Штучний інтелект допомагає вченим зрозуміти рак по-новому. Інноваційна співпраця між DeepMind і Єльським університетом призвела до розробки передової системи ШІ, яка може аналізувати стільникові дані в безпрецедентному масштабі. Інструмент під назвою C2S-Scale 27B не просто аналізує дані — він передбачає, як ракові клітини можуть реагувати на різні види лікування.
Цей прорив означає перехід у дослідження раку від простого опису того, що відбувається з раковими клітинами, до реального прогнозування їх поведінки. Модель штучного інтелекту працює шляхом поєднання реальних даних про пухлини з імітацією клітинних реакцій, що дозволяє аналізувати, як діють ліки в різних умовах. Він використовує подвійні контекстні віртуальні методи скринінгу для одночасного тестування тисяч препаратів-кандидатів у вирощених у лабораторії клітинах і даних про пухлини пацієнтів.
Що робить це відкриття особливо важливим, так це те, що штучний інтелект виявив: раніше прихований механізм, який дозволяє певним типам раку, особливо тим, які класифікуються як «холодні» пухлини, уникати імунного виявлення. Це відкриття може призвести до нових підходів, які допоможуть організму розпізнавати стійкі до ліків ракові захворювання та боротися з ними.
ШІ-підхід імітує спосіб мислення біологів. Він може аналізувати, як тисячі комбінацій ліків можуть впливати на ракові клітини за різних умов, чого традиційні лабораторні експерименти не можуть зробити ефективно. Хоча звичайні тести розглядають одну змінну за раз, цей штучний інтелект може симулювати тисячі комбінацій для визначення перспективних методів лікування. За словами дослідників, приблизно від 10 до 30 відсотків виявлених комбінацій ліків раніше не вивчалися.
Наприклад, AI передбачив, що поєднання двох конкретних препаратів значно покращить здатність імунної системи розпізнавати ракові клітини. Коли дослідники Єльського університету перевірили це передбачення в лабораторії, вони виявили, що ця комбінація покращує імунне розпізнавання приблизно на 50 відсотків — набагато більше, ніж досягають окремі препарати. Це продемонструвало здатність штучного інтелекту визначати ефективні методи лікування, які дослідники могли б пропустити.
Ця розробка знаменує новий темп відкриттів. Інтегруючи геномні, протеомні та дані про реакцію на ліки, ШІ може ідентифікувати ключові біологічні зв’язки набагато швидше, ніж традиційні експериментальні підходи. Ця ефективність може трансформувати медичні дослідження так само, як високопродуктивне секвенування зробило революцію в біології два десятиліття тому.
Цей прогрес є частиною зростаючої тенденції. Інші дослідницькі групи, включно з Массачусетським технологічним інститутом і Cellarity, розробили додаткові інструменти штучного інтелекту, такі як DrugReflector, який може тестувати тисячі ліків у різних типах клітин. Ці замкнуті системи, де ШІ визначає потенційні методи лікування, а лабораторії їх тестують, можуть значно скоротити час, необхідний для розробки нових методів лікування.
Однак експерти наголошують, що AI позиціонується як колаборатор, а не як заміна людям-дослідникам. На нещодавніх конференціях ШІ в біології вчені визнали силу ШІ в обробці складних даних, але підкреслили, що люди-дослідники все ще забезпечують необхідний контекст і судження. Ці системи відмінно визначають закономірності та несподівані зв’язки, які люди можуть пропустити, допомагаючи дослідникам зосередити свої дослідження.
Дивлячись у майбутнє, ця розробка є важливою віхою в науковій методології. Вперше велика модель штучного інтелекту успішно проаналізувала біологічні дані для створення перевіреної гіпотези про стійкість до раку, яка витримала лабораторні випробування. Цей підхід створює план для прискорення наукових відкриттів у всіх галузях, уможливлюючи віртуальні експерименти, які можуть швидко перевіряти тисячі можливостей.
