AI bilan kasallik davolashda, hozir qaysi bosqichdamiz?

"AI saraton kasalligini davolaydi, degani ko'proq klishening o'zi, ilhomlantiruvchi emas va odamlarning ko'pchiligi buni aldov deb hisoblaydi."

16 avgust kuni, Anthropic bosh direktori Dario Amodei X’da shu so‘zlarni yozdi. Oradan ikki kun o‘tib, Anthropic oqsil dizayni bo‘yicha bir tajriba e’lon qildi: Claude bir qator maxsus modellar va ilmiy vositalarni boshqardi, ular bilan bir nechta nishon oqsillariga bog‘lana oladigan yangi oqsil yaratildi. Oradan yana bir kun o‘tib, Moderna va Merck e’lon qildi: mashina o‘rgatish orqali tayyorlangan individual saraton vaksinasining uchinchi faza klinik sinovlarida asosiy maqsadga erishdi.

Bir necha yirik natijalar e’lon qilinib, yana AI tibbiyotiga bo‘lgan qiziqish va kapital bozorlari tezda javob berdi. 19 avgustda Moderna aksiyalari 177% o‘sdi, Merck esa 13% ga oshdi; Anthropic tajribalarini tasdiqlagan Twist kun ichida 22.64% o‘sdi, AI aniq tibbiyotiga ixtisoslashgan Tempus AI esa 22% ga yuqorilashga erishdi. Bu voqealar bio-texnologiya bozorini ham qamrab oldi: iShares Biotechnology ETF va SPDR S&P Biotech ETF mos ravishda 6.6% va 5.9% oshdi.

Oqsil dizayni, AI dorilarni topishdan tortib individual saraton vaksinalarining uchinchi faza sinovigacha, "AI tibbiyoti" tobora aniq tadqiqot natijalari bilan bog‘lanmoqda. Endi bu yutuqlar qayerda? Qaysilari odamlar ustida klinik jihatdan tasdiqlangan, qaysilari hamon laboratoriyada; AI ularning qaysi bosqichida ishlatilgan? Darhaqiqat, u insoniyatga saratonni "davolashda" yordam berdimi?

"Davolash" juda qat’iy talablarga ega

"AI tibbiyoti" tashqi tomondan mustaqil soha ko‘rinsa-da, aslida u ichida juda farqli ishlardan tashkil topgan.

Algoritmlar tibbiy yozuvlarni o‘qishi, tasvirlarni aniqlashi, kasallik xavfini bashorat qilishi, dori nishonlarini topishi, molekula tuzilishini yaratishi, klinik sinov uchun bemorlarni tanlashda yordam berishi mumkin. Shuningdek, u shifokorgacha davolash sxemasini tanlash, nurlash dozasi hisobini amalga oshirish, yoki bemorlarda dori iste’mol qilgandan keyingi reaksiyani monitoring qilishda yordam beradi.

Bu ishlarning barchasi tibbiyot bilan bog‘liq, ammo dalillar uchun talablar turlicha.

Model tibbiy testda savollarga to‘g‘ri javob bera olsa, demak u matn shaklidagi ma’lumotlarni qayta ishlashni bilishini ko‘rsatadi; tarixiy holatlarda tashxisni aniq bashorat qilsa, ma’lumotlardagi andozani ko‘paytirishni biladi; kasalxonada shifokorga aniqlikni oshirishda yordam bersa, oldindan rejalashtirilgan tadqiqot talab qilinadi; AI yordamida yaratilgan dorining foydaliligi esa, bemorlar ustida mavjud davolash yoki plasebo bilan taqqoslanib ko‘riladi.

Amerika Qo‘shma Shtatlari Oziq-ovqat va dorilar boshqarmasi (FDA) ma’lumotiga ko‘ra, 2016 yildan beri AI tarkibidagi dorilar va biologik mahsulotlar bo‘yicha 500 dan ortiq so‘rov kelib tushgan. Bu erda "AI ishlatilgan" deganda farmakokinetikani bashorat qilish, dozani optimallashtirish, klinik natijalarni tahlil qilish, tabiiy kasallik tarixini integratsiyalash, shuningdek, ishlab chiqarish va sifat nazoratida yordam berish nazarda tutiladi. Ya’ni, AI dori ishlab chiqishda ko‘p ishlatiladigan vosita bo‘lib qoldi, bu 500 dori aynan AI tomonidan mustaqil yaratilgan degani emas.

