Kasvava tekoälyn ja neurotieteen synergia ihmisaivojen purkamisessa

Tekoäly (AI) on viime aikoina ollut puheenaihe, kun chatboteja kuten OpenAI:n ChatGPT, Googlen Bard ja Elon Muskin Grok on saanut paljon huomiota. Kuitenkin AI ei ole yhtä uutta kuin nämä chatbotit; kiinnostus AI:hin alkoi jo vuosikymmeniä sitten 1950-luvulla, kun tiedemies Alan Turing esitti koneälyn testin, Imitaatiopelejä, artikkelissaan “Computer Machinery and Intelligence”.

“Voivatko koneet ajatella?” kysyy Turing artikkelissaan, tarjoten “Turingin testin”, jossa ihmistutkija yrittää erottaa tietokoneen ja ihmisen tekstivastaukset.

Siitä lähtien teknologian edistysaskeleet ovat johtaneet yhä kehittyneempiin AI-järjestelmiin, joita on käytetty eri aloilla, mukaan lukien terveydenhuolto ja monimutkaisimman ihmisen elimen, aivojen, ymmärtäminen ja hoito.

Klikkaa tästä oppiaksesi kaiken AI-aivochippeistä.

Tekoälyn ja neurotieteen edistyminen

Laajasti ajateltuna AI-järjestelmät päättävät, oppivat ja suorittavat tehtäviä, jotka yleensä liitetään ihmisen kognitiivisiin toimintoihin, kuten mallien tunnistamiseen ja puheen tulkitsemiseen käsittelemällä valtavia määriä dataa.

AI on periaatteessa joukko teknologioita, jotka mahdollistavat tietokoneiden suorittaa monenlaisia kehittyneitä toimintoja. Modernin laskennan innovaation selkärankana AI kattaa eri tieteenaloja, mukaan lukien:

• Data-analytiikka
• Laitteisto- ja ohjelmistosuunnittelu
• Lingvistiikka
• Neurotiede
• Psykologia

Nämä AI-mallit, jotka simuloivat kognitiivisia prosesseja ja auttavat monimutkaisissa kognitiivisissa tehtävissä, kuten kielenkäännöksessä ja kuvantunnistuksessa, perustuvat biologisiin hermoverkkoihin, jotka ovat monimutkaisia toisiinsa kytkettyjen neuronien järjestelmiä ja auttavat “kouluttamaan” koneita ymmärtämään puhetta, kuvia ja malleja.

Monimutkainen ja älykäs ihmisaivot on esittänyt haasteen tutkijoille, jotka pyrkivät avaamaan mahdollisuuksia ihmisen augmentointiin. Kuitenkin, vaikka AI:ta on hyödynnetty luomaan esimerkiksi Applen Sirin, Amazonin Alexan ja IBM:n Watsonin kaltaisia sovelluksia, todellinen mullistava vaikutus saavutetaan vain, kun keinotekoiset hermoverkot täydentävät ihmisen synnynnäistä älykkyyttä, joka on seurausta vuosisatojen selviytymisestä.

Vaikka tietokoneet eivät vielä pysty vastaamaan ihmisen täydelliselle joustavuudelle, on olemassa ohjelmia, jotka pystyvät suorittamaan tiettyjä tehtäviä, ja AI:n sovellusalueiden laajuus laajenee päivittäin. Tämä teknologinen edistys, yhdessä tieteellisten läpimurtojen kanssa, on erityisesti johtanut AI:n hyödyntämiseen lääketieteellisessä diagnostiikassa ja hoidossa.

Analysoimalla suuria määriä potilastietoja useista lähteistä AI auttaa terveydenhuollon tarjoajia saamaan kokonaiskuvan potilaan terveydestä tarkempien ennusteiden ja paremman päätöksenteon vuoksi. Tämä auttaa myös havaitsemaan mahdolliset terveysongelmat aikaisemmin ennen kuin ne muuttuvat mahdollisesti henkeä uhkaaviksi. Lisäksi AI:n avulla terveydenhuollon ammattilaiset voivat automatisoida rutiinitehtäviä, jolloin he voivat keskittyä monimutkaisempiin potilashoitotehtäviin.

Klikkaa tästä oppiaksesi, miten erilaiset teknologiat mahdollistavat seuraavan tason ihmisen evoluutiossa. 

Tekoälyn rooli ihmisaivojen paremmassa ymmärtämisessä

Läpimurtoinen tutkimus neurotieteessä on johtanut kehittyneiden aivokuvantamistekniikoiden, kuten:

• Elektroenkefalografia (EEG)
• Toiminnallinen magneettikuvaus (fMRI)

Samanaikaisesti, kun AI-algoritmit, erityisesti koneoppimisessa ja syväoppimisessa, ovat kehittyneet, on syntynyt näiden kahden alan leikkauspiste. Tämä synkronointi mahdollistaa tutkijoille aivojen datan analysoinnin ja ymmärtämisen ennennäkemättömällä mittakaavalla.

