Den voksende synergien mellom AI og nevrovitenskap i dekoding av den menneskelige hjernen

Kunstig intelligens (AI) har vært samtaleemnet i det siste, med chatboter som OpenAI sin ChatGPT, Googles Bard og Elon Musks Grok som får stor oppmerksomhet. AI er imidlertid ikke så ny som disse chatbotene; interessen for AI startet for flere tiår siden i 1950 da vitenskapsmannen Alan Turing foreslo en test av maskinintelligens kalt Imitasjonsspillet i sin artikkel “Computer Machinery and Intelligence”.

“Kan maskiner tenke?” spør Turing i sin artikkel, og tilbyr en “Turing-test”, hvor en menneskelig etterforsker vil prøve å skille mellom en datamaskin og et menneskelig tekstsvar.

Siden da har fremskritt innen teknologi ført til mer sofistikerte AI-systemer som har blitt brukt på tvers av ulike felt, inkludert helsevesenet og forståelsen og behandlingen av det mest komplekse menneskelige organet, hjernen.

Klikk her for å lære alt om AI-hjernebrikker.

Fremskritt innen AI og nevrovitenskap

Generelt sett resonnerer AI-systemer, lærer og utfører oppgaver som vanligvis er knyttet til menneskelige kognitive funksjoner, som å identifisere mønstre og tolke tale ved å behandle enorme mengder data.

AI er i hovedsak et sett med teknologier som gjør det mulig for datamaskiner å utføre en rekke avanserte funksjoner. Ryggmargen i innovasjon innen moderne databehandling, AI omfatter ulike disipliner, inkludert:

• Dataanalyse
• Maskinvare- og programvareutvikling
• Lingvistikk
• Nevrovitenskap
• Psykologi

Disse AI-modellene som simulerer kognitive prosesser og hjelper med komplekse kognitive oppgaver som språkoversettelse og bilderegistrering, er basert på biologiske nevrale nettverk, som er komplekse systemer av sammenkoblede nevroner og hjelper med å ‘trene’ maskiner til å forstå tale, bilder og mønstre.

Den intrikate og intelligente menneskelige hjernen har vært en utfordring for forskere som ønsker å låse opp muligheter for menneskelig forsterkning. Selv om AI har blitt utnyttet til å skape ting som Apples Siri, Amazons Alexa og IBMs Watson, vil den virkelig transformative virkningen kun oppnås når kunstige nevrale nettverk blir forsterket av 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 klarer å utføre spesifikke oppgaver, og omfanget av AI‑applikasjoner utvides daglig. Denne teknologiske fremgangen, kombinert med vitenskapelige fremskritt, har spesielt ført til bruk av AI i medisinsk diagnostikk og behandling.

Ved å analysere store mengder pasientdata fra flere kilder for å bistå helsepersonell, hjelper AI med å få et komplett bilde av en pasients helse for mer nøyaktige prognoser og å ta mer informerte beslutninger om pasientbehandling. Dette bidrar også til å oppdage potensielle helseproblemer tidligere før de blir potensielt livstruende. Videre kan helsepersonell ved å bruke AI automatisere rutineoppgaver, slik at de kan fokusere på mer kompleks pasientbehandling.

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

AI sin rolle i bedre forståelse av den menneskelige hjernen

Banebrytende forskning innen nevrovitenskap har ført til utviklingen av avanserte hjerneavbildningsteknikker, inkludert:

• Elektroencefalografi (EEG)
• Funksjonell magnetisk resonansavbildning (fMRI)

Samtidig, etter hvert som AI-algoritmer, spesielt innen maskinlæring og dyp læring, har blitt mer sofistikerte, har dette ført til en sammensmelting av begge feltene. En slik synkronisering gjør det mulig for forskere å analysere og forstå hjerne-data i en enestående skala.

Krysningspunktet mellom AI og nevrovitenskap, feltet som fokuserer på nervesystemet og hjernen, er spesielt tydelig innen dataanalyse. For øyeblikket gir AI forskere og vitenskapsfolk muligheten til å kartlegge hjerneområder med enestående nøyaktighet. Dette har blitt muliggjort av teknologiske fremskritt innen AI som tillater klassifisering av intrikate mønstre i hjerne-data og deretter å lage korrelasjoner. Dette samarbeidet har også banet vei for forskere til å bedre forstå nevrale baner.

