Den voksende synergi mellem AI og neurovidenskab i afkodning af den menneskelige hjerne

Kunstig intelligens (AI) har for nylig været samtaleemnet i byen, med chatbots som OpenAI’s ChatGPT, Googles Bard og Elon Musks Grok, der har fået stor opmærksomhed. AI er dog ikke så ny som disse chatbots; interessen for AI opstod derimod for årtier siden i 1950, da videnskabsmanden Alan Turing foreslog en test af maskinintelligens kaldet Imitationsspillet i sin artikel “Computer Machinery and Intelligence”.

“Kan maskiner tænke?” spørger Turing i sin artikel og tilbyder en “Turing-test”, hvor en menneskelig efterforsker skal forsøge at skelne mellem en computers og et menneskes tekstsvar.

Siden da har fremskridt inden for teknologi ført til mere sofistikerede AI-systemer, som er blevet brugt på tværs af forskellige områder, herunder sundhedspleje samt forståelse og behandling af det mest komplekse menneskelige organ, hjernen.

Klik her for at lære alt om AI-hjernechips.

Fremskridt inden for AI og neurovidenskab

Generelt set resonnerer AI-systemer, lærer og udfører opgaver, der almindeligvis er forbundet med menneskelige kognitive funktioner, såsom at identificere mønstre og fortolke tale ved at behandle enorme mængder data.

AI er i bund og grund et sæt af teknologier, der gør det muligt for computere at udføre en række avancerede funktioner. Som rygraden i innovation inden for moderne computing omfatter AI forskellige discipliner, herunder:

• Dataanalyse
• Hardware- og softwareudvikling
• Lingvistik
• Neurovidenskab
• Psykologi

Disse AI-modeller, der simulerer kognitive processer og hjælper med komplekse kognitive opgaver såsom sprogoversættelse og billedgenkendelse, er baseret på biologiske neurale netværk, som er komplekse systemer af forbundne neuroner og hjælper med at ‘træne’ maskiner til at forstå tale, billeder og mønstre.

Den indviklede og intelligente menneskelige hjerne har udgjort en udfordring for forskere, der ønsker at låse op for muligheder for menneskelig forstærkning. Selvom AI er blevet udnyttet til at skabe ting som Apples Siri, Amazons Alexa og IBMs Watson, vil den virkelig transformerende indvirkning kun blive opnået, når kunstige neurale netværk forstærkes af menneskelig indfødt intelligens, et resultat af århundreders overlevelse.

Selvom computere stadig ikke kan matche den fulde fleksibilitet hos mennesker, er der programmer, der formår at udføre specifikke opgaver, og omfanget af AI’s anvendelser udvides dagligt. Denne teknologiske fremgang, kombineret med videnskabelige fremskridt, har især ført til brug af AI i medicinsk diagnose og behandling.

Ved at analysere store mængder patientdata fra flere kilder for at hjælpe sundhedsudbydere, hjælper AI med at få et komplet billede af en patients helbred for en mere præcis forudsigelse og træffe mere informerede beslutninger om patientpleje. Dette hjælper yderligere med at opdage potentielle sundhedsproblemer tidligere, før de bliver potentielt livstruende. Desuden kan sundhedsudbydere ved at bruge AI automatisere rutineopgaver, så de kan fokusere på mere kompleks patientpleje.

Klik her for at lære, hvordan forskellige teknologier muliggør det næste niveau af menneskelig evolution. 

AI’s rolle i bedre forståelse af den menneskelige hjerne

Banebrydende forskning inden for neurovidenskab har ført til udviklingen af avancerede hjerneafbildningsteknikker, herunder:

• Elektroencefalografi (EEG)
• Funktionel magnetisk resonansafbildning (fMRI)

Samtidig, efterhånden som AI-algoritmer, især inden for maskinlæring og dyb læring, er blevet mere sofistikerede, har dette resulteret i en krydsning af begge felter. En sådan synkronisering gør det muligt for forskere at analysere og forstå hjerne-data i en hidtil uset skala.