Regulyatorlar tomonidan tasdiqlangan tibbiy AI asosan axborotni qayta ishlash bosqichida to‘plangan. JAMA 2025 yildagi tizimli tahlili 950 ta FDA tomonidan tasdiqlangan AI tibbiy asboblaridan 723 tasi radiologiya soxasiga to‘g‘ri kelib, jami 76% hissa qayd etilgan. Ular raqamlashtirilgan rentgen, KT, MRI va ultratovush orqali olinadigan ma’lumotlarni qayta ishlaydi.

Tibbiy tasvirlar nisbatan standart kirish formatiga ega, shifoxonalarda ham katta raqamli ma’lumotlar bazasi to‘plangan, ko‘plab vazifalarda aniq natija bor, masalan, tasvirda tugun bor-yo‘qligi, zararlanish chegaralari qayerda, avvalgi va keyingi ko‘riklarda nima o‘zgarish bo‘lgan. Shu sababli, aynan bu bo‘limda AI mahsulotlari eng ko‘p to‘plangan.

Davolash esa, boshqa turdagi savollarni ko‘ndalang qo‘yadi.

Tashxis modeli "shu bemorda hozirda nima bo‘lyapti"ga javob izlaydi. Davolash qarori esa "muayyan muolaja qilinsa, bemorda keyinchalik nima bo‘ladi"ga javob kerak. Bir bemorga bir vaqtning o‘zida ikki xil qarama-qarshi muolaja ko‘rsatilmaydi, tadqiqotchilar nisbatan sodda natijani bevosita ko‘ra olmaydi. Kuchli bog‘liqliklarga ega model muolaja olganlar populyatsiyasining o‘ziga xos xususiyatini noto‘g‘ri tahlil qilishi, natijani chalkashtirishi mumkin.

Shu sababli, randomizatsiyalangan nazoratli tajribalar hozir ham muhim. Nature Medicineda sababiy mashina o‘rganish bo‘yicha sharhda aytiladiki, AI klinik sinovlar va real dunyo ma’lumotlarini birlashtirgan holda individualizatsiyalangan davolash natijasini hisoblay oladi, biroq yo‘nalishli xatolik, aralashuvchi omillar va noto‘g‘ri sababiy gipotezalar noto‘g‘ri bashoratga olib kelishi mumkin.

"Davolash" deganda esa, nafaqat saraton hujayralari davolashdan keyin vaqtincha ko‘rinmay qolishi, balki keyinchalik ham qaytib chiqmasligi kerak. AQSH Milliy Saraton Instituti bu tushunchani, saratonning barcha izlari yo‘qolgan va kelajakda qaytib chiqmaydi tarzida izohlaydi. Bemor yillar davomida to‘liq remissiyaga chiqqan taqdirda ham, shifokor "davolandi" so‘zini ehtiyotkor ishlatadi, chunki kelajak noma’lum.

Rasm丨FDAning davolash tushunchasiga ta’rif (manba: FDA)

Model benchmarkingda yoki tarixiy holatlarda yuqori ball olsa, bu faqat u bashorat topshirig‘ini bajarganini bildiradi. Bemor uzoq muddat foyda oladimi-yo‘qmi, esa nazorat tajribasi va yillik kuzatuvlarga bog‘liq.

Uchta yutuq, uch xil bosqichda

Bu farqlilikni Anthropic yaqinda e’lon qilgan tajribadan boshlash mumkin.

24-48 soat davom etgan ushbu topshiriqlarda Claude ilmiy maqolalar va ma’lumotlar bazasini o‘qib, ochiq protein tuzilmasini bashorat qiluvchi va dizayn qiluvchi vositalarni ishlatadi, bog‘lanish joyini tanlab, nomzod oqsillar yaratadi va hisoblash natijalariga ko‘ra tahlil va tuzatish kiritadi.

Tadqiqotchilar 16 ta nishon protein tanlab, ularning 15 tasida izohlanadigan natija oldi. Laboratoriyada 1 320 ta dizayn sintez va testdan o‘tkazilib, 354 tasi nishonga bog‘lana oldi; 15 ta nishondan 14 tasida mos proteinlar topildi. Ba’zi topshiriqlarda muvaffaqiyat ko‘rsatkichi Anthropicning oldingi an’anaviy usullaridan yuqori bo‘lgan.