Med hjelp av AI kan medisinsk diagnostikk forbedres ved å øke prediksjonsnøyaktigheten, hastigheten og effektiviteten i diagnostisk prosess. AI-drevne hjerneavbildningsstudier har oppdaget subtile endringer i hjerne strukturer som viser seg før de kliniske symptomene blir kjent, noe som har enormt potensial for tidlig oppdagelse og intervensjon, og potensielt revolusjonerer vår tilnærming til neurodegenerative lidelser.

For eksempel, sent i forrige måned, utnyttet forskere AI til å analysere spesialiserte hjerne‑MRI‑skanninger av individer med oppmerksomhets‑defisit/hyperaktivitetsforstyrrelse (ADHD). ADHD er en vanlig lidelse, med anslagsvis 5,7 millioner barn og ungdom i alderen 6 til 17 år diagnostisert med den i USA.

Lidelsen, som blir stadig mer utbredt på grunn av den økende bruken av smarttelefoner, kan ha en enorm innvirkning på pasientens livskvalitet, ettersom barn med ADHD ofte har problemer med å holde oppmerksomheten og regulere aktivitet. Her er tidlig diagnose og intervensjon nøkkelen til å håndtere den, men ADHD, som medforfatter av studien Justin Huynh sa:

“Det er ekstremt vanskelig å diagnostisere.”

Studien brukte verdier for fraksjonell anisotropi (FA) som input for å trene en dyp‑lærings‑AI‑modell for å diagnostisere ADHD “i et kvantitativt, objektivt diagnostisk rammeverk.” 

Som vi så, ved å mate algoritmer med enorme mengder datasett relatert til hjerne‑skanninger og pasienthistorikk, kan de skille ut subtile markører som kanskje ikke er mulige for mennesker. Dette øker diagnostisk nøyaktighet, noe som fører til tidligere intervensjoner og bedre pasientresultater. 

Å studere ny hjerneavbildningsteknologi for å forstå hemmelighetene bak hjernevitenskap og deretter koble den med AI for å simulere hjernen er også en måte å lukke gapet mellom AI og menneskelig intelligens. Allerede har det vært mange fremskritt innen hjerne‑datamaskin‑grensesnitt (BCI) fra selskaper som Neuralink. BCI kobler hjernen direkte til eksterne enheter, slik at funksjonshemmede kan kontrollere proteser og samhandle med verden kun ved tanke, og viser deres potensial for mange vitenskapelige og praktiske anvendelser.

Denne sammenslåingen av menneskelig intelligens og AI kan til slutt skape ‘supermennesker’, men krever datamodeller som integrerer visuell og naturlig språkbehandling, akkurat som den menneskelige hjernen gjør, for helhetlig kommunikasjon. I denne sammenhengen kan virtuelle assistenter håndtere både enkle og komplekse oppgaver, men maskiner må lære å forstå rikere kontekster for menneskelignende kommunikasjonsferdigheter.

AI sin økende rolle i behandling av den menneskelige hjernen

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

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

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

Et team av forskere rnylig brukte AI til å forutsi den optimale metoden for syntese av legemolekyler. Denne metoden, ifølge artikkelens hovedforfatter David Nippa, har potensial til å redusere antall nødvendige laboratorieeksperimenter “betydelig”, og som følge av dette “øke både effektiviteten og bærekraften i kjemisk syntese.” 

AI‑modellen ble trent på data fra pålitelige vitenskapelige arbeider og eksperimenter fra et automatisert laboratorium, og kan med suksess forutsi posisjonen for borylering for ethvert molekyl og gi de optimale betingelsene for den kjemiske transformasjonen. Den brukes allerede til å identifisere posisjoner i eksisterende aktive ingredienser hvor ytterligere aktive grupper kan introduseres, og denne modellen vil hjelpe med å utvikle nye og mer effektive varianter av kjente legemiddelingredienser raskere.

Topp farmasøytiske selskaper som arbeider med å integrere AI

La oss nå se på noen av de børsnoterte selskapene i medisinsk sektor som bruker teknologien.

1. Novartis (NVS) 

Dette farmasøytiske gigant har investert i AI for biomedisinsk dataanalyse og legemiddelforskning og -utvikling. Med en markedsverdi på 223,48 milliarder dollar, handles Novartis-aksjer for tiden til 98,27 dollar, opp 8,17 % i år. Selskapets inntekter de siste tolv månedene (TTM) har vært 47,88 milliarder dollar, med EPS (TTM) på 3,59, P/E (TTM) på 27,30 og ROE (TTM) på 14,94 %. Samtidig har utbytteavkastningen vært 3,57 %.