AI:n ja neurotieteen, eli hermostoa ja aivoja koskevan alan, leikkauskohta on erityisen ilmeinen datan analysoinnissa. Tällä hetkellä AI antaa tutkijoille ja tiedemiehille mahdollisuuden kartoittaa aivoalueita ennennäkemättömällä tarkkuudella. Tämä on mahdollista AI:n teknologisten edistysten ansiosta, jotka mahdollistavat monimutkaisten aivojen datamallien luokittelun ja korrelaatioiden tekemisen. Tämä yhteistyö on myös avannut tien tutkijoille ymmärtää paremmin hermoratoja.

AI:n avulla lääketieteellistä diagnostiikkaa voidaan parantaa parantamalla ennusteen tarkkuutta, nopeutta ja tehokkuutta. AI-pohjaiset aivojen kuvatutkimukset ovat löytäneet hienovaraisia muutoksia aivojen rakenteissa, jotka ilmenevät ennen kuin niiden kliiniset oireet tulevat tunnetuiksi, mikä tarjoaa valtavan potentiaalin varhaiseen havaitsemiseen ja puuttumiseen, mahdollisesti mullistaen lähestymistapamme neurodegeneratiivisiin sairauksiin.

Esimerkiksi viime kuussa tutkijat hyödynsivät AI:ta analysoidakseen erikoistuneita aivojen MRI-kuvia ADHD:ta (Attention-Deficit/Hyperactivity Disorder) sairastavilla henkilöillä. ADHD on yleinen häiriö, jonka arvioidaan diagnosoituneen 5,7 miljoonalla lapsella ja nuorella iältään 6–17 Yhdysvalloissa.

Häiriö, joka yleistyy yhä enemmän älypuhelimien yleistymisen myötä, voi vaikuttaa merkittävästi potilaan elämänlaatuun, sillä ADHD-lapsilla on usein vaikeuksia keskittyä ja säädellä aktiivisuutta. Tässä varhainen diagnoosi ja puuttuminen ovat avainasemassa, mutta ADHD on, kuten tutkimuksen yhteiskirjoittaja Justin Huynh totesi:

“Se on äärimmäisen vaikea diagnosoida.”

Tutkimuksessa käytettiin fraktionaalisia anisotropia (FA) -arvoja syväoppimismallin kouluttamiseen ADHD:n diagnosointiin “kvantitatiivisessa, objektiivisessa diagnostisessa kehyksessä.” 

Kuten näimme, syöttämällä valtavia määriä aivojen kuvantamisdatan ja potilashistorian tietoa, algoritmit voivat erottaa hienovaraisia merkkejä, joita ihmiset eivät välttämättä havaitse. Tämä puolestaan lisää diagnostista tarkkuutta, johtaa aikaisempiin puuttumisiin ja parempiin potilastuloksiin. 

Uusien aivokuvantamistekniikoiden tutkiminen aivojen salaisuuksien ymmärtämiseksi ja niiden yhdistäminen AI:hin aivojen simuloinnissa on myös tapa kaventaa kuilua AI:n ja ihmisen älykkyyden välillä. Jo nyt on tapahtunut paljon edistystä aivo-tietokone -rajapinnoissa (BCI) yritysten kuten Neuralinkin kautta. BCI yhdistää aivot suoraan ulkoisiin laitteisiin, jolloin vammautuneet voivat hallita proteeseja ja olla vuorovaikutuksessa maailman kanssa pelkän ajatuksen avulla, mikä osoittaa niiden potentiaalin monissa tieteellisissä ja käytännön sovelluksissa.

Tämä ihmisen älykkyyden ja AI:n yhdistyminen voi lopulta luoda “superihmisiä”, mutta se vaatii laskentamalleja, jotka integroituvat visuaaliseen ja luonnollisen kielen prosessointiin, aivan kuten ihmisen aivot tekevät, jotta saavutetaan kokonaisvaltainen viestintä. Tässä kontekstissa virtuaaliavustajat voivat hoitaa sekä yksinkertaisia että monimutkaisia tehtäviä, mutta koneiden täytyy oppia ymmärtämään rikkaampia konteksteja ihmisen kaltaisten viestintätaitojen saavuttamiseksi.

Tekoälyn kasvava rooli ihmisaivojen hoitamisessa

Terveydenhuollossa diagnostiikka tarkoittaa lääketieteellisten tilojen tai sairauksien arviointia analysoimalla oireita, sairaushistoriaa ja testituloksia. Sen tavoitteena on hyödyntää testejä, kuten kuvantamistestejä, verikokeita jne., syyn selvittämiseksi ja tarkka diagnoosi tehokkaan hoidon tarjoamiseksi. Lisäksi diagnostiikkaa voidaan käyttää tilan edistymisen seuraamiseen ja hoidon tehokkuuden arviointiin.

