Sztuczna inteligencja pomaga naukowcom zrozumieć raka na nowe sposoby. Przełomowa współpraca pomiędzy DeepMind i Uniwersytetem Yale zaowocowała opracowaniem najnowocześniejszego systemu sztucznej inteligencji, który może analizować dane komórkowe na niespotykaną dotąd skalę. Narzędzie o nazwie C2S-Scale 27B nie tylko analizuje dane, ale także przewiduje, jak komórki nowotworowe mogą zareagować na różne metody leczenia.
Ten przełom oznacza zmianę w badaniach nad nowotworami od prostego opisu tego, co dzieje się z komórkami nowotworowymi, do faktycznego przewidywania ich zachowania. Model sztucznej inteligencji działa poprzez łączenie rzeczywistych danych dotyczących nowotworów z symulowanymi reakcjami komórek, umożliwiając analizę działania leków w różnych warunkach. Wykorzystuje dwukontekstowe techniki wirtualnego przesiewu do jednoczesnego testowania tysięcy kandydatów na leki w komórkach hodowanych w laboratorium i danych dotyczących nowotworów pacjentów.
To odkrycie jest szczególnie istotne, ponieważ sztuczna inteligencja odkryła: wcześniej ukryty mechanizm, który pozwala niektórym typom nowotworów, szczególnie tym sklasyfikowanym jako nowotwory „zimne”, uniknąć wykrycia przez układ odpornościowy. Odkrycie to może zaowocować nowymi podejściami, które pomogą organizmowi rozpoznawać i zwalczać nowotwory lekooporne.
Podejście AI naśladuje sposób myślenia biologów. Może analizować, jak tysiące kombinacji leków mogą wpływać na komórki nowotworowe w różnych warunkach, czego tradycyjne eksperymenty laboratoryjne nie są w stanie skutecznie przeprowadzić. Podczas gdy konwencjonalne testy analizują jedną zmienną na raz, ta sztuczna inteligencja może symulować tysiące kombinacji w celu zidentyfikowania obiecujących metod leczenia. Naukowcy twierdzą, że około 10–30 procent zidentyfikowanych kombinacji leków nie było wcześniej badanych.
Na przykład sztuczna inteligencja przewidziała, że połączenie dwóch konkretnych leków znacznie poprawi zdolność układu odpornościowego do rozpoznawania komórek nowotworowych. Kiedy badacze z Yale przetestowali tę prognozę w laboratorium, odkryli, że połączenie to poprawia rozpoznawanie immunologiczne o około 50 procent – znacznie więcej niż osiągnęłyby poszczególne leki. Pokazało to zdolność sztucznej inteligencji do identyfikowania skutecznych metod leczenia, które w przeciwnym razie badacze mogliby przeoczyć.
Rozwój wyznacza nowe tempo odkryć. Integrując dane genomiczne, proteomiczne i dotyczące odpowiedzi na leki, sztuczna inteligencja może identyfikować kluczowe powiązania biologiczne znacznie szybciej niż tradycyjne podejścia eksperymentalne. Ta wydajność może zmienić badania medyczne, tak jak dwie dekady temu wysokowydajne sekwencjonowanie zrewolucjonizowało biologię.
Postęp ten wpisuje się w rosnący trend. Inne zespoły badawcze, w tym te z MIT i Cellarity, opracowały dodatkowe narzędzia AI, takie jak DrugReflector, które mogą testować tysiące leków w różnych typach komórek. Te systemy o zamkniętej pętli, w których sztuczna inteligencja identyfikuje potencjalne metody leczenia, a laboratoria je testują, mogłyby znacznie skrócić czas potrzebny na opracowanie nowych metod leczenia.
Eksperci podkreślają jednak, że sztuczna inteligencja jest pozycjonowana jako współpracownik, a nie zastępca ludzkich badaczy. Na niedawnych konferencjach poświęconych sztucznej inteligencji w biologii naukowcy docenili siłę sztucznej inteligencji w przetwarzaniu złożonych danych, podkreślili jednak, że badacze-ludzi nadal zapewniają niezbędny kontekst i ocenę. Systemy te doskonale identyfikują wzorce i nieoczekiwane powiązania, które ludzie mogą przeoczyć, pomagając badaczom skoncentrować swoje badania.
Patrząc w przyszłość, rozwój ten stanowi kamień milowy w metodologii naukowej. Po raz pierwszy duży model sztucznej inteligencji z powodzeniem przeanalizował dane biologiczne, aby wygenerować sprawdzalną hipotezę dotyczącą oporności na raka, która przetrwała testy laboratoryjne. Takie podejście tworzy plan przyspieszenia odkryć naukowych we wszystkich dziedzinach, umożliwiając wirtualne eksperymenty, które mogą szybko sprawdzić tysiące możliwości.
