4) Создание Большой Модели Здоровья (эту концепцию мы описывали тут), которая подобно языковым моделям, переваривает всю ретроспективную информацию о пациенте и создает что-то вроде цифрового двойника его здоровья. Ключевым является то, что если такую модель удастся натренировать очень точно предсказывать большинство заболеваний, то она (и это потрясающе!) может служить в качестве суррогатной конечной точки в клинических испытаниях геропротекторов (напомню, так называют лекарства, продлевающие жизнь). Следите за руками, благодаря такой модели, мы получаем возможность тестировать эффект геропротекторов в людях за 1-2 года (см. вторую картинку) вместо обычных 5-15 лет, дожидаясь смерти человека. Тем самым, мы снижаем стоимость таких испытаний в десятки-сотни раз. Безусловно это отдаленная перспектива, которая требует качественных лонгитюдных медицинских данных глубиной не менее 10 лет, что вероятно потребует сбора целого биобанка и большой заинтересованности со стороны регулятора.

Итог.
Фактически, вычислительный отдел создает информационные продукты, под четким надзором геронтологического отдела. Он будет искать надежную основу для клинических рекомендаций, анализировать данные испытаний и разрабатывать множество ИИ моделей. Апогеем развития этого отдела будет создание Большой Модели Здоровья, которая может сильно ускорить прогресс в медицине, поиске лекарств и, главное, проверке лекарства, продлевающего жизнь. Одно создание этой модели тянет на самостоятельный национальный проект, хотя нетрудно представить что какая-либо коммерческая компания получит обширный доступ к оцифрованным медицинским данным и за много лет разработает и всесторонне протестирует такую модель. Рано или поздно мы придем в эту сторону.