新火種
2023-11-01 
“AI先驅(qū)”DaphneKoller認(rèn)為生成式AI將引領(lǐng)癌癥突破
劃重點(diǎn):
- AI與生物學(xué)融合，數(shù)字生物學(xué)將在人類健康領(lǐng)域產(chǎn)生巨大影響。
- Daphne Koller表示，生成式AI能將成為癌癥研究的重要工具。
- 借助生成式AI，可以分析數(shù)千份組織圖像，發(fā)現(xiàn)潛在的癌癥藥物靶點(diǎn)。
站長之家10月26日 消息:AI先驅(qū)Daphne Koller在一次由斯坦福大學(xué)人類中心人工智能研究所主持的全天工作坊上發(fā)表講話，她認(rèn)為生成式AI將成為癌癥研究的重要工具。Koller是生命科學(xué)人工智能公司Insitro的聯(lián)合創(chuàng)始人兼首席執(zhí)行官，她表示，AI正在與生物學(xué)融合，這一結(jié)果被稱為數(shù)字生物學(xué)，將在人類健康領(lǐng)域產(chǎn)生巨大影響。
圖源備注：圖片由AI生成，圖片授權(quán)服務(wù)商Midjourney
在她的演講中，Koller介紹了一種利用生成式AI來分析癌癥組織圖像的兩步過程。首先，Insitro的機(jī)器學(xué)習(xí)AI技術(shù)能夠分析來自活檢的癌癥組織的組織學(xué)圖像。Koller指出，通常情況下，人類病理學(xué)家會將這些數(shù)十億像素的圖像簡化為三個數(shù)字，但實(shí)際上這些圖像中包含了更多未被利用的信息。通過使用機(jī)器學(xué)習(xí)，計(jì)算機(jī)可以真正學(xué)習(xí)組織學(xué)的語言，從而使機(jī)器能夠以90%至95%的準(zhǔn)確率預(yù)測患有癌癥的患者的遺傳變化。
然而，為了找到藥物靶點(diǎn)，需要更多的組織樣本，而實(shí)際上收集到的樣本往往很有限，只有幾十個。為了解決這個問題，Insitro團(tuán)隊(duì)使用生成AI來創(chuàng)建組織圖像的“深度偽造”。
Koller解釋說，他們生成的不是電影明星的圖像，而是病理學(xué)幻燈片的圖像。通過將組織樣本從數(shù)百個增加到數(shù)千個，研究人員可以使用斯坦福大學(xué)開發(fā)的特殊工具進(jìn)行分析，這個工具稱為“ATAC-seq”測定。團(tuán)隊(duì)成功從400個癌癥組織圖像樣本擴(kuò)展到了近10萬個。這一規(guī)模開始使得可以提出在樣本較少的情況下無法回答的問題。
生成AI被用于創(chuàng)建組織圖像的“深度偽造”，從而擴(kuò)大了可以使用基因測定進(jìn)行挖掘的樣本規(guī)模。通過分析數(shù)千個深度偽造的三陰性乳腺癌圖像，技術(shù)揭示了以前未知的可能成為藥物靶點(diǎn)的遺傳變化。Koller表示，一些這些靶點(diǎn)在三陰性乳腺癌中是新穎的，但它們已被涉及到其他癌癥中。這給人們信心，這些變化在癌癥中發(fā)揮了因果作用，可能成為有趣的新藥物靶點(diǎn)。
Koller將生成AI在生物學(xué)中的應(yīng)用描述為處理人類大腦永遠(yuǎn)無法理解的復(fù)雜程度。為了解決這個領(lǐng)域的問題，我們需要首先以前所未有的保真度和規(guī)模收集大量數(shù)據(jù)，不同生物層次的數(shù)據(jù)，然后讓機(jī)器做它們比人類做得更好的事情，即理解這些數(shù)據(jù)中的微妙模式，幫助我們重新定義人類疾病的多樣性和復(fù)雜性，并找出可能在臨床上起作用的干預(yù)點(diǎn)。
Koller認(rèn)為，數(shù)字生物學(xué)將在人類健康以及環(huán)境、能源、生物材料和可持續(xù)農(nóng)業(yè)等多個領(lǐng)域產(chǎn)生巨大影響，這也是為什么她認(rèn)為這是一個非常令人興奮的領(lǐng)域。
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點(diǎn)僅代表作者個人看法，不代表新火種的觀點(diǎn)。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對本文可能提及或鏈接的任何項(xiàng)目不表示認(rèn)可。 交易和投資涉及高風(fēng)險(xiǎn)，讀者在采取與本文內(nèi)容相關(guān)的任何行動之前，請務(wù)必進(jìn)行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨(dú)立判斷。新火種不對因依賴本文觀點(diǎn)而產(chǎn)生的任何金錢損失負(fù)任何責(zé)任。
