Den økende synergien mellom AI og nevrovitenskap i avkodning av det menneskelige hjernen

Kunstig intelligens (AI) har vært på alles lepper den siste tiden, med chatboter som OpenAI’s ChatGPT, Google’s Bard og Elon Musks Grok som har fått mye oppmerksomhet. Men AI er ikke så nytt som disse chatbotene; interessen for AI kom for flere tiår siden, i 1950, da forskeren Alan Turing foreslo en test for maskinintelligens kalt The Imitation Game i sin artikkel “Computer Machinery and Intelligence.”

“Kan maskiner tenke?” spør Turing i sin artikkel, og tilbyr en “Turing-test”, der en menneskelig forhører skal prøve å skille mellom en datamaskin og en menneskelig tekstrespons.

Siden da har fremgangen i teknologien ført til mer avanserte AI-systemer som har blitt brukt i ulike felt, inkludert helsevesen og forståelse og behandling av det mest komplekse menneskelige organet, hjernen.

Klikk her for å lære mer om AI-hjernechip.

Fremgangen i AI og nevrovitenskap

I bred forstand, gjør AI-systemer grunnleggende funksjoner som årsakssammenheng, læring og utføring av oppgaver som vanligvis assosieres med menneskelige kognitive funksjoner, som å identifisere mønster og tolke tale ved å prosessere store mengder data.

AI er i hovedsak en samling teknologier som gjør det mulig for datamaskiner å utføre en rekke avanserte funksjoner. Ryggraden i innovasjon i moderne datamaskiner, AI omfatter ulike disipliner, inkludert:

• Dataanalyse
• Maskin- og programvareteknologi
• Lingvistikk
• Nevrovitenskap
• Psykologi

Disse AI-modellene som simulerer kognitive prosesser og hjelper med komplekse kognitive oppgaver som språkoversettelse og bildegenkjenning, er basert på biologiske nevronettverk, som er komplekse systemer av sammenkoblede nevroner og hjelper med å “trene” maskiner til å forstå tale, bilder og mønster.

Det intrikate og intelligente menneskelige hjernen har vært en utfordring for forskere til å låse opp muligheter for menneskelig forbedring. Men mens AI har blitt brukt til å skape ting som Apples Siri, Amazons Alexa og IBMs Watson, vil den virkelig transformative effekten kun bli oppnådd når kunstige nevronettverk blir supplert med menneskelig naturlig intelligens, et resultat av århundrer med overlevelse.

Selv om datamaskiner fortsatt ikke kan matche den fullstendige fleksibiliteten til mennesker, finnes det programmer som kan utføre bestemte oppgaver, og omfanget av AI-anvendelser utvides daglig. Denne teknologiske fremgangen, kombinert med fremgang i vitenskap, har ført til at AI blir brukt i medisinsk diagnose og behandling.

Ved å analysere store mengder pasientdata fra multiple kilder for å hjelpe helsepersonell, hjelper AI med å få en fullstendig oversikt over en pasients helse for en mer nøyaktig prediksjon og kan ta bedre informerte beslutninger om pasientbehandling. Dette hjelper også med å oppdage potensielle helseproblemer tidligere før de blir potensielt livstruende. I tillegg kan helsepersonell automatisere rutineoppgaver ved hjelp av AI, slik at de kan fokusere på mer kompleks pasientbehandling.

Klikk her for å lære hvordan ulike teknologier muliggjør neste nivå av menneskelig evolusjon.

AI’s rolle i bedre forståelse av det menneskelige hjernen

Banebrytende forskning i nevrovitenskap har ført til utviklingen av avanserte hjernescanningsteknikker, inkludert:

• Elektroencefalografi (EEG)
• Funksjonell magnetresonanstomografi (fMRI)

Samtidig som AI-algoritmer, spesielt i maskinlæring og dyp læring, har blitt mer avanserte, har dette ført til en sammenføyning av begge feltene. Slik synkronisering muliggjør at forskere kan analysere og forstå hjernedata på en tidligere uoppnåelig skala.

Sammenføyningen av AI og nevrovitenskap, feltet som fokuserer på nervesystemet og hjernen, er spesielt tydelig i området for dataanalyse. For tiden muliggjør AI at forskere kan kartlegge hjerneregioner med en tidligere uoppnåelig nøyaktighet. Dette har blitt mulig gjennom teknologiske fremanger i AI som tillater klassifisering av intrikate mønster i hjernedata og deretter korrelasjoner. Samarbeidet har også åpnet vei for forskere til bedre å forstå nevronettverk.

Med hjelp av AI kan medisinsk diagnostikk bli bedre ved å forbedre prediksjonsnøyaktighet, hastighet og effektivitet i diagnostiske prosesser. AI-drevne hjernescanningsstudier har funnet små endringer i hjernestrukturer som viser seg før kliniske symptomer blir kjent, noe som har enormt potensial for tidlig oppdaging og inngripen, og kan potensielt revolusjonere vår tilnærming til nevrodegenerative lidelser.

