Medycyna 2025: od immunologii po sztuczną inteligencję
Autorka: Luiza Łuniewska
Rok 2025 może wejść do historii medycyny. Kliniczne sukcesy immunoterapii, nowe narzędzia diagnostyczne oparte na sztucznej inteligencji oraz głębsze zrozumienie mechanizmów chorób przewlekłych dają realne powody do optymizmu.
Jednym z największych przełomów ostatnich lat jest immunoterapia nowotworów. Badania nad regulacyjnymi komórkami odpornościowymi, które kontrolują reakcję immunologiczną, zostały wyróżnione Nagrodą Nobla w dziedzinie fizjologii lub medycyny 2025 — przyznaną Mary Brunkow, Fredowi Ramsdellowi i Shimonowi Sakaguchiemu za odkrycie mechanizmów tolerancji immunologicznej. To fundamentalne odkrycie ma dziś ponad 200 trwających badań klinicznych i stanowi fundament dla nowych terapii przeciwnowotworowych i immunomodulujących.
„Te komórki są mistrzami regulacji tolerancji układu odpornościowego” — mówi Jeffrey Bluestone, współzałożyciel Sonoma Biotherapeutics, współpracujący z laureatami Nagrody Nobla.
Równie istotne są postępy w terapii CAR-T, która polega na genetycznej modyfikacji limfocytów pacjenta tak, aby celowały w nowotwór. Najnowsze badania z Uniwersytetu Pensylwanii pokazują, że dwucelowa terapia CAR-T może znacząco zmniejszać guzy u pacjentów z agresywnym glejakiem wielopostaciowym (GBM) — jednym z najbardziej opornych nowotworów mózgu. Prezentowane podczas ASCO 2025 wyniki, opublikowane w "Nature Medicine", wskazują, że u większości leczonych pacjentów obserwowano chwilowe zmniejszenie rozmiaru guza oraz wydłużony czas przeżycia.
W Polsce immunoterapia komórkowa także się upowszechnia: Uniwersytecki Szpital Kliniczny we Wrocławiu podaje terapię CAR-T już 50. dziecku, z wynikami porównywalnymi z ośrodkami w USA, co czyni Polskę jednym z wiodących europejskich centrów tego typu terapii.
Sztuczna inteligencja: od diagnostyki po rokowania
Sztuczna inteligencja przestała być nowinką, a zaczyna stanowić konkretne narzędzie medyczne. Naukowcy z Uniwersytetu Stanford opracowali AI integrującą obrazy medyczne z danymi tekstowymi, która potrafi przewidywać rokowania i odpowiedzi na leczenie u pacjentów onkologicznych — takie narzędzia mogą rewolucjonizować indywidualne planowanie terapii.
W innym przełomowym projekcie badawczym zespół kierowany przez Moritza Gerstunga z Niemieckiego Centrum Badań nad Rakiem (DKFZ) opracował model AI, który przewiduje ryzyko rozwoju ponad 1000 chorób, w tym nowotworów i zawałów serca nawet do 10 lat przed diagnozą. Jak podkreśla Gerstung, „to dopiero początek nowego sposobu rozumienia zdrowia człowieka i przebiegu chorób”.
Sztuczna inteligencja pomaga też w diagnostyce — badania z Lublina wykazały, że AI jest skuteczniejsza w wykrywaniu raka jajnika niż eksperci kliniczni, co ma olbrzymie znaczenie w przyspieszeniu diagnozy i poprawie rokowań.
Nowe strategie: mRNA i „żywe leki”
Technologia mRNA, znana z pandemii COVID-19, szybko ewoluuje w kierunku terapii przeciwnowotworowych. Personalizowane szczepionki mRNA tworzone są z myślą o unikalnym profilu nowotworowym pacjenta i znajdują się w zaawansowanych fazach badań klinicznych w wielu krajach — od raka trzustki po czerniaka.
W bardziej futurystycznym nurcie, tzw. „Engineered Living Therapeutics” (ELTs) — zmodyfikowane żywe mikroorganizmy lub komórki — są projektowane tak, by po połknięciu działały jak fabryki leków wewnątrz ludzkiego organizmu, co może otworzyć zupełnie nowe terapie dla schorzeń metabolicznych czy immunologicznych.
Choroby przewlekłe i neurologia: wgląd w mechanizmy
Badania nad demencją, prowadzone dzięki modelowaniu ludzkiej tkanki mózgowej w laboratorium, pozwalają śledzić procesy neurodegeneracyjne w czasie rzeczywistym — krok, który może ułatwić tworzenie skutecznych terapii przeciw chorobie Alzheimera.
Leki stosowane dotąd głównie w terapii otyłości i cukrzycy wykazują obiecujące efekty w innych schorzeniach, w tym w zaburzeniach psychicznych i stanach zapalnych, co wskazuje na większy potencjał terapii metabolicznych niż sądzono wcześniej.
Postęp nauki to wielka szansa, ale i wyzwanie dla systemów opieki zdrowotnej. Terapie spersonalizowane i narzędzia AI wymagają nie tylko inwestycji technologicznych, ale też ram regulacyjnych i edukacji klinicznej. Pojawia się konieczność uważnej dyskusji o etyce, dostępie do innowacji oraz roli danych pacjenta w erze cyfrowej medycyny.