AI:n potentiaali hoitamisessa on varsin houkutteleva. Tekoäly voi analysoida henkilön aivojen ominaisuuksia sekä hänen sairaushistoriaansa, geneettisiä tietoja, elämäntapadataa ja muita tekijöitä, joiden perusteella se voi tarjota räätälöityä lääketiedettä. Näin AI lupaa yksilöllisiä hoitosuunnitelmia, jotka ottavat huomioon kunkin potilaan aivojen ainutlaatuiset monimutkaisuudet. 

Tunnistamalla ainutlaatuisia, puolueettomia malleja datassa AI voi mahdollisesti myös löytää uusia biomarkkereita tai puuttumismenetelmiä. AI-pohjaiset järjestelmät ovat nopeampia ja tehokkaampia kuin manuaaliset prosessit ja vähentävät merkittävästi inhimillisiä virheitä.

Tutkijoiden tiimi äskettäin käytti tekoälyä ennustamaan optimaalisen menetelmän lääkemolekyylien synteesille. Tämä menetelmä, artikkelin pääkirjoittajan David Nippan mukaan, voi vähentää vaadittavien laboratoriokokeiden määrää “merkittävästi”, ja siten “lisätä sekä kemiallisessa synteesissä että sen kestävyydessä tehokkuutta”.

AI-malli koulutettiin luotettavien tieteellisten töiden ja automatisoidun laboratorion kokeiden dataan, ja se pystyy onnistuneesti ennustamaan borylaation sijainnin mille tahansa molekyylille sekä tarjoamaan optimaaliset olosuhteet kemialliselle muunnokselle. Jo sitä käytetään tunnistamaan olemassa olevien aktiivisten aineiden paikkoja, joihin voidaan lisätä uusia aktiivisia ryhmiä, ja tämä malli auttaa kehittämään uusia ja tehokkaampia versioita tunnetuista lääkkeiden aktiivisista aineista nopeammin.

Johtavat lääkeyhtiöt, jotka pyrkivät integroimaan tekoälyä

Katsotaanpa nyt joitakin julkisesti noteerattuja lääkeyhtiöitä, jotka hyödyntävät tätä teknologiaa.

1. Novartis (NVS) 

Tämä lääkeyritys on investoinut AI:hin biolääketieteellisen datan analysointiin sekä lääkekehitykseen. Markkina-arvo on 223,48 miljardia dollaria, Novartisin osakkeet käyvät tällä hetkellä 98,27 dollaria, nousussa 8,17 % tänä vuonna. Yrityksen liikevaihto viimeisen kahdentoista kuukauden (TTM) aikana on ollut 47,88 miljardia dollaria, EPS (TTM) 3,59, P/E (TTM) 27,30 ja ROE (TTM) 14,94 %. Osinkotuotto on 3,57 %.

Yritys on integroinut AI:n toimintoihinsa, mukaan lukien valtavien tietoaineistojen analysointi, jotka kattavat julkiset terveysrekisterit, reseptitiedot, sisäisen datan ja sairausvakuutuskorvaukset, tunnistaakseen potentiaaliset koehenkilöt ja optimoidakseen kliinisten kokeiden suunnittelun. AI-työkalun käyttö on nopeuttanut, halventanut ja tehnyt potilaiden rekrytoinnista kokeisiin tehokkaampaa, Novartisin mukaan.

2. Pfizer (PFE)

Tämä tutkimuspainotteinen biolääketieteellinen yritys omaa markkina-arvon 163,238 miljardia dollaria, ja sen osakkeet käyvät tällä hetkellä 28,97 dollaria, laskussa 43,58 % tänä vuonna. Yrityksen liikevaihto viimeisen kahdentoista kuukauden (TTM) aikana on ollut 68,53 miljardia dollaria, EPS (TTM) 1,82, P/E (TTM) 15,88 ja ROE (TTM) 11,05 %. Osinkotuotto on 5,67 %.

Pfizer on osoittanut suurta kiinnostusta AI:n hyödyntämiseen lääkekehityksessä. Yritys on tehnyt yhteistyötä monien AI-yritysten, kuten CytoReasonin, Tempusin, Geron ja Truvetan, kanssa. Lisäksi on parantanut syöpäkliinisiä kokeitaan tekemällä datajakosopimuksen syöpä-AI-yritys Vysioneerin kanssa, jolla on myös FDA:n hyväksymä AI-pohjainen aivokasvain automaattinen konturointiratkaisu nimeltä VBrain.

