OpenScientist néven új, nyílt forráskódú mesterséges intelligencia kutatórendszert mutattak be a Nature Medicine folyóiratban. A technológia tudományos szakirodalmat kereshet, orvosbiológiai adatokat elemezhet, kutatási feltevéseket vizsgálhat és ellenőrizhető eredményeket állíthat elő. Öt szakértők által értékelt kutatási feladatban olyan elemzéseket végzett el percek alatt, amelyek a kutatók becslése szerint hagyományos módszerekkel akár hónapokig is tarthattak volna.
A Nature Medicine november 16-án közölte az OpenScientist nevű mesterséges intelligencia rendszerrel kapcsolatos kutatást, amely új megközelítést kínál a klinikai és orvosbiológiai adatelemzés automatizálására. A fejlesztés célja, hogy a tudósok ne kizárólag egy-egy részfeladat elvégzéséhez használják a mesterséges intelligenciát, hanem összetett kutatási kérdések vizsgálatában is segítséget kapjanak. A rendszer egy kutató által meghatározott problémából indul ki, majd szakirodalmi információkat gyűjt, elemzési lépéseket hajt végre, és az eredmények alapján újabb vizsgálatokat javasolhat. A hangsúly az ellenőrizhetőségen van: a rendszernek nem elegendő meggyőző következtetést megfogalmaznia, annak adatokkal is alátámaszthatónak kell lennie.
Az OpenScientist több együttműködő mesterséges intelligencia ügynököt használ a kutatási folyamat különböző szakaszaihoz. A rendszer a megadott tudományos kérdést kisebb feladatokra bontja, kiválasztja a megfelelő elemzési módszereket, programkódot futtathat, majd értelmezi az eredményeket. Egy kutatásban például először megvizsgálhatja, milyen összefüggést keresnek a tudósok két biológiai jelenség között, ezt követően feldolgozhatja a rendelkezésre álló méréseket, végül összevetheti a kapott eredményeket a korábbi szakirodalommal. A fejlesztők szerint a rendszer legfontosabb tulajdonsága, hogy a kutatás egyes lépései visszakövethetők, így az emberi szakértők ellenőrizhetik a felhasznált adatokat és a következtetéseket.
A kutatók öt, szakértők által értékelt orvosbiológiai feladaton vizsgálták az OpenScientist képességeit. A rendszer többek között elemezte az Alzheimer-kór vérből mérhető biomarkereinek teljesítményét, valamint vérplazmában található fehérjék adatai alapján túlélési előrejelző modellt készített, amelyet egy korábban elrejtett értékelési adathalmazon is megvizsgáltak. Egy másik feladatban a tau-fehérjéhez kapcsolódó kóros folyamatok és a sejtek lebontó rendszerének működése között javasolt vizsgálható kapcsolatot. A mielóma multiplex nevű daganatos betegségnél szintén kutatási feltevéseket dolgozott ki. Ezek egy része külső adatokon is alátámasztást kapott, bár a véletlenszerű kontrollokkal végzett összehasonlítás gyengébb eredményeket mutatott.

Mennyivel gyorsabban találhatnak új összefüggéseket a tudósok, ha a mesterséges intelligencia már nemcsak összefoglalja a korábbi kutatásokat, hanem ellenőrizhető adatelemzéseket is képes önállóan végrehajtani?
A fejlesztés egyik legfontosabb alkalmazási területe az orvosbiológiai kutatások előkészítése és az összetett adathalmazok feldolgozása lehet. A modern egészségügyi vizsgálatokban hatalmas mennyiségű genetikai, fehérjealapú és klinikai információ keletkezik, amelyek összekapcsolása jelentős statisztikai és informatikai szakértelmet igényel. Az OpenScientist az ilyen elemzések egy részét automatizálhatja, ezáltal a kutatók több lehetséges összefüggést vizsgálhatnak meg ugyanannyi idő alatt. Fontos tulajdonsága az is, hogy megfelelő konfigurációban nyílt súlyú modellekkel, az internettől elkülönített környezetben is működtethető, ami érzékeny kutatási adatok kezelésénél különösen értékes lehet.
Az eredmények ugyanakkor nem jelentik azt, hogy a mesterséges intelligencia már emberi kutatók nélkül képes új gyógymódokat felfedezni. A bemutatott feladatok meghatározott adathalmazokra és szakértői értékelésekre épültek, a rendszer által felvetett biológiai összefüggéseket pedig további független kutatásokkal és szükség esetén laboratóriumi vizsgálatokkal kell megerősíteni. A percek alatt elvégzett elemzések és a hónapokra becsült hagyományos munkafolyamatok összehasonlítása sem tekinthető minden kutatási helyzetre érvényes gyorsulási mutatónak. Az OpenScientist jelenleg tudományos kutatást támogató eszköz, nem pedig jóváhagyott orvosi diagnosztikai vagy betegellátási rendszer.
A Nature Medicine tanulmánya mégis fontos változást jelez a mesterséges intelligencia tudományos alkalmazásában. A korábbi rendszerek elsősorban szövegek összefoglalásában, képek értelmezésében vagy meghatározott adatelemzési feladatok elvégzésében segítették a kutatókat. Az új fejlesztés ezzel szemben egy teljesebb kutatási folyamat több lépését kapcsolja össze, miközben az eredmények ellenőrizhetőségét is előtérbe helyezi. Ha az ilyen rendszerek a jövőben nagyobb, független vizsgálatokban is bizonyítják megbízhatóságukat, jelentősen felgyorsíthatják a betegségek biológiai hátterének feltárását és az új kezelési lehetőségek kutatását.
Olvasd el ezt is: Virtuális biotechnológiai céget építettek 37 ezer mesterséges intelligencia ügynökből
Források: Nature Medicine, UK Dementia Research Institute, Broad Institute
CS.SZ.