Krydset mellem AI og neurovidenskab, feltet der fokuserer på nervesystemet og hjernen, er særligt tydeligt inden for dataanalyse. I dag giver AI forskere og videnskabsfolk mulighed for at kortlægge hjerneområder med hidtil uset præcision. Dette er gjort muligt af de teknologiske fremskridt inden for AI, som tillader klassificering af indviklede mønstre i hjerne-data og derefter at skabe korrelationer. Dette samarbejde har også banet vejen for forskere til bedre at forstå neurale veje.

Med AI’s hjælp kan medicinsk diagnostik forbedres ved at øge forudsigelsesnøjagtigheden, hastigheden og effektiviteten i diagnosticeringsprocessen. AI-drevne hjernebilledstudier har fundet subtile ændringer i hjerne strukturer, som viser sig før de kliniske symptomer bliver kendt, hvilket har enormt potentiale for tidlig opdagelse og indgriben og potentielt kan revolutionere vores tilgang til neurodegenerative lidelser.

For eksempel udnyttede forskere i slutningen af sidste måned AI til at analysere specialiserede hjerne-MRI-scanninger af personer med attention-deficit/hyperactivity disorder (ADHD). ADHD er en almindelig lidelse, med anslået 5,7 millioner børn og unge i alderen 6 til 17 år diagnosticeret i USA.

Lidelsen, som i stigende grad bliver mere udbredt på grund af den massive udbredelse af smartphones, kan have en enorm indvirkning på patientens livskvalitet, da børn med ADHD ofte har problemer med at holde opmærksomheden og regulere aktivitet. Her er tidlig diagnose og indgriben afgørende for at håndtere den, men ADHD, som medforfatter af undersøgelsen Justin Huynh sagde:

“Det er ekstremt svært at diagnosticere.”

Undersøgelsen brugte værdier for fraktionel anisotropi (FA) som input til at træne en dyb lærings AI-model til at diagnosticere ADHD “i en kvantitativ, objektiv diagnostisk ramme”.

Som vi har set, ved at tilføre enorme mængder datasæt relateret til hjerne-scanninger og patienthistorik, kan algoritmer skelne subtile markører, som måske ikke er mulige for mennesker. Dette øger igen diagnosticeringsnøjagtigheden, hvilket resulterer i tidligere indgreb og bedre patientresultater.

At studere ny hjerneafbildningsteknologi for at forstå hemmelighederne i hjernevidenskaben og derefter forbinde den med AI for at simulere hjernen er også en måde at lukke kløften mellem AI og menneskelig intelligens. Allerede er der sket mange fremskridt inden for hjerne-computer-grænseflader (BCI) fra virksomheder som Neuralink. BCI forbinder hjernen direkte til eksterne enheder, så handicappede kan styre proteser og interagere med verden blot ved tanke, hvilket viser deres potentiale for mange videnskabelige og praktiske anvendelser.

Denne sammensmeltning af menneskelig intelligens og AI kan i sidste ende skabe ‘supermennesker’, men kræver beregningsmodeller, der integrerer visuel og naturlig sprogbehandling, ligesom den menneskelige hjerne gør, for omfattende kommunikation. I denne sammenhæng kan virtuelle assistenter håndtere både simple og komplekse opgaver, men maskiner skal lære at forstå rigere kontekster for menneskelignende kommunikationsevner.

AI’s voksende rolle i behandling af den menneskelige hjerne

Inden for sundhedspleje omfatter diagnostik at evaluere medicinske tilstande eller sygdomme ved at analysere symptomer, medicinsk historie og testresultater. Målet er at anvende tests såsom billeddiagnostik, blodprøver osv. for at bestemme årsagen til et medicinsk problem og stille en præcis diagnose for at levere effektiv behandling. Derudover kan diagnostik bruges til at overvåge en tilstands udvikling og vurdere behandlingens effektivitet.

