Η ψηφιακή επανάσταση συνεχίζεται και σήμερα η τεχνητή νοημοσύνη είναι αυτή που κάνει μια σειρά από σημαντικές ανακαλύψεις. Αναγνώριση μορίων ενδιαφέροντος, επαναπροσδιορισμός ειδικοτήτων σε άλλες παθολογίες, μελετημένη επιλογή ασθενών που θα συμπεριληφθούν σε ομάδες… Οι εφαρμογές είναι τόσο ποικίλες όσο και τα ευαίσθητα ζητήματα και αν ένα πράγμα είναι σίγουρο, είναι ότι αυτοί οι αλγόριθμοι έχουν σκοπό να φέρουν επανάσταση στην έρευνα.
Όσο υπάρχει ζωή, υπάρχει και ελπίδα. Στα τέλη Μαρτίου, οι στήλες των «New York Times» ανέφεραν την περίπτωση αυτού του ασθενούς που σώθηκε χάρη σε μια χρήση τεχνητής νοημοσύνης (AI) την τελευταία στιγμή . Ο Τζόζεφ Κόουτς, ένας 37χρονος Αμερικανός, που έπασχε από το σύνδρομο POEMS, μια σπάνια αιματολογική διαταραχή, πάλευε εδώ και μήνες με την πάθηση, η οποία του προκαλούσε μούδιασμα στα χέρια και τα πόδια, διόγκωση της καρδιάς και νεφρική ανεπάρκεια. Η μόνη θεραπευτική οδός που θα μπορούσε να τον είχε φέρει σε ύφεση, μια μεταμόσχευση βλαστοκυττάρων, ήταν αδύνατη λόγω της ετοιμοθάνατης κατάστασής του. Ο Τζόζεφ Κόουτς οφείλει την επιβίωσή του στην κοπέλα του. Αρνούμενη τη διάγνωση των γιατρών, η νεαρή γυναίκα επικοινώνησε με τον Δρ. Ντέιβιντ Φατζενμπάουμ, ο οποίος, μέσα σε λίγες μόνο ώρες, της πρότεινε ένα κοκτέιλ χημειοθεραπείας, ανοσοθεραπείας και στεροειδών βασισμένο σε έναν αλγόριθμο. Το όφελος δεν θα αργήσει να φανεί. Σε μόλις μία εβδομάδα ο ασθενής ανταποκρίθηκε θετικά στη θεραπεία και 4 μήνες αργότερα η κατάστασή του είχε βελτιωθεί αρκετά ώστε να λάβει το μόσχευμα που του έσωσε τη ζωή. Τώρα βρίσκεται σε ύφεση.
Μόρια ενδιαφέροντος
Η φαρμακευτική βιομηχανία βιώνει μια μικρή επανάσταση. Στον τομέα της υγείας και αλλού, τα επιτεύγματα της τεχνητής νοημοσύνης πολλαπλασιάζονται και τα οφέλη της δεν αμφισβητούνται πλέον. Αναγνώριση μορίων ενδιαφέροντος, επαναπροσδιορισμός ειδικοτήτων σε άλλες παθολογίες, λεπτή επιλογή ασθενών που θα συμπεριληφθούν σε ομάδες… Οι αλγόριθμοι τεχνητής νοημοσύνης σήμερα καθιστούν δυνατό τον πολύ γρήγορο εντοπισμό ενός στόχου θεραπευτικού ενδιαφέροντος για μια δεδομένη παθολογία. Ωστόσο, η Τεχνητή Νοημοσύνη βασίζεται σε γνώση που είναι δημόσια και παράγεται από πανεπιστήμια και ερευνητικά ιδρύματα. Επομένως, τροφοδοτώντας τους αλγόριθμους, αφενός, με την διαθέσιμη επιστημονική βιβλιογραφία σχετικά με τους παθοφυσιολογικούς μηχανισμούς, όπως για παράδειγμα τις ενδοκυτταρικές οδούς σηματοδότησης, και αφετέρου με τη γνώση ενός αστρονομικού αριθμού υπαρχόντων μορίων και πεπτιδίων, ή ενδεχομένως υπαρχόντων σύμφωνα με τους νόμους της χημείας, η Τεχνητή Νοημοσύνη μπορεί να υποβάλει μόρια ενδιαφέροντος για αξιολόγηση. Με άλλα λόγια, το λογισμικό τεχνητής νοημοσύνης είναι σε θέση να συγκρίνει τη δομή και τις φυσικοχημικές ιδιότητες του προσδιορισμένου στόχου με τεράστιες τράπεζες μοριακών ή πρωτεϊνικών πληροφοριών και στη συνέχεια να προτείνει έναν περιορισμένο αριθμό μορίων που θα αλληλεπιδρούσαν με αυτόν τον στόχο.