Bu mustahkam ilmiy natija. Claude bor bilimlarni faqat umumlashtirib qolmay, o‘nlab soatlar davomida uzviy ravishda professional modellarni hamohang ishlatdi, laboratoriya strategiyasini moslashtirdi va namlik tajribadan o‘tgan yangi dizaynlarni taqdim etdi. Mustaqil laboratoriya sintez va aniqlashni bajargani model own-score riskini kamaytirgan.

Rasm丨Claude bir nechta ochiq kodli protein dizayn modelini muvofiqlashtirib, yuqori muvaffaqiyat va affinitetga ega bog‘laydigan oqsillar yaratdi. (Manba: Anthropic)

Lekin, tajriba ob’ekti 15 ta izohli nishon protein bo‘lib, 15 ta kasallik emas; 354 ta natija esa, protein-bog‘lovchi birikma bo‘lib, 354 ta dori emas.

Bir protein nishonga bog‘lana olishi, tadqiqotchilar ehtimol eshik teshigiga to‘g‘ri keladigan bir kalit topganini bildiradi, u to‘g‘ri eshikni ochadimi, boshqa eshiklarni buzadimi, odam organizmida eshik teshigiga yetadimi, immun tizimi uni yo‘q qiladimi – bular boshqa tajribalar bilan aniqlanadi.Anthropic hisobotida ham bu kichik bog‘lovchi protein oddiy dori bo‘lmasligini, bog‘lanish dori ishlab chiqishda faqat birinchi qadamlardan ekani aytilgan.

Solishtirganda, Rentosertib ancha olg‘a ketgan. Idiopatik o‘pka fibrozini davolovchi, AI yordamida TNIK nishoni topilgan va generativ modelda molekula tuzilmasi yaratilgan kichik molekulyar dori. 2025 yilda bosilgan randomizatsiyalangan ikkinchi fazali klinikada 71 bemor ishtirok etgan va 12 haftada ijobiy samaralar hosil qilgan, dori o‘zlashtirish sifatida ham maqbul chiqqan.

Lekin bu tadqiqot kichik va barcha guruhlardan 16 kishi chiqib ketgan hamda kuzatish muddati uzoq muddatli samaraga yetarli emas. Maqolada natija "umidbag‘sh, yanada tadqiqotga loyiq" deb ta’riflangan, tasdiqlangan davolash yutug‘i emas.

2026 yil iyul oyida Rentosertib uchinchi bosqich sinovga o‘tkazildi. Bu hozirgacha AI ishtirokidagi eng to‘liq klinik tasdiqdan o‘tishi mumkin bo‘lgan dorilardan biri: AI nishon va dizaynda ishtirok etdi, dori oldindan laboratoriya, birinchi faza xavfsizlik va random ikkinchi faza sinovlaridan o‘tdi, endi esa keng miqyosli klinik muhokamadan o‘tmoqda. U hali ruxsat olmagan va idiopatik o‘pka fibrozini davolamagan.

Moderna individual saraton vaksinasining esa o‘z o‘rni bor.

Tadqiqotchilar har bir bemorning o‘simta va sog‘lom to‘qimasini ketma-ketlashtirib, o‘simtaga xos mutatsiyalarni aniqlaydi va mashina o‘rgatuvchi, bioinformatika algoritmlar yordamida nomzod yangi antigenlarni tartiblaydi. Har bir bemor uchun maksimal 34 ta yangi antigen mRNAgacha kodlanadi, maqsad – immun tizimi bemorning o‘simtasini aniqlashni o‘rgatish.

Yangi e’lon qilingan INTerpath-001 uchinchi faza sinovida 1 137 nafar yuqori xatardagi teri melanomasi bemorlari davolangan. Ular o‘simtasi operatsiya bilan butunlay olib tashlangan va tadqiqotda vaksina + Keytruda birga ishlatilganda qaytalanish va uzoq metastaz xavfi kamayadimi, o‘rganilgan.

Kompaniya ma’lumotiga ko‘ra, tadqiqot oldindan rejalashtirilgan oraliq tahlilda retsidivsiz va uzoq metastazsiz yashash ko‘rsatkichlari bo‘yicha maqsadga erishdi. Umumiy yashash muddati bo‘yicha kuzatish davom etmoqda, risk nisbati, absolyut voqealar soni, ishonch oraliqlari va yashash egri chizig‘i hali oshkor qilinmagan.

