Sztuczna inteligencja pomoże w walce z rakiem?
Projekty bazują na sztucznej inteligencji (AI – Artificial Intelligence) i mają służyć m.in. zwiększeniu wiedzy na temat powstawania i rozwoju nowotworów na poziomie molekularnym. Choć bowiem wiele już wiadomo o możliwych ich przyczynach: genetycznych, środowiskowych, związanych z nałogami czy dietą, to wciąż powodują one miliony zgonów każdego roku.
Działająca w Zurychu grupa IBM zajmująca się zaawansowanymi systemami obliczeniowymi, angażująca środowiska naukowe i branże przemysłowe, pracuje nad AI i uczeniem maszynowym w celu lepszego zrozumienia głównych czynników i mechanizmów molekularnych nowotworów oraz różnic w poszczególnych ich typach. Zdobycie tej wiedzy ma doprowadzić do opracowania nowych metod diagnostyki i leczenia. W przyspieszeniu i ukierunkowaniu badań nad rakiem mogą pomóc trzy wypracowane przez IBM projekty oparte na uczeniu maszynowym.
Przewidzieć działanie leku
Pierwszy – o nazwie PaccMann – koncentruje się na tym, w jaki sposób uczenie głębokie (deep learning) może pomóc w przewidywaniu i wyjaśnianiu skuteczności leków. Opracowywanie leku na raka to proces bardzo kosztowny – może pochłonąć miliony dolarów, co znacznie osłabia potencjał rozwoju nowych terapii.
Algorytm PaccMann (Prediction of anticancer compound sensitivity with Multi-modal attention-based neural networks) ma automatycznie analizować związki chemiczne i przewidywać, które z nich najczęściej zwalczają szczepy nowotworowe. Wykorzystuje on dane na temat ekspresji genów i struktury molekularnej związków chemicznych. Uwzględnia też wiedzę na temat interakcji białek.
Maksymalnie wykorzystać badania naukowe
Drugi projekt – nazwany INtERAcT (Interaction Network infErence from vectoR representations of words) – ma na celu automatyczne pozyskiwanie wiedzy z prac naukowych dotyczących nowotworów. Twórcy projektu wyszli z założenia, że ogromna ilość wiedzy na temat kluczowych interakcji białek znajduje się w niezliczonej ilości tekstów, obrazów i wykresów zawartych w publikacjach naukowych. Próba samodzielnego zapoznania się choćby z częścią z nich byłaby z góry skazana na porażkę. Pomóc w tym ma INtERAcT – system przeszukujący w zadany sposób duże zbiory publikacji biomedycznych pod kątem wyszukiwania informacji na temat interakcji między białkami. Jego szczególną zaletą jest zdolność wnioskowania na temat danej interakcji w kontekście konkretnej choroby.
Więcej wiedzieć o rozwoju choroby
Trzeci projekt to PIMKL (Pathway-Induced Multiple Kernel Learning) – algorytm wykorzystujący dostępną już wiedzę na temat interakcji na poziomie molekularnym (pozyskaną np. z próbek tkanek chorych) do przewidywania rozwoju raka i potencjalnych jego nawrotów u pacjentów.
Projekt PIMKL został wdrożony w chmurze IBM Cloud, dzięki czemu naukowcy mają do niego dostęp i mogą wykorzystywać własne dane do prowadzenia eksperymentów i uzyskiwania potrzebnych wyników. Także kody PaccMann i INtERAcT umieszczono na stronach internetowych tych projektów.
fot. 123RF
