Att se livet i ögonen: Deep learning och AI:s inverkan på life science-branschen

Om du har läst Douglas Adams ”Liftarens guide till galaxen” när du växte upp kommer du säkert ihåg Deep Thought – den superintelligenta datorn som konstruerades för att komma fram till ”Svaret på den ultimata frågan om livet, universum och allt”. Även om intelligenta maskiner en gång i tiden kanske bara förekom i science fiction, utgör de idag en allestädes närvarande verklighet i det^21:a århundradet. Algoritmer för djupinlärning har möjliggjort framväxten av självlärande maskiner som omdefinierar branschstandarder – den globala marknaden för AI beräknas vara värd mer än 16 miljoner dollar år 2022.

Under lång tid har protokoll och efterlevnadsnormer, såsom FDA:s föreskrifter, begränsat införandet av mobil- och molnlösningar inom life science- och hälso- och sjukvårdssektorn. Men den ökande spridningen av uppkopplade enheter och AI-teknik har gjort det nödvändigt att införa nya och omarbeta befintliga lagstiftningar.

Den allmänna dataskyddsförordningen (GDPR) är en sådan lagstiftning som införts av Europeiska unionen och som sammanför flera dataskyddslagar i regionen. Därför måste utvecklare och tillverkare införa en företagsomfattande mobilstrategi som inkluderar standardiserade datagranskningar. Detta blir ännu viktigare inom sektorer som biovetenskap och hälso- och sjukvård, där enorma mängder patient- och vetenskapliga data genereras och samlas in.

Banbrytande upptäckter har redan gjorts där maskininlärning har använts för att åstadkomma långtgående effekter på människors hälsa och välbefinnande. MIT Lincoln Laboratory Supercomputing Center har utvecklat en metod för att utnyttja maskininlärning för att söka igenom stora mängder patientdata, i syfte att ta fram mer personanpassade och målinriktade behandlingar och botemedel. I ett specifikt fall analyserade forskare vid centret data som samlats in under en tioårsperiod från en intensivvårdsavdelning (IVA) för att ta fram praktiskt användbara insikter, på en tid som var exponentiellt kortare än vad traditionella analyssystem skulle ha behövt.

Att bygga upp en sammanhängande datastruktur genom att konsolidera system med hjälp av djupinlärning är centralt för utvecklingen av teknik inom livsvetenskaperna. CAx, eller datorstödd automatisering, formar och förstärker den digitala ingenjörskonsten för att ta fram funktionella modeller, prototyper och enheter. Forskare vid Johns Hopkins Universitys Institute of Computational Medicine har utvecklat en modell av det mänskliga hjärtat med hjälp av högpresterande databehandling (HPC). Modellen återger exakt olika nivåer av hjärtats funktion, ända ner till cell- och molekylnivå. Den ger en oöverträffad förståelse för olika sjukdomsrelaterade funktionsstörningar som det mänskliga hjärtat kan drabbas av. Med stöd av denna modell kan forskare utforma bättre och effektivare sätt att få insikter om och behandla tillstånd som arytmi.

Med införandet av AI-chips kommer skapandet av konvergerande övervakningssystem inom hälso- och sjukvård och livsvetenskap att bli verklighet. Detta positionerar AI som^2000- talets mästerverk.

Redan från den tid då Watson och Crick upptäckte DNA-strängens dubbelspiralstruktur har kartläggningen av det mänskliga genomet blivit en av de mest engagerande aktiviteterna inom livsvetenskapsområdet. Att nysta upp kartan över det mänskliga genomet var nyckeln till att öppna upp ett hittills outforskat område – nämligen att grundläggande förstå den mänskliga fysiologins funktioner och, i förlängningen, de störningar som orsakas av sjukdomar och andra medicinska tillstånd. Utvecklingen av AI-drivna djupa neurala nätverk (DNN) har underlättat detta avsevärt.DNN har redan lett till utvecklingen av biomarkörer, vilka kan användas för att bedöma arten och omfattningen av terapeutiska ingrepp inom forskningen om mänskligt åldrande.

Ett kanadensiskt företag har arbetat med att bakåtkonstruera den genetiska koden för att överbrygga det så kallade ”genotyp-fenotyp”-gapet – osäkerheten kring genetiska modifieringar. Varje genom innehåller cirka sex miljoner bokstäver eller koder, och om man beaktar antalet människor på jorden motsvarar detta en astronomisk datamängd. Dessutom tillåter biologin inte oändliga och slumpmässiga tester. AI och djupinlärning framstår därför som de mest lämpliga verktygen för att uppnå en sådan nivå av genteknik.

När bakåtkonstruktionen väl är genomförd kommer den att bidra till att fullständigt förändra precisionsmedicin, genetisk testning, diagnostik och utvecklingen av behandlingar. Och då kanske vi till och med har ”svaret på den ultimata frågan om livet, universum och allt”.