Przyszłość opieki zdrowotnej zmienia się z reagowania na oczekiwania. Do 2026 roku wielkojęzyczne modele i zaawansowana analiza danych umożliwią dokładne prognozy medyczne, dając lekarzom możliwość oceny ryzyka wystąpienia u danej osoby poważnych chorób związanych z wiekiem – raka, chorób układu krążenia i chorób neurodegeneracyjnych – na kilkadziesiąt lat przed pojawieniem się objawów. Nie chodzi tylko o identyfikację ryzyka, ale o określenie konkretnego czasu, w którym choroby te są najbardziej prawdopodobne, co pozwala na ukierunkowaną i agresywną profilaktykę.
Nauka stojąca za tym przełomem polega na śledzeniu starzenia biologicznego. Naukowcy wykorzystują obecnie „zegary systemowe i narządowe”, a także określone proteomarkery, aby określić, czy dana osoba lub określone narządy starzeją się szybciej, niż oczekiwano. Dane te są następnie łączone z istniejącą elektroniczną dokumentacją medyczną, w tym ustrukturyzowanymi notatkami, wynikami testów, informacjami genetycznymi, danymi z czujników do noszenia, a nawet czynnikami środowiskowymi. Rezultatem jest niespotykany dotąd poziom szczegółowości stanu zdrowia danej osoby.
Algorytmy sztucznej inteligencji okazują się kluczowe w interpretacji złożonych danych medycznych, takich jak skany siatkówki, w celu przewidywania chorób sercowo-naczyniowych i neurodegeneracyjnych z wieloletnim wyprzedzeniem – coś, co często jest pomijane przez ekspertów. W przeciwieństwie do obecnych ocen ryzyka wielogenowego, które szacują prawdopodobieństwo wystąpienia choroby, to nowe podejście oferuje łuk czasowy, pozwalający przewidzieć kiedy prawdopodobieństwo wystąpienia choroby. Dzięki tej wiedzy ludzie mogą wdrożyć sprawdzone zmiany w stylu życia – dietę przeciwzapalną, ćwiczenia i regularny sen – które, jak wykazano, zmniejszają ryzyko.
Na horyzoncie pojawiają się także nowe leki. Leki takie jak GPL-1, stosowane już w leczeniu cukrzycy i odchudzaniu, są obiecujące we wzmacnianiu układu odpornościowego i zmniejszaniu stanu zapalnego. Opracowywane są bardziej ukierunkowane metody leczenia, ale należy je przetestować w rygorystycznych badaniach klinicznych. Badanie krwi na obecność p-tau217, markera choroby Alzheimera, jest przykładem tego, jak wczesną diagnozę można połączyć ze zmianami stylu życia w celu zmniejszenia ryzyka, o czym świadczy biologiczny zegar starzenia i skany mózgu.
Oznacza to zmianę paradygmatyczną w medycynie – od leczenia chorób do zapobiegania im. Połączenie starzejącej się nauki i sztucznej inteligencji daje możliwość znacznej poprawy średniej długości i jakości życia w zdrowiu. Chociaż należy zająć się kwestiami prywatności danych, potencjał pierwotnej profilaktyki głównych chorób związanych z wiekiem jest zbyt duży, aby go ignorować. Luki w danych i analizach, które od dawna utrudniały taki postęp, zostały wreszcie przezwyciężone, dzięki czemu rok 2026 będzie kluczowym rokiem dla tego rewolucyjnego podejścia.
Dodatkowe nowe figi (w skrócie):
- Ceny oparte na danych: Prawo stanu Nowy Jork wymaga od sprzedawców detalicznych ujawniania, czy Twoje informacje wpływają na ceny, ale nie ujawniają w jaki sposób.
- Organ Preservation: Startup Maxa Hodaka (założyciela Neuralink) o nazwie Science Corporation opracował prototypowe maszyny mające na celu przedłużenie życia narządów.
- Dostosowywanie sztucznej inteligencji: Nova Forge firmy Amazon umożliwia klientom trenowanie modeli sztucznej inteligencji pod kątem konkretnych problemów biznesowych.
- Sztuczna inteligencja typu open source: Nvidia promuje sztuczną inteligencję typu open source, być może w celu przeciwstawienia się konkurencji sprzętowej.
- Sztuczna inteligencja nadzoru: Flock wykorzystuje zagranicznych freelancerów do analizowania filmów, co budzi obawy dotyczące prywatności.
- Wydanie GPT-5.2: OpenAI wprowadza na rynek swój najnowszy model pod naciskiem Google i innych firm.
- Diagnostyka siatkówki: Eric Topol wierzy, że sztuczna inteligencja może zrewolucjonizować diagnostykę chorób za pomocą skanów siatkówki.
- Wyzwania dla start-upów AI: Założyciele podają, że przekształcanie modeli w przydatne produkty okazuje się trudniejsze, niż oczekiwano.
- Boty: Od lipca Cloudflare zablokowało 416 miliardów żądań od botów AI.
- Sztuczna inteligencja w prawdziwym świecie: modele V-JEPA uczą się fizyki ze zwykłych filmów.
- Sztuczna inteligencja dla pojazdów autonomicznych: HyprLabs angażuje się w opracowywanie bezpiecznego oprogramowania dla samochodów autonomicznych.
- Standardy dla Agent AI: OpenAI, Anthropic i Block współpracują w celu opracowania otwartych standardów dla Agent AI.
