Forskare vid Mayo Clinic har utvecklat en innovativ AI-teknik, kallad "hypotesdriven AI", som skiljer sig från konventionella datadrivna AI-modeller.
Traditionella AI-metoder är utmärkta på att identifiera mönster i stora mängder data, t.ex. genetiska sekvenser eller diagnostiska bilder, men kan ofta inte införliva befintlig vetenskaplig kunskap eller hypoteser direkt i sin inlärningsprocess.
Hypotesdriven AI utmanar dessa normer genom att införliva medicinska hypoteser i sin inlärningsprocess. Den lär sig inte bara från de data som den matas med - den använder också hypoteser för att utforska data direkt.
Dokumentera deras forskning i tidskriften CancersMayo Clinic använder sina hypotesdrivna AI-system för att hjälpa till att förstå dynamiken i komplexa sjukdomar som cancer.
Skriva i en Pressmeddelande från Mayo ClinicDr Hu Li, studiens huvudförfattare, förklarade hur hypotesdriven AI gynnar medicinsk forskning: "Detta främjar en ny era när det gäller att utforma riktade och välinformerade AI-algoritmer för att lösa vetenskapliga frågor, bättre förstå sjukdomar och vägleda individualiserad medicin."
Så här fungerar det:
- Sammanställning av data: Teamet, som leds av Zilin Xianyu och kollegor vid Mayo Clinic, inledde sin studie med att samla in information, inklusive genomisk data (DNA), proteomisk (proteiner), transkriptomisk (RNA-meddelanden) och epigenetisk (ärftliga förändringar som inte påverkar DNA-sekvensinformationen) från tusentals cancerprover.
- Utveckling av AI-systemet: Med utgångspunkt i de insamlade uppgifterna utformade forskarna en ny klass av AI-algoritmer som kallas "hypotesdriven AI". Till skillnad från traditionella modeller var dessa algoritmer unikt konstruerade för att integrera och testa vetenskapliga hypoteser i sin inlärningsprocess.
- Tillämpning på onkologisk forskning: När algoritmerna var klara tillämpade forskarna sin hypotesdrivna AI på flera viktiga områden inom onkologisk forskning, t.ex. tumörklassificering, patientstratifiering och förutsägelse av läkemedelsrespons, och rapporterade förbättrad prestanda jämfört med konventionella metoder.
Daniel Billadeau, Ph.D., en av uppfinnarna bakom studien och professor vid Mayo Clinics avdelning för immunologi, säger: "Denna nya klass av AI öppnar en ny väg för att bättre förstå interaktionen mellan cancer och immunsystemet och är mycket lovande, inte bara för att testa medicinska hypoteser utan också för att förutsäga och förklara hur patienter kommer att reagera på immunterapier."
Naturligtvis finns det vissa begränsningar. Dr. Li pekar på utmaningarna med att skapa så avancerade algoritmer, bland annat behovet av domänspecifik forskning och risken för partiskhet.
Han är dock fortfarande optimistisk och säger: "Hypotesdriven AI underlättar ändå aktiva interaktioner mellan mänskliga experter och AI, vilket minskar oron för att AI så småningom kommer att eliminera vissa professionella jobb."
AI:s roll inom medicinsk forskning och hälso- och sjukvård utvecklas ständigt, och de senaste framstegen inom forskning om nya antibiotika och syntetiserar läkemedel mot åldrande.
Mayo Clinic-forskare använde nyligen GPT-4 som ett diagnostiskt verktyg för strokepatienter, och förra året hjälpte de till med att utveckla en maskininlärningsmodell som kunde diagnostisera diabetes från röstinspelningar.
Det finns dock risker, vilket framgick när 100+ forskare skapade riktlinjer för säker AI-proteindesign för att begränsa risken för felaktig användning.