Selskapet har integrert AI på tvers av sine operasjoner, inkludert analyse av enorme datasett som dekker offentlige helseregistre, reseptdata, interne data og medisinske forsikringskrav for å identifisere potensielle forsøksdeltakere og optimalisere design av kliniske studier. Ifølge Novartis har bruk av AI‑verktøyet gjort innmelding av pasienter i studier raskere, billigere og mer effektivt.

2. Pfizer (PFE)

Dette forskningsbaserte biofarmasøytiske selskapet har en markedsverdi på 163,238 milliarder dollar og aksjene handles for tiden til 28,97 dollar, ned 43,58 % i år. Selskapets inntekter de siste tolv månedene (TTM) har vært 68,53 milliarder dollar, med EPS (TTM) på 1,82, P/E (TTM) på 15,88 og ROE (TTM) på 11,05 %. Samtidig har utbytteavkastningen vært 5,67 %.

Pfizer har vist stor interesse for å utnytte AI til å forbedre sine legemiddelforskningsinnsats. Selskapet har inngått partnerskap med mange AI‑selskaper, som CytoReason, Tempus, Gero og Truveta. I tillegg, for å forbedre sine onkologiske kliniske studier, signerte Pfizer en datadelingavtale med onkologi‑AI‑selskapet Vysioneer, som også har en FDA‑godkjent AI‑drevet løsning for automatisk konturering av hjernesvulster kalt VBrain.

I tillegg til å opprette et ML‑forskningshub for å lage nye prediktive modeller og verktøy, har Pfizer også inngått partnerskap med en av de største skytilbyderne, Amazon Web Services, for å bruke sky‑computing i legemiddelforskning og -produksjon. Dette partnerskapet har vært spesielt verdifullt “under COVID‑19‑pandemien… i ulike aspekter av vaksineutviklingen, fra produksjon til kliniske studier.”

3. AstraZeneca (AZN)

Dette biofarmasøytiske selskapet har en markedsverdi på 200,8 milliarder dollar, og aksjene handles for tiden til 64,86 dollar, ned 4,44 % i år. Selskapets inntekter de siste tolv månedene (TTM) har vært nesten 45 milliarder dollar, med EPS (TTM) på 1,89, P/E (TTM) på 34,29 og ROE (TTM) på 16,30 %. Samtidig har utbytteavkastningen vært 2,22 %.

Den anglo‑svenske legemiddelprodusenten har investert i AI for å analysere komplekse biologiske data for legemiddelforskning og har samarbeidet med AI‑selskaper for å styrke sine forskningskapasiteter. Nylig signerte AstraZeneca en avtale verdt opptil 247 millioner dollar med det AI‑baserte biologiske legemiddelforskningsselskapet Absci for å designe et antistoff mot kreft. Det biologiske firmaet bruker generativ AI for å få optimale legemiddelkandidater basert på egenskaper som affinitet, produksjonsmulighet og sikkerhet, blant annet.

I forrige måned opprettet AstraZeneca en helseteknologisk enhet kalt Evinova for å akselerere innovasjon og bringe AI inn i kliniske studier. Selskapet har også fått tidlig tilgang til AI‑drevne ‘digitale tvillinger’ og signert en AI‑drevet legemiddelforskningsavtale med Verge Genomics gjennom sin avdeling for sjeldne sykdommer, Alexion.

4. BenevolentAI SA (BAI.AS)

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

BenevolentAI er et klinisk fase‑selskaper 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. I mai i år, som en del av en strategisk plan for å posisjonere seg for en ny æra innen AI, delte selskapet at det ville redusere utgifter og frigjøre netto kontanter for å øke sin finansielle fleksibilitet.

Selskapet har etablert partnerskap med andre store farmasøytiske selskaper 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 deres ekspertise innen onkologi og neuroinflammasjon og støtte selskapets AI‑drevne legemiddelforskningsplaner ved å fokusere på å finne levedyktige småmolekylkandidater.

Avsluttende tanker

Som vi har sett, har AI et enormt potensial til å forbedre diagnostikk og behandling av hjernesykdommer. Den kan til og med hjelpe med å forutsi hjerneforstyrrelser basert på små avvik fra normal hjerneaktivitet, noe som fører til bedre pasientresultater og et mer effektivt og virkningsfullt helsevesen. Det må imidlertid bemerkes at dette skjæringspunktet mellom AI og den menneskelige hjernen ikke er uten etiske bekymringer og derfor krever strenge personvernssikringer.