Uch bosqichli tadqiqot "individual vaksina + Keytruda" to‘liq paketining natijasini tasdiqladi. U mashina o‘rgatuvchisiz, boshqa usul bilan antigen tanlangan vaksina bilan taqqoslamagan hamda "AI bor" va "AI yo‘q"ni solishtirmagan. Demak, tadqiqot algoritm kirgan terapiya samarasini tasdiqlagan, biroq samarani nechog‘li algoritmga bog‘liqligini ayta olmaydi.

Uchta natija uchta savolga javob bergan: model laboratoriyada nishonga bog‘lana oladigan protein dizayn qila oladimi, AI yaratgan nomzod dori odamlarda dastlabki samarani beradi, mashina o‘rganishli individual terapiya uchinchi fazada klinik natijalarni yaxshilay oladimi.

"Davolash" atamasini ularning yutugiga oshirib berishga hojat yo‘q. Anthropic oqsil dizayni urinish foizini oshirdi, Rentosertib AI yordamida yaratilib, keyingi klinikaga kirdi, Moderna esa individual saraton vaksinasini uchinchi fazada ijobiy natijaga yetkazdi – bularning o‘zi juda ahamiyatli.

Eng qimmat muvaffaqiyatsizlik, algoritm topshirig‘idan keyin boshlanadi

Biz bilamizki, zamonaviy dori ishlab chiqish – bu doimiy eliminatsiya jarayoni.

Tadqiqotchilar kasallik mexanizmidan nishon tanlaydi, ko‘plab nomzoddan nishonga ta’sir etadigan kam sonli molekulani ajratadi, har safar biologik faollik, barqarorlik, selektivlik, ishlab chiqarish ko‘rsatkichini yaxshilaydi. Nomzod dori hujayra, hayvon va odamda sinovdan o‘tadi. Har bosqichda ilgari umidli chiqqan ko‘p natijalar yo‘qoladi.

Klinik sinovda muvaffaqiyatsizlik haqida savol: dori kashfiyotidan ruxsatgacha 10-15 yil ketadi. Hattoki birinchi bosqich klinikani o‘tgan nomzod dorining 90%i oxir-oqibat ruxsat olishga yetmaydi. 40-50% muvaffaqiyatsizlik klinik samaraning yetishmasligidan, yana 30% qabul qilib bo‘lmaydigan zaharlilikdan kelib chiqadi.

Rasm丨Dori ishlab chiqish va rivojlantirish jarayoni va har bosqichdagi muvaffaqiyatsizlik foizi. (Manba: Acta Pharm Sin B)

Va ushbu raqamlar AI dorilarni ishlab chiqishda e’tibordan chetda qoladigan jihatni ochib beradi: hisoblashda eng istiqbolli natija bergan nomzod topilishi – eng ko‘p muvaffaqiyatsizlik bo‘ladigan dastlabki bosqichni tezlashtirishi mumkin, xolos.

Nishon kasallikka bog‘liq bo‘lsa-da, aynan shu nishonni davolash kasallikni yo‘qotadi degani emas; molekula idishda zo‘r natija bermoqda, biroq odam organizmida kerakli konsentratsiyaga erishmasligi mumkin; hayvon modelida o‘zgarish bo‘lsa, bu odam bemorda ham shunday bo‘ladi degani emas. Ko‘p "ideal" dorilar ikkinchi yoki uchinchi fazagacha yetib, samarasi yetishmaydi.

AlphaFold esa ushbu farqni yaxshi ko‘rsatadi. U 200 million atrofida oqsil tuzilmasini bashoratlab berdi, tadqiqotchilar uchun struktura ma’lumotlari ko‘lamini sezilarli kengaytirdi. Ilgari oylab yoki yillar talab qilgan natijani hozir bir necha daqiqada olish mumkin. Odamlar tezroq gipotezalar yaratadi, ilgari tajriba strukturasiga ega bo‘lmagan proteinlar ustida ishlaydi.

Lekin model beradigani odatda bashorat konfiguratsiyasi, haqiqiy protein esa turli harorat, eritma yoki bog‘lanish holatiga ko‘ra shaklini o‘zgartiradi, boshqa protein, ion yoki kichik molekulalar bilan birga harakat qiladi. Tadqiqotchilar AlphaFold bashoratini tajriba bilan solishtirsa ham, model ishonchliligi yuqori bo‘lsa-da, mahalliy konfiguratsiya, lateral zanjir o‘rni va strukturaviy yo‘nalish farqlanishi mumkin. Shuning uchun, bu bashorat "qadrlanadigan gipoteza" deb ko‘riladi, asosiy interaktsiyalar tajriba bilan tasdiqlanishi kerak.

