Професор Стенфордського університету Джеймс Зу, як і багато зайнятих науковців, прагне досліджувати безліч ідей, однак має час лише для двох або трьох. Тому він вирішив розробити новий підхід: створити агенти штучного інтелекту (ШІ), що моделюють його лабораторію, та доручити їм експерименти, на які у нього не вистачає часу.
Результатом цього стала швидка знахідка двох нових вакцин проти COVID-19, які виявилися більш ефективними для боротьби з останніми варіантами вірусу та краще захищають від оригінального штаму.
«На момент цього проекту не було відомих ефективних зв’язуючих молекул, які б приєднувалися до цільових вірусів», — зазначив Зу в інтерв’ю. «Це дуже складна проблема відкритого дослідження, але вона також є важливою з точки зору громадського здоров’я.»
Два кандидати для лікування SARS-CoV-2, вірусу, що викликає COVID-19, були обрані з 92 кандидатів, які були запропоновані агентами ШІ. Цих 92 було виділено з трильйонів варіантів і комбінацій, які агенти мали проаналізувати та оцінити.
Унікальність полягає в тому, що агенти ШІ використовували нанобodies замість більш поширених антитіл. Нанобodies — це маленькі, рідкісні аналоги антитіл, які зазвичай зустрічаються у тварин, як-от верблюди.
«Якби ми запитали більшість дослідників про проектування зв’язуючих молекул, багато хто з них, напевно, сказали б: “Давайте спробуємо спроектувати антитіла”, — додав Зу. «Нанобodies значно менш поширені … Тож це досить цікаве і, можливо, навіть несподіване рішення для віртуальної лабораторії агентів ШІ.»
Агенти пояснили своє рішення: нанобodies є меншими, їх легше моделювати комп’ютерно, і вони можуть бути більш стабільними. 92 створених нанobody були здатні зв’язуватись з новими штамами коронавірусу під час фізичних експериментів, тоді як антитіла, розроблені людьми, виявилися не ефективними.
«Ці нові нанobodies, створені віртуальною лабораторією, дійсно демонструють зв’язування, і ми також протестували їх проти інших штамів COVID, і вони також показали зв’язування», — зазначив Зу. «Я досить вражений отриманими результатами.»
Зу, доцент біомедичної науки даних у Стенфорді, сказав, що віртуальна лабораторія отримала «багато позитивних відгуків» від інших дослідників, які тепер використовують її для вирішення таких проблем, як пошук біомаркерів для хвороби Альцгеймера.
Варто зазначити, що віртуальна лабораторія є універсальною і може бути використана для вирішення завдань у різних галузях. Вона також є повністю відкритим програмним забезпеченням, відзначив Зу. Це означає, що її можна безкоштовно завантажувати, модифікувати та поширювати, якщо правильно надавати атрибуцію. Лабораторію можна знайти на GitHub.
Результати дослідження Зу викладені в статті, опублікованій в журналі Nature. Зу, який очолив дане дослідження, має в співавторах Джона Пака — науковця з Chan Zuckerberg Biohub — і Кайла Свенсона, випускника факультету комп’ютерних наук Стенфорду.
Використання ШІ набирає обертів у сфері охорони здоров’я, зокрема в області відкриття лікарських засобів.
У січні генеральний директор Google DeepMind Деміс Хасабіс висловив упевненість, що до кінця року ми побачимо лікарські засоби, розроблені за допомогою ШІ, на клінічних випробуваннях.
Науковці ШІ та реальні експерименти
Віртуальна лабораторія, створена на основі GPT-4o від OpenAI, має двох головних агентів ШІ: головного дослідника (ГД) та наукового критика (НК). ГД створює інших агентів ШІ та керує ними, тоді як НК аналізує рішення агентів та спонукає їх до покращення. Людський дослідник контролює проект на загальному рівні.
У експерименті ГД створив команду з таких агентів: імунолог, обчислювальний біолог і спеціаліст із машинного навчання. Всі агенти співпрацювали на зустрічах, як командних, так і індивідуальних.
Під час командної зустрічі агент ГД визначає порядок денний — наприклад, чи проектувати нанobodies чи антитіла. Він пропонує первинні думки і ставить більш конкретні питання, на які агенти повинні відповісти. Кожен агент вносить свій вклад у обговорення на основі своєї спеціалізації. НК вказує на недоліки, ставить запитання та пропонує покращення.
Лабораторія також проводила п’ять паралельних зустрічей з таким же порядком денним для отримання більш надійних відповідей агентів, зауважив Зу. Агент ГД підсумовує зустрічі, робить висновки та приймає рішення або визначає наступні кроки. Він надає підсумок для оцінки людським дослідником.
Також проводяться індивідуальні зустрічі, коли є конкретне завдання, яке підходить одному з агентів. Цей агент отримує індивідуальні інструкції.
Вся ця робота була виконана за кілька днів.
«Якщо ми хочемо впровадити і розробити ці процеси самостійно, це може зайняти кілька місяців», — підкреслив Зу.
Людський дослідник надав лише 1% роботи, а решту виконали агенти. З 122,462 слів, написаних у проекті, людський дослідник вніс 1,596.
Щоб зменшити помилки, науковий критик оспорював висновки інших агентів. Команда також проводила кілька зустрічей паралельно і формувала відповіді для кращого консенсусу. «Консенсус більш надійний і менш сприйнятливий до помилок», — зазначив Зу.
Зу розглядає цю платформу як інструмент для співпраці, а не як заміну для людських науковців.
«Співпраця між ШІ та людьми, звісно, є набагато ефективнішою, ніж самостійна робота людей або ШІ», — сказав Зу. «У медицині та лікуванні хвороб проблем для розв’язання не бракує.»
Читати далі:
Білий дім повідомляє про 60 компаній, які готові створити цифрову екосистему охорони здоров’я.
Ambience Healthcare здобула статус унікорна із залученням 243 мільйонів доларів фінансування.
Білий дім і технічні компанії співпрацюють у сфері обміну даними охорони здоров’я.
