Milan Němý: Jak číst snímky mozku dřív, než onemocní

Umělá inteligence dnes proniká do medicíny způsobem, který ještě před několika lety působil jako science fiction. A právě to využívá Milan Němý z CIIRC ČVUT při hledání odpovědí na tuto otázku. Ve svém výzkumu propojuje pokročilé zobrazovací metody s nástroji umělé inteligence, které dokáží v datech odhalit vzorce nepostřehnutelné lidským okem.

Na konci roku 2025 byl Milan Němý vybrán mezinárodní komisí jako držitel nové akademické pozice (tzv. Tenure Track Position Holder) v rámci evropského centra excelence CLARA Centre (Center for Artificial Intelligence and Quantum Computing in System Brain Research), které se zaměřuje na propojení umělé inteligence, bioinformatiky a výzkumu mozku. Jeho práce tak získává další institucionální zázemí pro rozvoj ambiciózního cíle: lépe porozumět tomu, jak se mozek mění v nejranějších stadiích onemocnění – a jak tyto změny včas a spolehlivě zachytit.

Působíte na pomezí AI, zobrazování mozku a neurověd. Jak byste svou práci popsal někomu mimo vědeckou komunitu? A jaké reálné problémy se snažíte dlouhodobě řešit? 

Mým hlavním cílem je porozumět tomu, jak se mozek mění dlouho předtím, než se u nemocí, jako je Alzheimerova choroba, objeví viditelné příznaky. Využíváme moderní metody magnetické rezonance (MRI) a umělou inteligenci, abychom dokázali zachytit velmi jemné změny ve struktuře a propojení mozku. Takové, které často nelze poznat pouhým okem.

Zjednodušeně řečeno, snažíme se naučit počítače „číst“ mozkové MRI snímky citlivěji a přesněji než člověk. Naším cílem je včas odhalit zranitelnost, pochopit, které mozkové systémy jsou zasažené, a také předpovídat, jak se nemoc může vyvíjet v čase i v různých částech mozku. Když dokážeme riziko rozpoznat dříve a spolehlivěji, otevírá to cestu k prevenci a personalizované péči.

Mnohá onemocnění mozku, včetně Alzheimerovy choroby a nádorů mozku, se stále diagnostikují relativně pozdě. Jakou klíčovou výzvu se vaše výzkumná práce snaží řešit a jak v tom pomáhá AI? Proč je v tomto kontextu MRI tak silný nástroj?

Zásadní problém je v tom, že mozková onemocnění se často rozvíjejí postupně a „potichu“. Když se projeví prvotní příznaky, už bývá v mozku přítomné významné a zpravidla nevratné poškození.

MRI je výjimečná tím, že nám umožňuje neinvazivně nahlédnout do živého mozku a velmi detailně kvantifikovat jeho strukturu a funkci. Dnes už ale MRI nevnímáme jen jako nástroj pro „vyfocení“ anatomie mozku. V kontextu našeho výzkumu jde spíše o fyzikálně-chemický „analyzátor“, který zachycuje mikroskopické vlastnosti tkání i prostorové informace o mozkových sítích. Díky tomu lze odhalit časné signály nemoci, které jsou nenápadné a rozptýlené, a neprojevují se tak jako jednoduché, jasně viditelné léze.

Abychom dokázali analyzovat velké datové soubory MRI napříč různými sekvencemi (spolu s dalšími klinickými informacemi), je dnes umělá inteligence zásadní. Modely strojového učení umí rozpoznat kombinace příznaků a trajektorie změn, které by člověk ručně prakticky nemohl odhalit. Místo otázky „Je tento mozek už poškozený?“ se můžeme začít ptát: „Je tento mozek v riziku? A jak se v čase mění?“

Podstatná část vaší práce se soustředí na velmi jemné změny v mozku, například v cholinergním systému u Alzheimerovy choroby. Co nám dosud unikalo a jaké nové poznatky díky těmto metodám získáváte?

Výzkum Alzheimerovy choroby se dlouho soustředil hlavně na klasické markery, jako je amyloid, tau nebo atrofie hipokampu. Ty jsou důležité, ale samy o sobě nevysvětlují, proč je mozek zranitelný už v raných fázích.

Méně pozornosti se věnovalo tomu, že časné změny se mohou týkat konkrétních mozkových sítí, například těch, které řídí pozornost, modulaci paměti nebo kognitivní flexibilitu, typicky cholinergního systému. Pokud je narušen, může to ovlivnit širokou škálu funkcí. Problém je, že tyto dráhy jsou prostorově složité a dlouho nebylo možné je přesně a citlivě měřit běžnými zobrazovacími metodami.

V našem týmu jsme vyvinuli postupy, jak cholinergní systém v mozku segmentovat. Když toto spojíme s difuzní MRI a analýzou podpořenou AI, dokážeme jeho integritu kvantifikovat přímo u živých lidí, což dříve nebylo možné. Tím se otevírá nový směr výzkumu: místo studia pozdních důsledků nemoci se můžeme více zaměřit na její počátky. Umožňuje nám to tak zkoumat i mladší jedince v období, kdy se patologické procesy teprve rozbíhají, ale klasické metody ještě „nic nevidí“.

