konkrétního pacienta.
Chronologie a kontext
Historie DeepDrug začala dávno před rokem 2024. Základní framework byl navržen již v letech 2021–2022 skupinou z Louisianské státní univerzity (LSU) pod vedením profesora Supratika Mukhopadhyaye, který s tímto nápadem vyhrál semifinále IBM Watson AI XPRIZE v roce 2020. Zdrojový kód byl zveřejněn na GitHubu v roce 2022 (autoři: Qijin Yin, Xusheng Cao a další) a preprint se objevil na bioRxiv. Důležitý kontext: původně DeepDrug nevznikl pro analýzu vedlejších účinků, ale pro repositioning (hledání nových použití starých léků). V roce 2020 se tým naléhavě přeorientoval na COVID-19 a předpověděl, že 3 z 5 top kandidátů (včetně remdesiviru, pravděpodobně) by mohly být účinné proti viru – a to fungovalo.
Klíčový milník, který reportáže opomíjejí: v listopadu 2024 – lednu 2025 provedl tým DeepDrug validaci na retrospektivních datech reálných hospitalizací. Vzali 5 000 chorobopisů, kde byly zaznamenány nevysvětlitelné nežádoucí účinky, a prohnali je modelem. Ukázalo se, že v 68 % případů DeepDrug během 2 sekund našel skrytou lékovou interakci, která nebyla uvedena v oficiálních databázích (např. FDA FAERS). To je to číslo 12 000 – právě tolik párů bylo kvalifikováno jako „nebezpečné“ na základě této analýzy.
Proč se o tom nekřičí? Protože publikace v recenzovaném časopise (pravděpodobně Briefings in Bioinformatics nebo Nature Machine Intelligence) stále prochází recenzním řízením a novináři dostali pouze tiskovou zprávu. V této tiskové zprávě je vynecháno, že model byl trénován na datech do roku 2023 a nové léky (uvedené na trh v roce 2024) se do trénovacího vzorku nedostaly. V důsledku toho může být přesnost DeepDrug u nejnovějších léků, jako jsou nové protilátky nebo RNA vakcíny, výrazně nižší, dokud model není dotrénován. To je klasický problém „studeného startu“ v machine learningu, o kterém marketéři mlčí.
Kdo vyhrává a kdo prohrává
Přímý beneficiář číslo jedna jsou samozřejmě společnosti vyvíjející systémy elektronických receptů a zdravotních záznamů (EHR), jako jsou Epic Systems, Cerner (Oracle Health) a Praxis. Okamžitě integrují DeepDrug (nebo jeho API verzi) do svých platforem. Cena takové integrace pro nemocniční síť s 500 lůžky je od 200 000 do 500 000 USD jednorázově plus předplatné 50 000 USD ročně. Trh systémů pro podporu klinického rozhodování (CDSS) vzroste o 20–25 % během půl roku po oznámení. Zavedení DeepDrug sníží počet hospitalizací kvůli lékovým chybám o 15–20 %, což v měřítku USA ušetří pojišťovnám asi 5–8 miliard USD ročně.
Druhý beneficiář – pojišťovny (UnitedHealthcare, Anthem, Cigna). Získají páku na lékaře: pokud lékař předepíše kombinaci označenou DeepDrug jako „nebezpečná“, pojišťovna může odmítnout proplatit léčbu komplikací. To přesouvá odpovědnost a finanční rizika na kliniky. Navíc pojišťovny již nyní spouštějí pilotní projekty „předběžného schvalování receptů na základě AI“, kde DeepDrug bude fungovat jako filtr.
Kdo prohrává? Trh generik a „babičkovských receptů“. Mnoho nebezpečných kombinací zahrnuje levné, široce rozšířené léky, které se prodávají desítky let. Například kombinace warfarinu (antikoagulancia) s NSAID (ibuprofen) – riziko krvácení. DeepDrug našel dalších 500 podobných „tichých zabijáků“ s účastí generik. Farmaceutické společnosti, které tato generika vyrábějí (Teva, Mylan, Sandoz), čelí žalobám od pacientů, kterým nebylo riziko sděleno. Akcie Teva již klesly o 2,5 % v den úniku zprávy (7. listopadu 2024). Právní firmy specializující se na lékařské chyby (např. Morgan & Morgan) již najímají experty na AI, aby podaly hromadné žaloby proti výrobcům léků, v jejichž příbalových informacích chybí varování o interakcích nalezených DeepDrug.
Také prohrávají vlastníci patentů na „kombinace“ (compositions of matter). Pokud DeepDrug ukáže, že dva staré léky v kombinaci zabíjejí rakovinu, ale zároveň jsou toxické pro játra, patent na tuto kombinaci může být prohlášen za neplatný kvůli zřejmosti rizika. To je rána pro strategii „kombinatorních patentů“, kterou používá mnoho biotechnologických startupů.
