Revoluce ve výzkumu léků: Dvě AI systémy analyzují stovky studií za minuty a navrhují nové léčebné postupy
InovaceVědci nedávno představili dva nové systémy umělé inteligence, které mají zásadně pomoci s vývojem a testováním vědeckých hypotéz.
Vědci nedávno představili dva nové systémy umělé inteligence, které mají zásadně pomoci s vývojem a testováním vědeckých hypotéz. Tyto nástroje, Google Co-Scientist a Robin od neziskové organizace FutureHouse, jsou navrženy tak, aby usnadnily hledání souvislostí v obrovském množství biologických dat a urychlily proces objevování nových léčebných metod, zejména v oblasti repurposingu léků.
Oba systémy fungují na principu takzvaných „agentních“ nástrojů, které na pozadí využívají různé specializované moduly. Jejich hlavním cílem není nahradit vědce, ale spíše jim pomoci s úkoly, ve kterých umělá inteligence vyniká – zpracováním masivního objemu informací, se kterým by se lidé potýkali jen s velkými obtížemi. S explozí online publikací a počtu vědeckých časopisů je pro každého výzkumníka stále těžší udržet si přehled ve svém oboru, natož nacházet relevantní materiály v jiných disciplínách. Systémy AI dokáží tyto „nízko visící plody“ – tedy nečekané souvislosti mezi zdánlivě nesouvisejícími oblastmi – identifikovat mnohem efektivněji.
Google Co-Scientist, založený na velkém jazykovém modelu Gemini, pracuje v režimu „vědec ve smyčce“, což znamená, že vědci pravidelně usměrňují jeho činnost. Systém interpretuje výzkumné cíle, prohledává literaturu, formuluje hypotézy a následně je vyhodnocuje. Klíčová kritéria zahrnují věrohodnost, novost, testovatelnost a bezpečnost. Při hledání potenciálních léků na akutní myeloidní leukémii systém identifikoval některé účinné látky, které působily na podskupiny leukemických buněk. Důležité je, že přístup k vědecké literatuře zabránil „halucinacím“ – tedy generování zdánlivě nových, ale nevěrohodných hypotéz.
Systém Robin od FutureHouse jde ještě o krok dál. Kromě generování hypotéz dokáže vyhodnocovat biologická data z některých specifických experimentů. Robin využívá specializované nástroje pro vyhledávání literatury, jako je Crow pro stručné shrnutí článků a Falcon pro hluboký přehled informací. Robin dokáže analyzovat 551 vědeckých prací za pouhých 30 minut, což by člověku trvalo odhadem 540 hodin. Systém byl úspěšně nasazen k navržení hypotéz o mechanismech makulární degenerace a identifikoval lék, který by mohl zvýšit schopnost sítnicových buněk odstraňovat buněčný odpad, což by mohlo poskytnout ochranu proti onemocnění. Robin také obsahuje nástroj Finch, který automatizuje vyhodnocování dat ze standardních biologických screeningových testů, jako je průtoková cytometrie a RNA-seq.
Tyto úspěchy představují významný krok, i když se zatím týkají spíše raných fází vývoje léků. Umělá inteligence zatím nenavrhuje zcela nové molekuly a většina léků selhává v pozdějších fázích klinických studií. Nicméně, repurposing stávajících léků má obrovskou hodnotu, protože u těchto molekul již existují bezpečnostní profily a schválení. Problém informačního přetížení je v mnoha vědeckých oborech velmi reálný a tyto systémy mají potenciál pomoci vědcům efektivněji propojovat informace a urychlovat tak vědecký pokrok.