Sztuczna inteligencja, która leczy? Jak model od Google DeepMind i Yale wskazał nowy kierunek w walce z rakiem

W zalewie generowanych przez AI obrazków, tekstów i filmów (tzw. AI Slop, czyli „generowanej brei danych”) łatwo zapomnieć, iż technologia ta ma potencjał sięgający znacznie dalej niż banalna rozrywka czy nieudolna automatyzacja. Udało mi się dotrzeć do interesującej pracy naukowej stanowiącej dowód, iż w tym zalewie informacyjnego śmiecia generowanego przez niezliczone instancje sztucznych inteligencji mogą trafić się prawdziwe perły z potencjałem na zmianę świata w tą dobrą stronę. O tym jest właśnie poniższa historia.

O czym mowa? O najnowszym projekcie badawczym realizowanym wspólnie przez ekipę Google odpowiedzialną za projekt Gemma oraz naukowców z Uniwersytetu Yale. Stworzony wspólnie przez te zespoły badaczy model sztucznej inteligencji wykonał pracę, z której wreszcie można być dumnym. I to chyba jest adekwatne słowo. Dokładniej rzecz biorąc opracowany model AI nie tylko przeanalizował złożone dane biologiczne, ale wygenerował całkowicie nową, badaną w laboratorium hipotezę, która może otworzyć drzwi do innowacyjnych, znacznie skuteczniejszych od znanych w tej chwili terapii nowotworowych.

Od razu zaznaczę: nikomu nie chcę dawać fałszywych nadziei, od publikacji pracy naukowej do klinicznych wdrożeń nowych metod leczenia nowotworów minie najprawdopodobniej sporo czasu, ale wygląda na to, iż AI wreszcie się do czegoś przydała. Tak naprawdę. To wydaje się krok w tym adekwatnym, najbardziej oczekiwanym przez zwykłych ludzi kierunku.

Poznajcie model C2S-Scale 27B – nazwa nie jest najważniejsza

Wokół sztucznej inteligencji narosło w ostatnich latach wiele kontrowersji. Z jednej strony zachwycamy się jej możliwościami, z drugiej – martwimy o zużycie energii, zalew dezinformacji i produkcję treści niskiej jakości.

Gdzieś w tle tej dyskusji dzieje się jednak cicha rewolucja, w której AI staje się nie konkurentem, a potężnym partnerem dla naukowców. Właśnie historia modelu C2S-Scale 27B, zbudowanego na bazie rodziny otwartych modeli Google’a o nazwie Gemma, to opowieść o tym, jak algorytm pomógł zajrzeć w głąb ludzkiej komórki i dostrzec to, co do tej pory umykało najpotężniejszym umysłom.

Niewidzialny wróg, czyli problem „zimnych guzów”

Jednym z największych wyzwań współczesnej onkologii jest fakt, iż wiele nowotworów potrafi skutecznie ukrywać się przed naszym układem odpornościowym. W uproszczeniu, komórki odpornościowe, które patrolują nasz organizm w poszukiwaniu zagrożeń, po prostu nie „widzą” guza. Takie nowotwory określa się mianem „zimnych”.

Immunoterapia, jedna z najnowocześniejszych metod leczenia raka, polega na „uczeniu” i stymulowaniu układu odpornościowego do walki z nowotworem. Aby była skuteczna, guz musi stać się „gorący” – czyli widoczny dla molekularnych strażników naszego organizmu.

Kluczowym procesem, który to umożliwia, jest tak zwana prezentacja antygenu. Komórki nowotworowe, podobnie jak inne komórki w naszym ciele, wystawiają na swojej powierzchni fragmenty białek (antygeny), które działają jak komórkowy dowód tożsamości. jeżeli układ odpornościowy rozpozna te antygeny jako obce lub nieprawidłowe, rozpoczyna atak. Niestety, wiele „zimnych guzów” celowo ogranicza ten proces, stając się niemal przezroczystymi dla mechanizmów obronnych. Celem naukowców było znalezienie czegoś, substancji, zjawiska, leku, który zmusiłby komórki ukrywających się guzów do ponownego pokazania swojego „dowodu tożsamości”.

Nauczyć AI języka biologii

Tu do gry weszła sztuczna inteligencja. Zespoły z Google DeepMind i Uniwersytetu Yale postanowiły wykorzystać do tego zadania specjalnie wytrenowany model językowy z rodziny Gemma, nazwany C2S-Scale (Cell2Sentence-Scale). Jak sama nazwa wskazuje, jego podstawą jest genialna w swojej prostocie koncepcja: przetłumaczenie złożonych danych o ekspresji genów w pojedynczej komórce na format przypominający zdanie, które model językowy jest w stanie zrozumieć.

Model został wytrenowany na zbiorze danych, zawierającym informacje z ponad 50 milionów pojedynczych komórek. Choć to wydaje się duża liczba, klasyczna diagnostyka nowotworów znana od dekad była w stanie wykryć dopiero zmiany obejmujące znacznie większą liczbę komórek. A wiadomo. Im wcześniej wykryjemy nowotwór (im mniej komórek jest nieprawidłowych), tym większe szanse na powrót do zdrowia).