Potentialet for AI i behandling er ret overbevisende. Kunstig intelligens kan levere en analyse af en persons hjernekarakteristika samt deres medicinske historie, genetik, livsstilsdata og andre faktorer, hvorefter den kan tilbyde personlig medicin. På denne måde lover AI skræddersyede behandlingsplaner, der tager højde for hver patients hjernes unikke kompleksitet.

Ved at identificere unikke, upartiske mønstre i data kan AI potentielt også opdage nye biomarkører eller interventionsmetoder. AI-baserede systemer er hurtigere og mere effektive end manuelle processer og reducerer markant menneskelige fejl.

Et team af forskere har for nylig brugt AI til at forudsige den optimale metode til syntese af lægemiddelmolekyler. Denne metode, ifølge papirens hovedforfatter David Nippa, har potentiale til at reducere antallet af nødvendige laboratorieeksperimenter “betydeligt”, og som følge heraf “øge både effektiviteten og bæredygtigheden af kemisk syntese”.

AI-modellen blev trænet på data fra pålidelige videnskabelige værker og eksperimenter fra et automatiseret laboratorium og kan med succes forudsige positionen af borylering for enhver molekyle samt give de optimale betingelser for den kemiske transformation. Den bruges allerede til at identificere positioner i eksisterende aktive ingredienser, hvor yderligere aktive grupper kan introduceres, og denne model vil hjælpe med at udvikle nye og mere effektive varianter af kendte lægemiddelingredienser hurtigere.

Top farmaceutiske virksomheder, der arbejder på at integrere AI

Lad os nu se på nogle af de børsnoterede virksomheder i den medicinske sektor, der gør brug af teknologien.

1. Novartis (NVS) 

Denne farmaceutiske gigant har investeret i AI til biomedicinsk dataanalyse samt lægemiddelforskning og -udvikling. Med en markedsværdi på 223,48 mia. USD handles Novartis-aktier i øjeblikket til 98,27 USD, op 8,17 % i år. Virksomhedens omsætning for de seneste tolv måneder (TTM) har været 47,88 mia. USD, mens EPS (TTM) er 3,59, P/E (TTM) 27,30 og ROE (TTM) 14,94 %. Samtidig har udbytteafkastet været 3,57 %.

Virksomheden har integreret AI på tværs af sine operationer, herunder analyse af enorme datasæt, der dækker offentlige sundhedsregistre, receptdata, interne data og medicinske forsikringskrav for at identificere potentielle forsøgsdeltagere og optimere designet af kliniske forsøg. Ifølge Novartis har brugen af AI-værktøjet gjort indskrivning af patienter i forsøg hurtigere, billigere og mere effektivt.

2. Pfizer (PFE)

Dette forskningsbaserede biofarmaceutiske selskab har en markedsværdi på 163,238 mia. USD, og dets aktier handles i øjeblikket til 28,97 USD, ned 43,58 % i år. Virksomhedens omsætning for de seneste tolv måneder (TTM) har været 68,53 mia. USD, mens EPS (TTM) er 1,82, P/E (TTM) 15,88 og ROE (TTM) 11,05 %. Samtidig har udbytteafkastet været 5,67 %.

Pfizer (PFE ) har vist stor interesse for at udnytte AI til at forbedre deres lægemiddelforskningsindsats. Virksomheden har indgået partnerskaber med mange AI-virksomheder, såsom CytoReason, Tempus, Gero og Truveta. Samtidig har Pfizer, for at forbedre sine onkologiske kliniske forsøg, indgået en datadelingsaftale med onkologi-AI-virksomheden Vysioneer, som også har en FDA-godkendt AI-drevet auto-konturering af hjernetumorer kaldet VBrain.

