Forskere ved Mayo-klinikken har utviklet en innovativ AI-teknologi, kalt "hypotesedrevet AI", som avviker fra konvensjonelle datadrevne AI-modeller.
Tradisjonelle AI-metoder utmerker seg når det gjelder å identifisere mønstre i store datamengder, for eksempel genetiske sekvenser eller diagnostiske bilder, men ofte kan de ikke innlemme eksisterende vitenskapelig kunnskap eller hypoteser direkte i læringsprosessen.
Hypotesedrevet AI utfordrer disse normene ved å innlemme medisinske hypoteser i læringsprosessen. Den lærer ikke bare av dataene den blir matet med - den bruker også hypoteser til å utforske data direkte.
Dokumentasjon av deres forskning i tidsskriftet CancersMayo Clinic bruker sine hypotesedrevne AI-systemer for å bidra til å avdekke dynamikken i komplekse sykdommer som kreft.
Å skrive i en Pressemelding fra Mayo ClinicDr. Hu Li, hovedforfatteren av studien, forklarte hvordan hypotesedrevet AI gir fordeler medisinsk forskning: "Dette åpner for en ny æra når det gjelder å utforme målrettede og informerte AI-algoritmer for å løse vitenskapelige spørsmål, bedre forstå sykdommer og veilede individualisert medisin."
Slik fungerer det:
- Sammenstilling av data: Teamet, ledet av Zilin Xianyu og kolleger ved Mayo Clinic, startet studien med å samle inn informasjon fra tusenvis av kreftprøver, inkludert genomiske data (DNA), proteomiske (proteiner), transkriptomiske (RNA-meldinger) og epigenetiske (arvelige endringer som ikke påvirker DNA-sekvensen).
- Utvikling av AI-systemet: På grunnlag av de innsamlede dataene utviklet forskerne en ny type AI-algoritmer som kalles "hypotesedrevet AI". I motsetning til tradisjonelle modeller er disse algoritmene konstruert for å integrere og teste vitenskapelige hypoteser i læringsprosessen.
- Anvendelse på onkologisk forskning: Med algoritmene klare brukte forskerne sin hypotesedrevne AI på flere viktige områder innen onkologisk forskning, som klassifisering av svulster, stratifisering av pasienter og prediksjon av legemiddelrespons, og de rapporterte bedre resultater enn konvensjonelle metoder.
Daniel Billadeau, Ph.D., en av oppfinnerne av studien og professor ved Mayo Clinics avdeling for immunologi, uttalte: "Denne nye klassen av kunstig intelligens åpner en ny vei for bedre forståelse av samspillet mellom kreft og immunsystemet, og den er svært lovende, ikke bare for å teste medisinske hypoteser, men også for å forutsi og forklare hvordan pasienter vil respondere på immunterapier."
Det finnes selvfølgelig noen begrensninger. Li peker på utfordringene ved å lage slike avanserte algoritmer, blant annet behovet for domenespesifikk forskning og risikoen for skjevheter.
Likevel er han optimistisk: "Hypotesedrevet kunstig intelligens legger til rette for et aktivt samspill mellom menneskelige eksperter og kunstig intelligens, noe som reduserer bekymringen for at kunstig intelligens til slutt vil eliminere noen profesjonelle jobber."
AIs rolle i medisinsk og helsefaglig forskning er i stadig utvikling, med nylige fremskritt innen ny forskning på antibiotika og syntetisere anti-aldringsmedisiner.
Forskere ved Mayo Clinic brukte nylig GPT-4 som et diagnostisk verktøy for slagpasienter, og i fjor bidro de til å utvikle en maskinlæringsmodell som kunne diagnostisere diabetes ut fra stemmeopptak.
Men det finnes også risikoer, noe som ble understreket da over 100 forskere utarbeidet retningslinjer for sikker AI-proteindesign for å begrense potensialet for misbruk.