AI ko‘proq natija taqdim eta oladi, biroq hayot fanlarida ko‘proq yuqori sifatli savol va natijani tekshirish uchun ma’lumot yetishadi.

2026 yil avgust oyida Nature Reviews Drug Discovery yuzasidan soha tahlilchilari AI ishlab chiqishda ko‘plab yutuqlar borligini, ammo klinikaga aloqador ta’siri yetarli bo‘lmayotganini qayd etadi. Sababiga uch jihatdan izoh beriladi: tadqiqotlar faqat model ko‘rsatkichiga e’tibor beradi, hayot fanlaridagi ma’lumotlar tajribaga bog‘liq, real topshiriqlar to‘g‘ri ta’riflanmagan, texnika jamoalari faqat oson hisoblanadigan muammoni hal qilgan, biroq dori ishlab chiqarishda haqiqiy to‘siqlarni yengmagan.

Masalan, bir generativ model bir necha soatda millionlab molekula yaratishi mumkin. Laboratoriya ularning aksariyatini sintez va sinovdan o‘tkaza olmaydi, nomzodlarning ko‘payishi esa saralashni yanada murakkablashtiradi. Aslida, eng ko‘p muvaffaqiyatsiz bo‘ladigan molekulani erta bosqichda chiqarib tashlash, cheklangan resurslarni yaxshi gipotezalarga yo‘naltirish muhim.

Bu ma’noda, "tezroq muvaffaqiyatsizlik" ham AIning tibbiyotdagi asosiy hissasi bo‘lishi mumkin. Bu "davolash" degani emas, biroq yillar va yuzlab million dollarlarni tejashga yordam beradi.

Saraton davolashda savollar o‘zgarib boradi

Bu safar e’tiborni tortgan saraton kasalligi esa, yanada murakkab savollarni keltiradi. AQSH Milliy Saraton Instituti saratonni 100dan ortiq turi mavjud, o‘zaro bog‘liq kasalliklar guruhi deb ta’riflaydi. Turli organdagi o‘simtalar turli hujayralarda paydo bo‘ladi, genetik, immun va tashqi omillar bilan bog‘liq. Hatto bir xil patologiya, ikki bemorda mutatsiya majmuasi va davoga reaktsiya juda farq qiladi.

Bemor tanasidagi o‘simta ham bir xil hujayra emas. U ko‘payishda mutatsiya yig‘adi, o‘ziga xos kichik guruhlar yuzaga keladi. Biopsiyada faqat muayyan joy va vaqtdagi namunasi olinadi, lekin ko‘chib yuruvchi yoki davo bardoshlilar chiqmasligi mumkin.

Eng murakkab jihati, davolash o‘simtani o‘zgartirib yuboradi. Dori sezuvchan hujayralarni yo‘q qiladi, biroq davo bardoshli bir nechta hujayra qolib kuchayadi; immun tizimi oson topiladigan hujayralarni yo‘q qiladi, lekin yashirinishni yaxshi ko‘radigan kichik guruhni tanlab oladi. Nature Reviews Immunology 2025 yilgi tadqiqoti ko‘rsatadi, o‘simta ichidagi geterogenlik yomon klinik natijalarga, immun nazoratchi faollashtiruvchilarining samarasizligiga olib keladi, immun bosimi ham o‘simta evolyutsiyasini shakllantirishda o‘ynaydi.

Algoritm bu yerda aniq javobi bo‘lgan tanlovga javob bermaydi. Model o‘tgan bemorlarning ma’lumotidan andoza oladi, yangi dori va muolaja esa kasallik rivojini, sharoitini o‘zgartiradi. Davolashda yangilik paydo bo‘lsa, eski ma’lumotlardagi aloqalar ahamiyatini yo‘qotadi.

Saraton ma’lumotida ham bir qarama-qarshi vaziyat bor: shifoxonalar va tadqiqot institutlari tasvir, gen va tarix bazasini to‘plagan, lekin real davo bosqichiga kelsa, bemor namunasi tezda kamayadi.

