Η τεχνητή νοημοσύνη γίνεται το νέο όπλο κατά των θανατηφόρων ασθενειών, καθώς η τεχνολογία είναι ικανή να αναλύει τεράστιο όγκο δεδομένων, να αποκαλύπτει μοτίβα και σχέσεις και να προβλέπει τα αποτελέσματα των θεραπειών. Εν προκειμένω η τεχνητή νοημοσύνη ανακάλυψε μια προηγουμένως άγνωστη οδό θεραπείας για το ηπατοκυτταρικό καρκίνωμα σχεδιάζοντας ένα «νέο επιτυχές μόριο» που θα μπορούσε να συνδεθεί με αυτόν τον θεραπευτικό στόχο.
Οι ανακαλύψεις πραγματοποιήθηκαν από ξεχωριστά συστήματα, αλλά δείχνουν πώς οι χρήσεις της τεχνολογίας αιχμής υπερβαίνουν κατά πολύ τη δημιουργία εικόνων και κειμένου.
Συγκεκριμένα, ερευνητές του Πανεπιστημίου του Τορόντο συνεργάστηκαν με την Insilico Medicine που εδρεύει στο Χονγκ Κονγκ για να αναπτύξουν μια πιθανή θεραπεία για το ηπατοκυτταρικό καρκίνωμα (HCC) χρησιμοποιώντας μια βιουπολογιστική πλατφόρμα ανακάλυψης φαρμάκων με τεχνητή νοημοσύνη.
Το σύστημα, το οποίο μπορεί επίσης να προβλέψει το ποσοστό επιβίωσης, είναι εφεύρεση επιστημόνων από το Πανεπιστήμιο της Βρετανικής Κολομβίας και το BC Cancer, στον Καναδά οι οποίοι βρήκαν ότι το μοντέλο είναι 80% ακριβές.
Ο ιδρυτής και διευθύνων σύμβουλος της Insilico Medicine, Alex Zhavoronkov, αποκάλυψε στη Daily mail πως: «οι αλγόριθμοι τεχνητής νοημοσύνης κατάφεραν να σχεδιάσουν ισχυρούς αναστολείς ενός στόχου με δομή που προέρχεται από το AlphaFold».
Το AlphaFold είναι ένα πρόγραμμα τεχνητής νοημοσύνης που αναπτύχθηκε από την DeepMind, θυγατρική της Alphabet, το οποίο προβλέπει τη δομή των πρωτεϊνών. Από τον Ιούλιο του 2021 που η DeepMind κυκλοφόρησε μια έκδοση ανοιχτού κώδικα του AlphaFold περισσότεροι από μισό εκατομμύριο ερευνητές έχουν χρησιμοποιήσει το σύστημα μηχανικής μάθησης, παράγοντας χιλιάδες δημοσιεύσεις. Τον περασμένο Ιούλιο η DeepMind κυκλοφόρησε προβλεπόμενες δομές για περισσότερες από 200 εκατομμύρια πρωτεΐνες, καλύπτοντας ολόκληρο το πρωτεϊνικό σύμπαν.
Οι προβλέψεις της πρωτεϊνικής δομής με το AlphaFold χρησιμοποιούνται ήδη με χιλιάδες τρόπους και σύμφωνα με μια τελευταία ανάλυση που έκαναν οι επιστήμονες της DeepMind, θα πυροδοτήσουν μια χιονοστιβάδα νέων και συναρπαστικών ανακαλύψεων τους επόμενους μήνες και χρόνια. Και όλα αυτά χάρη στο γεγονός ότι τα δεδομένα είναι διαθέσιμα σε όλους και ανοιχτά προς χρήση.
Οι ελεύθερα διαθέσιμες δομές έχουν επίσης ενσωματωθεί σε άλλα δημόσια σύνολα δεδομένων, όπως τα Ensembl, UniProt και OpenTargets, όπου εκατομμύρια χρήστες έχουν πρόσβαση σε αυτές ως μέρος των καθημερινών ροών εργασίας τους.
Unsplash
Ένα πολλά υποσχόμενο μοντέλο
Ο πρωτοπαθής καρκίνος του ήπατος είναι ο έκτος πιο συχνά εμφανιζόμενος καρκίνος και η τρίτη πιο συχνή αιτία θνησιμότητας από καρκίνο παγκοσμίως σύμφωνα με την ενημερωτική έκθεση GLOBOCAN 2020 που κυκλοφόρησε από τον Διεθνή Οργανισμό Έρευνας για τον Καρκίνο (IARC). Το ηπατοκυτταρικό καρκίνωμα (HCC) είναι ο κυρίαρχος τύπος καρκίνου του ήπατος, που αντιπροσωπεύει περίπου το 75% του συνολικού πληθυσμού των ασθενών.