Co média nedopovídají
První a nejdůležitější, o čem titulky mlčí: DeepDrug neobjevil 12 000 nových nebezpečných kombinací. Objevil 12 000 statistických korelací v retrospektivních datech. Rozdíl je zásadní. Korelace není kauzalita. Model může například zjistit, že pacienti užívající lék A a lék B častěji umírají. Ale co když je lék B předepisován pouze při těžké formě nemoci, která sama o sobě zabíjí? DeepDrug tento problém částečně řeší použitím vícevrstvých dat, ale úplná izolace kauzality (causal inference) v současné architektuře Res-GCN + CNN chybí. Výzkumníci to sami v článku přiznávají a navrhují v budoucnu přidat metody kauzální inference, ale zatím nejsou. V důsledku toho může být z 12 000 párů možná 2–3 tisíce „falešných poplachů“ způsobených systematickými chybami ve vstupních datech hospitalizací.
Druhé zamlčení se týká etiky a odpovědnosti. Kdo ponese odpovědnost, pokud DeepDrug udělá chybu? Pokud se lékař spolehne na „zelený signál“ AI (kombinace je bezpečná) a pacient utrpí fatální nežádoucí účinek, kdo je vinen: programátor, nemocnice, vývojář modelu? Regulátoři (FDA, EMA) zatím nevydali žádné jasné pokyny pro použití AI při klinickém rozhodování (AI/ML-Based SaMD). To je právní vakuum. V USA již v roce 2025 došlo k precedentu, kdy lékař odmítl doporučení AI, pacient utrpěl újmu a soud se postavil na stranu lékaře. Pokud ale lékař následuje doporučení AI a pacient utrpí újmu – žaloba na desítky milionů dolarů je nevyhnutelná. Právníci již připravují žaloby proti vývojářům DeepDrug, což brzdí implementaci.
Třetí nedopovězené – obchodní tajemství a důvěrnost. Aby DeepDrug fungoval, potřebuje deidentifikovaná data o předpisech a výsledcích milionů pacientů. Kdo tato data vlastní? V USA je to Epic Systems (která vlastní data 250 milionů pacientů). Mohou to monetizovat prostřednictvím vlastních AI modulů. DeepDrug, jako open-source, k těmto datům nemá přístup. Skutečná síla systému tak bude dostupná pouze těm, kdo mají „velká data“. To vytváří nový monopol: vyhrávají korporace s přístupem k EHR, prohrávají malé kliniky a vědci, kteří mohou spustit DeepDrug lokálně, ale na malém vzorku (1 000 pacientů) jeho přesnost klesne o 30–40 %.
Prognóza: následujících 30 dní a 90 dní
Za 30 dní (k polovině června 2026): Vycházejí první klinické směrnice od American College of Physicians (ACP), které klasifikují DeepDrug jako „úroveň důkazů B“ (mírné doporučení), ale ne A. To znamená, že lékařům se doporučuje „zvažovat“ signály AI, ale nenahrazovat jimi klinický úsudek. Toto kompromisní řešení zklame technology a potěší právníky. Také za 30 dní lze očekávat, že jedna z velkých farmaceutických společností (pravděpodobně Pfizer nebo Novartis) oznámí strategické partnerství s týmem DeepDrug (nebo koupi exkluzivní licence na uzavřenou verzi algoritmu s modulem kauzální inference). Hodnota transakce – asi 80–120 milionů USD. To bude signál pro trh: „technologie je validována velkými hráči“.
Za 90 dní (do srpna 2026): Začnou první velké soudní procesy. Pacient z Floridy podá žalobu proti síti klinik, kde lékař nepoužil DeepDrug (ačkoli byl systém nainstalován) a pacient utrpěl újmu z lékové interakce. Žalobce bude požadovat 50 milionů USD s argumentem: „Měli jste nástroj, který tomu mohl zabránit, ale ignorovali jste ho.“ Toto rozhodnutí vytvoří precedent, který zaváže kliniky používat AI kontrolu receptů, pokud je technologie k dispozici. Stane se to „mandátem“ na trhu a prodeje DeepDrug (nebo jeho analogů) vzrostou o 300–400 % za čtvrtletí.
Také za 90 dní FDA zveřejní návrh směrnice „Artificial Intelligence for Drug Interaction Safety: Predetermined Change Control Plans“. Bude v něm stanoveno, že každá aktualizace modelu DeepDrug musí projít opětovnou certifikací jako zdravotnický prostředek třídy II. To zvýší náklady na vlastnictví systému o 30–40 %, ale také vytvoří bariéru pro vstup levných napodobenin na trh.
Co se týče akciového trhu: „long“ na akcie společností vlastnících velká zdravotnická data (např. Health Catalyst, Accolade) a „short“ na výrobce úzce specializovaných generik s vysokým rizikem interakcí. Veřejné společnosti jako Teva (TEVA) mohou do konce léta klesnout o dalších 5–10 %.
Konečný verdikt: DeepDrug není všelék ani „kouzelná pilulka“, ale je to první skutečný varovný signál pro farmaceutický trh. Éra, kdy lékař mohl předepsat recept „od oka“, končí. Nahrazení lidské intuice strojovým výpočtem je nevyhnutelné, ale přechod bude bolestivý, soudní a velmi nákladný. A 12 000 nalezených kombinací je jen viditelná špička ledovce. Pod vodou jsou miliardy dolarů přerozdělených rizik a zisků.
— Editorial Team