Nedávno jste získal novou tenure-track pozici v centru excelence CLARA v oblasti bioinformatiky a AI. Co vás na CLARA přitahovalo a jak tato pozice podporuje vaši vědeckou nezávislost a dlouhodobou vizi?

Osobně mě na CLARA oslovuje to, že v rámci jednoho společného rámce propojuje odborníky z mnoha oblastí, tj. umělou inteligenci, výkonné výpočty, kvantové technologie i neurovědy. Taková synergie je podle mě nezbytná, pokud chceme řešit komplexní problémy typu neurodegenerace, které se nedají vyřešit v rámci jednoho oboru. A i když to zní samozřejmě, v praxi to ve vědě stále není standard. Právě proto si velmi vážím toho, co centrum CLARA buduje.

Z praktického hlediska mi tenure-track pozice dává vědeckou nezávislost pro rozvoj vlastního výzkumného směru, a zároveň možnost být součástí spolupracujícího prostředí se silnou technologickou a výpočetní infrastrukturou. Věřím, že kombinace nezávislosti a dobře nastaveného ekosystému je ideální pro budování dlouhodobě stabilního týmu i programu, který má kontinuitu.

Jaké jsou vaše hlavní cíle v centru CLARA pro příští roky? Na co se nejvíc těšíte?

Moje hlavní ambice je vybudovat silný interdisciplinární tým, který propojí neurovědce, specialisty na AI, radiology i neurology. Chci vytvořit skupinu, která bude vědecky samostatná, dlouhodobě udržitelná a bude schopná posouvat hranice v oblasti neurozobrazování a výpočetních metod.

Z vědeckého hlediska je jednou z priorit další ověření a rozšíření našeho frameworku pro hodnocení cholinergního systému. Aktuálně jej rozvíjíme směrem k PET zobrazování, longitudinálním analýzám velkých kohort i zapojení do klinických studií léků. Pro každou z těchto oblastí už máme mezinárodní partnery a těšíme se, že metody otestujeme v různých populacích a reálném klinickém prostředí.

Druhou klíčovou oblastí jsou tzv. přidružené patologie, zejména cerebrovaskulární onemocnění. To významně přispívá ke kognitivnímu poklesu, ale stále chybí robustní a standardizovaný nástroj, který by dokázal vhodně popsat prostorové rozložení a charakter cévních lézí v mozku. Vyvíjíme proto nový, technologicky pokročilý software, který kombinuje pokročilé zobrazování a strojové učení tak, aby popsal cévní poškození mozku systematičtěji a biologicky smysluplněji. Bez silné expertizy v AI a zobrazování by to nebylo možné. Naším cílem je tento nástroj zpřístupnit výzkumné komunitě a potenciálně do budoucna i klinické praxi.

Je také potřeba zmínit, že většina těchto aktivit stojí na mezinárodních spolupracích. Přinášejí nejen komplementární expertizu, ale hlavně přístup k novým datům, bez kterých nelze AI modely kvalitně ověřit a zobecnit.

Neurodegenerativní onemocnění patří mezi největší výzvy stárnoucích společností. Jakou roli podle vás může výzkum mozku využívající AI hrát v tom, jak budou tato onemocnění v budoucnu diagnostikována nebo léčena?

Myslím si, že AI může reálně změnit situaci. Už dnes je vidět, že umí urychlit výzkum a odhalovat vzorce a souvislosti, které jsme dříve nedokázali rozpoznat.

V ideálním případě může AI pomoci odhalit základní principy těchto nemocí tak, že se jednou posuneme až k efektivní prevenci. Je těžké říct, kdy přesně takový průlom nastane. Nicméně v jiných oborech jsme podobné posuny už viděli.

V bližší době čekám však spíš praktický dopad: kombinace AI a biomarkerů (MRI, PET a další) umožní identifikovat osoby v riziku mnohem dříve než dnes. To může vést k cílenému monitorování, personalizované prevenci i lepšímu načasování léčebných zásahů. Zároveň to zlepší klinické studie nových léků, například výběrem vhodných účastníků a citlivějšími měřítky účinku. Celkově jde o krok směrem k precizní neurologii, kde se rozhodování opírá o biologii konkrétního mozku, nejen o široké diagnostické kategorie.

Zdroj: Český institut informatiky, robotiky a kybernetiky ČVUT

Milan Němý je vedoucí neurovědní výzkumné skupiny na Českém institutu informatiky, robotiky a kybernetiky ČVUT (CIIRC ČVUT) v oddělení kognitivních systémů a neurověd (COGSYS). Zároveň působí jako výzkumný pracovník na Karolinska Institutet ve Švédsku, jednom z nejvýznamnějších světových pracovišť v oblasti medicíny a neurověd, které mj. uděluje Nobelovu cenu za fyziologii a lékařství.

Ve svém výzkumu se zaměřuje na neurodegenerativní onemocnění, zejména Alzheimerovu chorobu, a na využití pokročilých metod magnetické rezonance v kombinaci s umělou inteligencí. Jeho práce přispívá k lepšímu pochopení časných změn v mozku a k hledání citlivějších biomarkerů pro včasnou diagnostiku. Na CIIRC ČVUT působí na tzv. tenure-track pozici spolufinancované evropským centrem excelence CLARA, kde rozvíjí výzkum na pomezí umělé inteligence, bioinformatiky a neurověd s cílem zlepšit včasnou diagnostiku a porozumění onemocněním mozku.