Lisäksi Pfizer on perustanut koneoppimisen tutkimuskeskuksen uusien ennustemallien ja -työkalujen luomiseksi, ja se on tehnyt yhteistyötä yhden suurimman pilvipalveluntarjoajan, Amazon Web Servicesin, kanssa AI:n hyödyntämiseksi lääketieteellisessä tutkimuksessa ja valmistuksessa. Tämä yhteistyö on ollut erityisen arvokasta “COVID-19-pandemian aikana… eri vaiheissa rokotteen kehittämisessä, valmistuksesta kliinisiin kokeisiin”.

3. AstraZeneca (AZN)

Tämä biolääketieteellinen yritys omaa markkina-arvon 200,8 miljardia dollaria, ja sen osakkeet käyvät tällä hetkellä 64,86 dollaria, laskussa 4,44 % tänä vuonna. Yrityksen liikevaihto viimeisen kahdentoista kuukauden (TTM) aikana on lähes 45 miljardia dollaria, EPS (TTM) 1,89, P/E (TTM) 34,29 ja ROE (TTM) 16,30 %. Osinkotuotto on 2,22 %.

Anglo‑ruotsalainen lääkkeiden valmistaja on investoinut AI:hin monimutkaisen biologisen datan analysointiin lääkekehityksessä ja on tehnyt yhteistyötä AI-yritysten kanssa tutkimuskykyjen parantamiseksi. Viime aikoina AstraZeneca on solminut sopimuksen, jonka arvo on enintään 247 miljoonaa dollaria, AI-pohjaisen biologisten lääkkeiden kehitysyrityksen Absci:n kanssa, jonka tarkoituksena on suunnitella syöpätautia vastaan taisteluun tarkoitettu vasta-aine. Biologinen yritys käyttää generatiivista AI:ta optimoidakseen lääkekandidaatteja ominaisuuksien, kuten affiniteetin, valmistettavuuden ja turvallisuuden, perusteella.

Viime kuussa AstraZeneca perusti terveys‑teknologia‑yksikön nimeltä Evinova nopeuttaakseen innovaatiota ja tuodakseen AI:n kliinisiin kokeisiin. Yritys on myös saanut varhaisen pääsyn AI‑ohjattuihin “digitaalisiiin kaksosiin” ja solminut AI‑pohjaisen lääkekehityssopimuksen Verge Genomicsin kanssa harvinaissairauksien divisioonansa kautta, Alexion.

4. BenevolentAI SA (BAI.AS)

Tämä AI‑pohjainen lääkekehitys- ja -tutkimusyritys omaa markkina-arvon 86,45 miljardia dollaria, ja sen osakkeet käyvät tällä hetkellä 0,545 dollaria, laskussa 84,43 % tänä vuonna. Yrityksen EPS (TTM) on 0,75, ja P/E (TTM) 0,72.

BenevolentAI on kliinisessä vaiheessa oleva yritys, jonka tavoitteena on hoitaa atooppista ekseemaa sekä mahdollisia hoitoja kroonisille sairauksille ja syövälle. Se käyttää ennustavia AI‑algoritmeja analysoidakseen ja poimiakseen tarvittavat oivallukset saatavilla olevasta datasta ja tieteellisestä kirjallisuudesta. Toukokuussa tänä vuonna, osana strategista suunnitelmaa, jonka tarkoituksena on asemoida itsensä uudelle AI‑kaudelle, yritys ilmoitti vähentävänsä kulutuksia ja vapauttavansa nettokassavirtaa lisätäkseen taloudellista joustavuuttaan.

Yrityksellä on vakiintunut yhteistyö suurten lääkeyhtiöiden, kuten GSK:n ja Novartisin, kanssa, kun taas sen yhteistyö AstraZenecan kanssa keskittyy fibrosiksen ja kroonisen munuaissairauden lääkkeiden kehittämiseen. Muutama kuukausi sitten BenevolentAI myös solmi kumppanuuden Merck KGaA:n kanssa hyödyntääkseen sen asiantuntemusta onkologiassa ja neuroinflamatiossa sekä tukeakseen yrityksen AI‑ohjattuja lääkekehityssuunnitelmia keskittymällä elinkelpoisten pienmolekyylikandidaattien löytämiseen.

Lopulliset ajatukset

Kuten näimme, AI:lla on valtava potentiaali parantaa aivosairauksien diagnostiikkaa ja hoitoa. Se voi jopa auttaa ennustamaan aivojen häiriöitä pienistä poikkeamista normaalista aivoaktiivisuudesta, mikä johtaa parempiin potilastuloksiin ja tehokkaampaan terveydenhuoltojärjestelmään. Kuitenkin on huomattava, että tämä tekoälyn ja ihmisaivojen leikkauskohta ei ole ilman eettisiä huolia, ja siksi se vaatii tiukkoja tietosuojatoimia.