For eksempel, for noen uker siden, brukte forskere AI til å analysere spesialiserte hjernescanningsbilder av personer med ADHD. ADHD er en vanlig lidelse, med anslått 5,7 millioner barn og unge i alderen 6-17 år diagnostisert med det i USA.

Lidelsen, som stadig blir mer vanlig på grunn av strømmen av smarttelefoner, kan ha en stor innvirkning på pasientens livskvalitet, ettersom barn med ADHD ofte har vanskeligheter med å holde oppmerksomheten og regulere aktivitet. Her er tidlig diagnostikk og inngripen nøkkel til å håndtere det, men ADHD, ifølge studiens medforfatter Justin Huynh, er:

“Ekstremt vanskelig å diagnostisere.”

Studien brukte fraksjonell anisotropi (FA)-verdier som inndata for å trene en dyp-læring AI-modell til å diagnostisere ADHD “i et kvantitativt, objektive diagnostisk rammeverk”.

Som vi så, ved å mata store datasett relatert til hjernescanningsbilder og pasienthistorier, kan algoritmer skille små markører som kanskje ikke er mulig for mennesker. Dette øker diagnostisk nøyaktighet, noe som fører til tidligere inngrep og bedre pasientresultater.

Studier av nye hjernescanningsteknologier for å forstå hemmelighetene i hjernevitenskap og deretter kobling det med AI for å simulere hjernen, er også en måte å lukke gapet mellom AI og menneskelig intelligens. Allerede nå har det vært mange fremanger i hjernedataoverføringsgrensesnitt (BCI) fra selskaper som Neuralink. BCI kobler hjernen direkte til eksterne enheter, og lar funksjonshemmede mennesker kontrollere proteser og interagere med verden bare ved tanken, og viser deres potensial for mange vitenskapelige og praktiske anvendelser.

Denne sammenslåingen av menneskelig intelligens og AI kan til slutt skape “supermennesker”, men trenger datamodeller som integrerer visuell og naturlig språkbehandling, slik som det menneskelige hjernen gjør, for omfattende kommunikasjon. I denne sammenhengen kan virtuelle assistenter håndtere både enkle og komplekse oppgaver, men maskiner må lære å forstå rikere sammenhenger for menneskelignende kommunikasjonsferdigheter.

AI’s økende rolle i behandling av det menneskelige hjernen

I helsevesenet innebærer diagnostikk å evaluere medisinske tilstander eller sykdommer ved å analysere symptomer, medisinsk historie og testresultater. Målet er å bruke tester som bildeundersøkelser, blodprøver osv. for å bestemme årsaken til et medisinsk problem og gi en nøyaktig diagnose for å gi effektiv behandling. I tillegg kan diagnostikk brukes til å overvåke sykdommens fremgang og vurdere behandlingens effektivitet.

Potensialet for AI i behandling er ganske overbevisende. Kunstig intelligens kan gi en analyse av en persons hjernekarakteristika samt deres medisinsk historie, genetikk, livsstilsdata og andre faktorer, basert på hvilke det kan tilby personlig medisin. På denne måten lover AI skreddersydd behandlingsplaner som tar hensyn til de unike detaljene i hver pasients hjerne.

Ved å identifisere unike, upartiske mønster i data, kan AI potensielt også oppdage nye biomarkører eller inngripenmetoder. AI-baserte systemer er raskere og mer effektive enn manuelle prosesser og reduserer betydelig menneskelige feil.

En gruppe forskere brukte nylig AI til å forutsi den optimale metoden for å syntetisere legemiddelmolekyler. Denne metoden, ifølge artikkelenes hovedforfatter David Nippa, har potensialet til å redusere antallet nødvendige laboratorieeksperimenter “betydelig”, og som en følge av dette, “øke både effektiviteten og bærekraften av kjemisk syntese”.

AI-modellen ble trent på data fra pålitelige vitenskapelige arbeider og eksperimenter fra et automatisk laboratorium, og kan med hell forutsi posisjonen for borylering for enhver molekyl og gi de optimale betingelsene for den kjemiske transformasjonen. Allerede i bruk for å identifisere posisjoner i eksisterende aktive ingredienser hvor ekstra aktive grupper kan innføres, vil denne modellen hjelpe med å utvikle nye og mer effektive varianter av kjente legemiddelaktive ingredienser raskere.

Topp farmasøytiske selskaper som arbeider for å integrere AI

Nå, la oss se på noen av de børsnoterte selskapene i medisinsk sektor som bruker denne teknologien.

1. Novartis (NVS)

Dette farmasøytiske giganten har investert i AI for biomedisinsk dataanalyse og legemiddelforskning og -utvikling. Med en markedskapitalisering på 223,48 milliarder dollar, handles Novartis-aksjer for tiden til 98,27 dollar, opp 8,17 prosent i år. Selskapets omsetning de siste 12 månedene har vært 47,88 milliarder dollar, mens EPS (TTM) har vært 3,59, P/E (TTM) 27,30 og ROE (TTM) 14,94 prosent. Samtidig har utbytteandelen vært 3,57 prosent.