Η συγκεκριμένη ομάδα χρησιμοποίησε το AlphaFold για να σχεδιάσει και να συνθέσει ένα πιθανό φάρμακο για τη θεραπεία του ηπατοκυτταρικού καρκινώματος (HCC), και το κατόρθωμα επιτεύχθηκε σε μόλις 30 ημέρες από την επιλογή του στόχου και αφού συντέθηκαν μόνο επτά ενώσεις.
Σε έναν δεύτερο γύρο παραγωγής ενώσεων με τεχνητή νοημοσύνη, οι ερευνητές ανακάλυψαν ένα πιο ισχυρό φαρμακευτικό μόριο - αν και οποιοδήποτε πιθανό φάρμακο θα πρέπει ακόμα να υποβληθεί σε κλινικές δοκιμές.
Το σύστημα που χρησιμοποιήθηκε για την πρόβλεψη του προσδόκιμου ζωής χρησιμοποίησε την επεξεργασία φυσικής γλώσσας (Natural Language Processing, NLP) - έναν κλάδο της τεχνητής νοημοσύνης που “κατανοεί” την πολύπλοκη ανθρώπινη γλώσσα - για να αναλύσει, εν προκειμένω, τις σημειώσεις του ογκολόγου μετά την αρχική επίσκεψη του ασθενούς.
Το σύστημα μπόρεσε να προβλέψει εξάμηνη, 36μηνη και 60μηνη επιβίωση με ποσοστό ακρίβειας άνω του 80%. Αυτό το μοντέλο μπορεί επίσης να καθορίσει τα ποσοστά επιβίωσης για όλους τους καρκίνους, ενώ τα προηγούμενα μοντέλα μπορούσαν να εφαρμοστούν μόνο σε ορισμένους τύπους καρκίνου.
Ο John-Jose Nunez, ψυχίατρος και κλινικός ερευνητής στο UBC Mood Disorders Center και το BC Cancer, δήλωσε πως η: «Η τεχνητή νοημοσύνη ουσιαστικά διαβάζει τις σημειώσεις του ογκολόγου όπως ακριβώς θα τις διάβαζε ένας άνθρωπος. Αυτές οι σημειώσεις περιέχουν πολλές λεπτομέρειες όπως την ηλικία του ασθενούς, τον τύπο του καρκίνου, τις υποκείμενες παθήσεις, την προηγούμενη χρήση ουσιών και το οικογενειακό ιστορικό. Η τεχνητή νοημοσύνη συνδυάζει όλα αυτά για να σκιαγραφήσει μια πλήρη πρόβλεψη».
Παραδοσιακά, τα ποσοστά επιβίωσης από καρκίνο υπολογίζονται αναδρομικά και κατηγοριοποιούνται μόνο βάσει λίγων γενικών παραγόντων, όπως η θέση του καρκίνου και ο τύπος ιστού.
Το μοντέλο, ωστόσο, είναι σε θέση να συλλέξει μοναδικά στοιχεία και ενδείξεις από τις σημειώσεις του ογκολόγου κατά την πρώτη συνάντηση με τον ασθενή και να παρέχει μια διαφοροποιημένη αξιολόγηση.
Η τεχνητή νοημοσύνη εκπαιδεύτηκε και δοκιμάστηκε χρησιμοποιώντας δεδομένα από 47.625 ασθενείς σε έξι τοποθεσίες που βρίσκονται σε όλη τη Βρετανική Κολομβία.
«Επειδή το μοντέλο εκπαιδεύεται σε δεδομένα αυτό το καθιστά ένα δυνητικά ισχυρό εργαλείο για την πρόβλεψη της επιβίωσης από τον καρκίνο στην επαρχία», προσθέτει ο Nunez. «Ωστόσο το σπουδαίο με τα μοντέλα επεξεργασία φυσικής γλώσσας (NLP) είναι ότι είναι εξαιρετικά επεκτάσιμα, φορητά και δεν απαιτούν δομημένα σύνολα δεδομένων. Μπορούμε να τα εκπαιδεύσουμε γρήγορα χρησιμοποιώντας τοπικά δεδομένα και να βελτιώσουμε την απόδοσή τους σε μια νέα περιοχή», σχολιάζει.
Η μελέτη δημοσιεύτηκε στο περιοδικό Chemical Science
