AI opracowało lek na raka w 30 dni. ChatGPT się chowa

Sztuczna inteligencja staje się coraz potężniejszą bronią przeciwko śmiertelnym chorobom, bo technologia będąca w stanie analizować ogromne ilości danych, odkrywać wzorce i zależności oraz przewidywać efekty leczenia jest nie do przecenienia.

Jak dowiadujemy się z badania opublikowanego w magazynie Chemical Science, naukowcy University of Toronto i Insilico Medicine za pomocą platformy do odkrywania leków AI o nazwie Pharma.AI opracowali potencjalną metodę leczenia agresywnego raka wątrobowokomórkowego (HCC), czyli najczęstszego nowotworu tego organu. 

Aby odkryć nieznaną wcześniej ścieżkę leczenia, badacze sięgnęli po możliwości AlphaFold, czyli opartej na sztucznej inteligencji bazy danych struktur białkowych. Tej samej, o której w ubiegłym roku było głośno z powodu rozszyfrowania w dosłownie półtora roku budowy niemal wszystkich, czyli ponad 200 milionów, znanych nam białek występujących w organizmach żyjących na Ziemi. 

I udało się, a stworzenie potencjalnego leku zajęło zaledwie 30 dni i wymagało zsyntetyzowania zaledwie siedmiu związków - w drugiej rundzie generowania związków badacze odkryli "nowatorską cząsteczkę uderzeniową, która może wiązać się celem. 

Co warto podkreślić, jak w przypadku każdego potencjalnego leku, zanim wejdzie on do powszechnego użytku, będzie musiał przejść testy kliniczne, ale tempo jego opracowania jest imponujące. Co więcej, sztuczna inteligencja jest nie tylko szybsza, ale i tańsza niż tradycyjna metoda prób i błędów, a do tego jej zakres eksploracji jest niemal nieograniczony. 

Przy okazji badacze podzielili się też imponującymi osiągnięciami swojego AI w zakresie przewidywania długości życia pacjentów - w tym przypadku sięgnęli po przetwarzanie języka naturalnego (NLP), czyli gałąź sztucznej inteligencji, która rozumie złożony ludzki język, do analizy notatek onkologa po pierwszej wizycie konsultacyjnej pacjenta. 

Tradycyjnie wskaźniki przeżycia raka są obliczane retrospektywnie i kategoryzowane tylko na podstawie kilku ogólnych czynników, jak miejsce występowania zmiany i typ tkanki.

Tymczasem model AI jest w stanie wykryć unikalne wskazówki zawarte w dokumencie wstępnej konsultacji pacjenta, aby zapewnić bardziej szczegółową ocenę.

System przeszkolony i przetestowany przy użyciu danych pochodzących od 47 625 pacjentów, zidentyfikował cechy unikalne dla każdego pacjenta, przewidując 6-, 36- i 60-miesięczne przeżycie z ponad 80 proc. dokładnością.