Selskapet har integrert AI over hele virksomheten, inkludert analyse av store datasett som dekker offentlige helseopptegnelser, reseptdata, interne data og medisinsk forsikringskrav for å identifisere potensielle prøvedeltakere og optimalisere kliniske prøver. Bruken av AI-verktøyet har gjort det raskere, billigere og mer effektivt å rekruttere pasienter til prøver, ifølge Novartis.

2. Pfizer (PFE)

Dette forskningsbaserte biotekniselskapet har en markedskapitalisering på 163,238 milliarder dollar, og aksjene handles for tiden til 28,97 dollar, ned 43,58 prosent i år. Selskapets omsetning de siste 12 månedene har vært 68,53 milliarder dollar, mens EPS (TTM) har vært 1,82, P/E (TTM) 15,88 og ROE (TTM) 11,05 prosent. Samtidig har utbytteandelen vært 5,67 prosent.

Pfizer har vist stor interesse for å utnytte AI til å forbedre legemiddelforskningen. Selskapet har inngått partnerskap med flere AI-selskaper, som CytoReason, Tempus, Gero og Truveta. For å forbedre onkologiske kliniske prøver, inngikk Pfizer en data-delingsavtale med onkologisk AI-selskapet Vysioneer, som også har en FDA-godkjent AI-drevet hjernescanningløsning kalt VBrain.

I tillegg til å etablere et ML-forskningshub for å skape nye prediktive modeller og verktøy, inngikk Pfizer også et partnerskap med en av de største skytjenesteleverandørene, Amazon Web Services, for å bruke skydatamaskiner i legemiddelforskning og -produksjon. Dette partnerskapet har vært spesielt verdifullt “under COVID-19-pandemien … i ulike aspekter av vaksinens utvikling, fra produksjon til kliniske prøver”.

3. AstraZeneca (AZN)
Dette biotekniselskapet har en markedskapitalisering på 200,8 milliarder dollar, og aksjene handles for tiden til 64,86 dollar, ned 4,44 prosent i år. Selskapets omsetning de siste 12 månedene har vært nesten 45 milliarder dollar, mens EPS (TTM) har vært 1,89, P/E (TTM) 34,29 og ROE (TTM) 16,30 prosent. Samtidig har utbytteandelen vært 2,22 prosent.

Det anglo-svenske legemiddelselskapet har investert i AI for å analysere komplekse biologiske data for legemiddelforskning og har samarbeidet med AI-selskaper for å forbedre forskningskapasiteten. For nylig inngikk AstraZeneca en avtale verdt opptil 247 millioner dollar med AI-basert biologisk legemiddelforskningsselskap Absci for å designe en antistoff mot kreft. Biotekniselskapet bruker generativ AI for å få optimalt legemiddelkandidater basert på egenskaper som affinitet, produserbarhet og sikkerhet, blant annet.

For noen uker siden etablerte AstraZeneca en helse-teknologienhet kalt Evinova for å akselerere innovasjon og bringe AI til kliniske prøver. Selskapet har også fått tidlig tilgang til AI-drevne “digitale tvillinger” og inngikk en AI-drevet legemiddelforskningavtale med Verge Genomics gjennom sin sjeldne sykdomsavdeling, Alexion.

4. BenevolentAI SA (BAI.AS)

Dette AI-aktiverede legemiddelforskning- og utviklingsselskapet har en markedskapitalisering på 86,45 milliarder dollar, og aksjene handles for tiden til 0,545 dollar, ned 84,43 prosent i år. Selskapets EPS (TTM) er 0,75, og P/E (TTM) er 0,72.

BenevolentAI er et klinisk selskap som har som mål å behandle atopisk dermatitt samt potensielle behandlinger for kroniske sykdommer og kreft. Det bruker prediktive AI-algoritmer for å analysere og trekke ut nødvendige innsikter fra tilgjengelige data og vitenskapelig litteratur. For noen måneder siden kunngjorde selskapet, som en del av en strategisk plan for å posisjonere seg for en ny æra i AI, at det ville redusere utgifter og frigjøre netto kontanter for å øke finansiell fleksibilitet.

Selskapet har et etablert partnerskap med andre store legemiddelselskaper, som GSK og Novartis, mens samarbeidet med AstraZeneca er for å utvikle legemidler mot fibrose og kronisk nyresykdom. For noen måneder siden inngikk BenevolentAI også et partnerskap med Merck KGaA for å utnytte sin ekspertise innen onkologi og nevroinflammasjon og støtte selskapets AI-drevne legemiddelforskningplaner ved å fokusere på å finne livskraftige småmolekylkandidater.

Avsluttende tanker

Som vi så, har AI et stort potensial for å forbedre diagnostikk og behandling av hjernesykdommer. Det kan til og med hjelpe med å forutsi hjernesykdommer basert på små avvik fra normal hjernaktivitet, noe som fører til bedre pasientresultater og en mer effektiv og effektive helsevesen. Men det må påpekes at denne sammenføyningen av AI og det menneskelige hjernen ikke er uten sine etiske bekymringer og krever derfor strenge personvernsgarantier.