Agar saraton turi, mutatsiyalar, davo, yosh, immun holat va boshqa kasalliklarga ko‘ra ajratsa, har bir guruhda juda kam bemor qoladi. Aynan individual yondashuv talab qiladigan nodir birikmalar – eng kam ma’lumotli joyda. Hisobga olish usuli, kuzatuvlarning tugallanmaganligi, davo tanlashdagi og‘ish, populyatsiya yetarli bo‘lmasligi ham model ishonchliligini kamaytiradi.

AI bu sohada ham foyda keltirishi mumkin. U patologik tasvir, gen mutatsiyasi va klinik ma’lumotni birga tahlil qilib, yagona manbada ko‘rinmaydigan bemor guruhini topa oladi; potensial yangi antigenlarni bashorat qilish, nurlash rejasini optimallashtirish, klinik sinovlarni moslashtirish, yoki qayta kasallanish belgilarini barvaqt aniqlashda yordam beradi.

Bu vositalar kuzatish, tartiblash va qaror qabul qilish qobiliyatini oshiradi.Ularning davolash bo‘yicha bergan tavsiyasi shifokordan yaxshiroq ekanini aniqlash uchun oldindan rejalashtirilgan tadqiqot zarur; turli shifoxona, har xil etnik guruhlar va o‘zgaruvchan sharoitda o‘z ta’sirini saqlaydimi yoki yo‘q – bu esa real dunyo tahlilini talab qiladi.

AI kasallikni aniqlashdan uni aralashishga o‘tganida, bu sohada sababiy aloqalar, axloqiy mas’uliyat, xavfni taqsimlashga kirib boradi. Notog‘ri klassifikatsiya qo‘shimcha tekshiruvga, noto‘g‘ri tavsiya esa bemorni samarali doridan ayirishi yoki nomaqbul zaharlilikka olib kelishi mumkin. Yaqinlashgan sari isbot mas’uliyati og‘irlashadi.

Shuning uchun, "saraton va boshqa kasalliklarni davolash" yo‘lida AI hali uzoq yo‘l bosishi kerak.

Muvaffaqiyatgacha hammasi, tezlashmoqda

Biroq aytish zarurki, AI tibbiyotga ta’siri "AI mustaqil ixtiro qilgan dori" tasdiqlangunga qadar ham boshlangan.

U olimlarning ma’lumotni tahlil qilish tezligini o‘zgartirdi, molekula va oqsil sohasini kengaytirdi, tajriba loyiha, bemor yig‘ish, klinik ma’lumot tahlili va regulyator materiallarga ham aralashmoqda.

FDA va Yevropa Dori Agentligi 2026 yilgi "Yaxshi AI amaliyoti" prinsipi asosiga "aniq foydalanish sohasini" qo‘yadi: model ishonchlimi yoki yo‘qligi – u qaysi muammoni hal qilgani va natijaning xavfiga bog‘liq.

Bu, yanada ma’noli baholash usulini beradi. Dori kashfiyot bosqichida, AI natija yaratish va optimizatsiyani tezlashtirdimi, mavqe ishlatilgan natija ko‘paydimi ko‘riladi.Klinikada esa, u sinovlarda muvaffaqiyatsizlikni kamaytirdimi, bemor topishga yordam berdimi, eng samarali subpopulyatsiyani aniqladimi baholanadi. Yakuniy mezon shundaki, bemor uzoqroq va yaxshi hayot kechiradimi, xavfsiz davoni arzon oladimi – mana shu hal qiladi.

Rentosertib, Anthropic protein dizayni va Moderna individual vaksinalari AIning turli zanjirlaridagi ishtirokini kuchaytirmoqda. Ular oddiy model benchmarkidan biologik olamga yaqinroq va "AI saratonni davolaydi" degan soddalashtirmadan murakkabroq jarayon.

Dario aytgan odatiy iboraning muammosi shunda: u bosqichma-bosqich tekshiriladigan jarayonning natijasini erta yozib, haqiqiy, lekin yetarli dramatik bo‘lmagan natijalarni o‘z nomidan mahrum qiladi.

Bugunga kelib, AI olimlarning qaysi nishonni tanlash, qaysi molekulani dizayn qilish, qaysi tajribani bajarishda tanlovini o‘zgartirdi, biroq bemor davolandimi-yo‘q – hali tajriba, klinika va vaqt javob beradi.

Boshqaruv/tahrir: He Chenlong

Izoh: Sarlavha/rassom rasmi AI yordamida yaratilgan