Το ενδιαφέρον αυτών των βάσεων δεδομένων είναι απόλυτα κατανοητό από την επιστημονική κοινότητα. Έτσι, το 2024, το βραβείο Νόμπελ Χημείας απονεμήθηκε σε δύο ερευνητές της Google που ανέπτυξαν το AlphaFold. Μια βάση δεδομένων που προορίζεται να «παρέχει δωρεάν πρόσβαση σε μια πρόβλεψη της δομής 200 εκατομμυρίων πρωτεϊνών, με σκοπό την επιτάχυνση της επιστημονικής έρευνας». Μια επανάσταση σε αυτόν τον τομέα, η οποία απαιτεί εδώ και καιρό μακρές και πολύπλοκες διαδικασίες για τον προσδιορισμό της τριτοταγούς δομής μιας πρωτεΐνης. Ένα άλλο πλεονέκτημα των αλγορίθμων είναι ότι προτείνουν μόρια με ιδιαίτερα στοχευμένες επιδράσεις. Έτσι, αυτά θα αλληλεπιδρούσαν με μεγάλη συγγένεια με τον στόχο και επομένως θα προκαλούσαν λίγες παρενέργειες. Τα θαύματα των υπολογιστών δεν σταματούν εκεί. Αφού επιλεγεί ή φανταστεί κανείς, η πιθανή δραστική ουσία πρέπει να συντεθεί. Επίσης, αναδύονται εργαλεία αντίστροφης μηχανικής, ικανά να προτείνουν τις καλύτερες διαδικασίες, δηλαδή τις ταχύτερες, τις λιγότερο δαπανηρές και με τα λιγότερα βήματα, για τη σύνθεση των επιλεγμένων μορίων. Αντί να αξιολογούν χιλιάδες μόρια ένα προς ένα και να εξαλείφουν κάποια καθώς προχωρούν, οι υπολογιστές προσφέρουν στους ερευνητές μια συντόμευση. Το πλεονέκτημα της Τεχνητής Νοημοσύνης είναι ότι μπορεί να συμπυκνώσει σε λίγους μήνες την εργασία που θα είχαν κάνει 1.000 ερευνητές σε 10 χρόνια.
Η βιομηχανία αγωνίζεται να συμβαδίσει
Εκτός από την αναγνώριση και την επιλογή μορίων, η τεχνητή νοημοσύνη βρίσκει τη θέση της σε όλα τα στάδια της έρευνας και της ανάπτυξης. Κατά τη διάρκεια της κρίσης Covid, η χρήση της τεχνητής νοημοσύνης έχει ήδη βοηθήσει στη διάσωση πολλών ζωών. Έτσι, αυτή η νέα τεχνολογία δεν είναι άσχετη με την ταχεία άφιξη εμβολίων στην αγορά. Για να ελεγχθεί η αποτελεσματικότητα των προϊόντων που αναπτύχθηκαν, ήταν απαραίτητο να στρατολογηθούν ομάδες ασθενών στο σωστό μέρος τη σωστή στιγμή. Και εδώ, στην Τεχνητή Νοημοσύνη οφείλουμε τη βελτιστοποίηση αυτού του έργου μεγάλης κλίμακας. Η ιδέα είναι να γίνεται ο εμβολιασμός πριν από την άφιξη ενός επιδημικού κύματος, προκειμένου στη συνέχεια να υπολογιστεί η επίδραση του εμβολίου στη μείωση των λοιμώξεων ή των σοβαρών μορφών της νόσου.
Η πρόκληση των «μεγάλων δεδομένων»
Αυτά τα προγράμματα δεν είναι χωρίς περιορισμούς, ωστόσο, και, όπως ήταν αναμενόμενο, το μεγαλύτερο ελάττωμά τους είναι τα ίδια. Ή τουλάχιστον τα σύνολα δεδομένων με τα οποία εκπαιδεύτηκαν. Η ανάπτυξη ποιοτικής τεχνητής νοημοσύνης απαιτεί απίστευτη ποσότητα ποιοτικών δεδομένων. Επομένως, είναι απαραίτητο να κάνουμε ένα βήμα πίσω από τα σύνολα δεδομένων στα οποία έχει πρόσβαση η Τεχνητή Νοημοσύνη. Τέλος, χρειάζεται ένα ασφαλές νομικό πλαίσιο που να μπορεί να δημιουργήσει εμπιστοσύνη σε ό,τι γίνεται.
Ένα παγκόσμιο και κοινωνικό ζήτημα
Η Γηραιά Ήπειρος εργάζεται για την κατασκευή μιας αποθήκης δεδομένων υγείας. Αυτό θα συγκεντρώσει μια σημαντική ποσότητα ιατρικών πληροφοριών από τις οποίες μπορούν να αντλήσουν οι αλγόριθμοι. Λοιπόν, καλά νέα: στον αγώνα των υπερδυνάμεων της Τεχνητής Νοημοσύνης, η Ευρωπαϊκή Ένωση βρίσκεται στην πρώτη γραμμή. Αλλά τότε, αν το όφελος για το έθνος και τους ασθενείς είναι εξασφαλισμένο, τι γίνεται με τους ανθρώπινους εργαζόμενους; Σε αυτό το πλαίσιο, όπου οι μηχανές έχουν μάθει να σκέφτονται και να το κάνουν με περισσότερη ζωντάνια από τους πιο λαμπρούς ερευνητές, δεν θα πρέπει να ανησυχούμε ότι οι τελευταίοι, που μέχρι τώρα αποτελούσαν τη ραχοκοκαλιά της επιστημονικής έρευνας, θα βρεθούν αντικαταστημένοι από γραμμές κώδικα; Σε αυτό το σημείο, οι ειδικοί θέλουν να είναι καθησυχαστικοί . Τα ψηφιακά εργαλεία δεκαπλασιάζουν την ερευνητική ισχύ, αλλά πρέπει να καθοδηγούνται από ανθρώπους. Οι θέσεις απλώς θα μετακινηθούν. Όπως ακριβώς δεν μπορούμε να φανταστούμε να ζούμε χωρίς υπολογιστή σήμερα, δεν μπορούμε πλέον να φανταστούμε να ζούμε χωρίς τεχνητή νοημοσύνη. Αυτά τα προφίλ, που έχουν εξοικειωθεί με τη χρήση της τεχνητής νοημοσύνης, θα αποτελέσουν αύριο προϋπόθεση για την ιατρική έρευνα. Η ψηφιακή εκπαίδευση που ενσωματώνει την Τεχνητή Νοημοσύνη πρέπει να είναι υποχρεωτική ενότητα κατά τον πρώτο κύκλο σπουδών υγείας !
Πηγή: Le Quotidien du Pharmacien