Naukowcy postawili przed wspomnianym modelem niezwykle wyrafinowane zadanie. Nie chodziło o znalezienie jakiegokolwiek leku, który wzmacnia prezentację antygenu. AI miała znaleźć „warunkowy wzmacniacz” – substancję, która zadziała tylko w bardzo specyficznym środowisku, w którym obecne są już niewielkie, ale niewystarczające do walki z rakiem, ilości interferonu (kluczowego białka sygnalizacyjnego układu odpornościowego). Taki mechanizm ma ogromne znaczenie w warunkach klinicznych, gdzie celem jest wzmocnienie naturalnej odpowiedzi organizmu.

Cyfrowe sito i zaskakujące odkrycie

Naukowcy zaprojektowali dwuetapowy „wirtualny test przesiewowy”. Model AI symulował działanie ponad 4000 różnych leków w dwóch scenariuszach. Pierwszy zakładał kontekst immunologicznie pozytywny: próbki pobrane od pacjentów, w których istniała już interakcja między guzem a układem odpornościowym i obecny był niski poziom interferonu. Drugi scenariusz obejmował tzw. kontekst immunologicznie neutralny: dane z izolowanych linii komórkowych, bez otoczenia immunologicznego.

Zadaniem wytrenowanej AI było wytypowanie leków, które wzmocnią prezentację antygenu tylko w pierwszym scenariuszu, wszak chodziło o to, by nie dochodziło do rezultatów fałszywie pozytywnych.

Wyniki były fascynujące. Spośród wielu kandydatów, model wskazał na wyraźny „podział kontekstowy” dla leku o nazwie silmitasertib (CX-4945), inhibitora kinazy CK2 (enzymu biorącego udział w regulacji wielu szlaków sygnałowych w żywej komórce). Model przewidział, iż lek ten spowoduje silny wzrost prezentacji antygenu w środowisku bogatym immunologicznie, ale nie będzie miał prawie żadnego wpływu w warunkach neutralnych.

Co najważniejsze, była to hipoteza całkowicie nowa. W dotychczasowej literaturze naukowej nikt nie opisał, aby silmitasertib w ten sposób wpływał na komórki nowotworowe. To jest właśnie w tym najbardziej rewolucyjne: sztuczna inteligencja nie odtworzyła znanej wiedzy – wygenerowała nową, możliwą do zweryfikowania ścieżkę badawczą.

Z krzemu do probówki: hipoteza potwierdzona

Przewidywania modelu, choć obiecujące, musiały zostać oczywiście zweryfikowane w warunkach laboratoryjnych. Zespół z Yale przystąpił do eksperymentów na ludzkich modelach komórkowych raka neuroendokrynnego – co istotne, komórkach, których model AI nigdy wcześniej „nie widział” (ten materiał biologiczny nie stanowił „treningowej bazy wiedzy” modelu), co wykluczało możliwość „nauczenia się na pamięć”.

Wyniki badań laboratoryjnych w pełni potwierdziły przewidywania sztucznej inteligencji. Podanie komórkom samego leku silmitasertib nie miało wpływu na prezentację antygenu. Podanie niewielkiej dawki interferonu miało niewielki, umiarkowany efekt. Natomiast połączenie obu substancji wywołało wyraźne, synergiczne wzmocnienie prezentacji antygenu, czyniąc komórki nowotworowe znacznie bardziej „widocznymi” dla układu odpornościowego, co z klinicznego punktu widzenia byłoby pożądaną reakcją w kontekście leczenia.

Model AI nie tylko wskazał obiecujący lek, ale trafnie przewidział złożony, warunkowy mechanizm jego działania. To odkrycie otwiera potencjalnie nową drogę do tworzenia terapii skojarzonych, w których odpowiednio dobrane leki wspólnie wywołują znacznie silniejszy efekt przeciwnowotworowy.

Nowy rozdział w odkryciach naukowych

Historia C2S-Scale i silmitasertibu to coś więcej niż ciekawostka technologiczna. To dowód na to, iż sztuczna inteligencja może stać się dla naukowców narzędziem o niewyobrażalnym dotąd potencjale – rodzajem cyfrowego mikroskopu, który pozwala dostrzegać wzorce w chaosie danych biologicznych.

To przykład, jak można wykorzystać AI nie do zastępowania ludzkiej kreatywności, ale do jej wzmacniania i ukierunkowywania. Choć droga od tego odkrycia do realnej terapii dla pacjentów pozostało daleka i wymaga dalszych badań, ten sukces stanowi potężny, pozytywny sygnał. Pokazuje, iż w erze AI, największe odkrycia mogą czekać na nas na styku ludzkiej intuicji i krzemowej inteligencji. To bardzo pozytywne przesłanie na weekend. Jakoś teraz mnie już trochę mniej irytują te masowo generowane filmidła w social mediach…

Jeżeli ktokolwiek byłby zainteresowany lekturą wspomnianej pracy naukowej, to odsyłam do pobrania dokumentu pod tytułem: „Scaling Large Language Models for Next-Generation Single-Cell Analysis”.

Jeśli artykuł Sztuczna inteligencja, która leczy? Jak model od Google DeepMind i Yale wskazał nowy kierunek w walce z rakiem nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.