Ud over at oprette et ML-forskningshub for at skabe nye forudsigelsesmodeller og værktøjer, har Pfizer også indgået et partnerskab med en af de største cloud-udbydere, Amazon Web Services, for at bruge cloud computing i lægemiddelforskning og -produktion. Dette partnerskab har været særligt værdifuldt “under COVID-19-pandemien… i forskellige aspekter af vaccineudviklingen, fra produktion til kliniske forsøg”.

3. AstraZeneca (AZN)

Dette biofarmaceutiske selskab har en markedsværdi på 200,8 mia. USD, og dets aktier handles i øjeblikket til 64,86 USD, ned 4,44 % i år. Virksomhedens omsætning for de seneste tolv måneder (TTM) har været næsten 45 mia. USD, mens EPS (TTM) er 1,89, P/E (TTM) 34,29 og ROE (TTM) 16,30 %. Samtidig har udbytteafkastet været 2,22 %.

Den anglo-svenske lægemiddelproducent har investeret i AI for at analysere komplekse biologiske data til lægemiddelforskning og har samarbejdet med AI-virksomheder for at styrke deres forskningskapaciteter. For nylig indgik AstraZeneca (AZN ) en aftale på op til 247 mio. USD med AI-baseret biologi-lægemiddelforskningsfirma Absci for at designe en antistof til bekæmpelse af kræft. Biologikfirmaet bruger generativ AI til at opnå optimale lægemiddelkandidater baseret på egenskaber som affinitet, fremstillingsmulighed og sikkerhed, blandt andre.

I sidste måned oprettede AstraZeneca en sundhedsteknologisk enhed kaldet Evinova for at accelerere innovation og bringe AI ind i kliniske forsøg. Virksomheden har også opnået tidlig adgang til AI-drevne ‘digitale tvillinger’ og indgået en AI-drevet lægemiddelforskningsaftale med Verge Genomics gennem sin division for sjældne sygdomme, Alexion.

4. BenevolentAI SA (BAI.AS)

Dette AI-aktiverede lægemiddelforsknings- og udviklingsselskab har en markedsværdi på 86,45 mia. USD, og dets aktier handles i øjeblikket til 0,545 USD, ned 84,43 % i år. Virksomhedens EPS (TTM) er 0,75, og P/E (TTM) er 0,72.

BenevolentAI er et klinisk fase-selskab, der har til formål at behandle atopisk dermatitis samt potentielle behandlinger for kroniske sygdomme og kræft. Det bruger forudsigende AI-algoritmer til at analysere og udtrække nødvendige indsigter fra tilgængelige data og videnskabelig litteratur. I maj i år, som en del af en strategisk plan for at positionere sig til en ny æra inden for AI, delte virksomheden, at den ville reducere udgifter og frigøre likviditet for at øge sin finansielle fleksibilitet.

Virksomheden har etableret partnerskaber med andre store farmaceutiske selskaber som GSK og Novartis, mens samarbejdet med AstraZeneca er rettet mod at udvikle lægemidler til fibrose og kronisk nyresygdom. For et par måneder siden indgik BenevolentAI også et partnerskab med Merck KGaA (MRK.DE ) for at udnytte deres ekspertise inden for onkologi og neuroinflammation og støtte selskabets AI-drevne lægemiddelforskningsplaner ved at fokusere på at finde levedygtige småmolekylekandidater.

Afsluttende tanker

Som vi har set, har AI et enormt potentiale til at forbedre diagnosen og behandlingen af hjernesygdomme. Det kan endda hjælpe med at forudsige hjerneforstyrrelser baseret på små afvigelser fra normal hjerneaktivitet, hvilket fører til bedre patientresultater og et mere effektivt og virkningsfuldt sundhedssystem. Det skal dog bemærkes, at dette krydsfelt mellem AI og den menneskelige hjerne ikke er uden etiske bekymringer og derfor kræver strenge privatlivsbeskyttelsesforanstaltninger.