Den växande synergin mellan AI och neurovetenskap i avkodning av den mänskliga hjärnan

Artificiell intelligens (AI) har varit samtalsämnet på sistone, med chatbots som OpenAI:s ChatGPT, Googles Bard och Elon Musks Grok som får mycket uppmärksamhet. Men AI är inte så nytt som dessa chatbots; snarare uppstod intresset för AI för decennier sedan 1950 när forskaren Alan Turing föreslog ett test av maskinintelligens kallat Imitationsspelet i sin artikel “Computer Machinery and Intelligence”.

“Kan maskiner tänka?” frågar Turing i sin artikel och erbjuder ett “Turingtest”, där en mänsklig förhörsledare skulle försöka skilja mellan en dator- och en mänsklig textrespons.

Sedan dess har teknologiska framsteg lett till mer sofistikerade AI-system som har använts inom olika områden, inklusive hälso- och sjukvård samt förståelse och behandling av det mest komplexa mänskliga organet, hjärnan.

Klicka här för att lära dig allt om AI-hjärnchips.

Framsteg inom AI och neurovetenskap

I breda termer resonerar AI-system, lär sig och utför uppgifter som vanligtvis förknippas med mänskliga kognitiva funktioner, såsom att identifiera mönster och tolka tal genom att bearbeta enorma mängder data.

AI är i grund och botten en uppsättning teknologier som möjliggör för datorer att utföra en rad avancerade funktioner. AI är ryggraden i innovation inom modern databehandling och omfattar olika discipliner, inklusive:

• Dataanalys
• Hårdvaru- och mjukvaruteknik
• Lingvistik
• Neurovetenskap
• Psykologi

Dessa AI-modeller som simulerar kognitiva processer och hjälper till med komplexa kognitiva uppgifter såsom språköversättning och bildigenkänning är baserade på biologiska neurala nätverk, som är komplexa system av sammankopplade neuroner och hjälper till att ‘träna’ maskiner att förstå tal, bilder och mönster.

Den intrikata och intelligenta mänskliga hjärnan har varit en utmaning för forskare att låsa upp möjligheter för mänsklig förstärkning. Men medan AI har utnyttjats för att skapa exempelvis Apples Siri, Amazons Alexa och IBMs Watson, kommer den verkligt transformerande effekten först att uppnås när artificiella neurala nätverk förstärks med mänsklig inbyggd intelligens, ett resultat av århundraden av överlevnad.

Även om datorer fortfarande inte kan matcha människors fullständiga flexibilitet, finns det program som lyckas utföra specifika uppgifter, och AI:s tillämpningsområde expanderar dagligen. Denna teknologiska utveckling, i kombination med vetenskapliga framsteg, har särskilt lett till användning av AI inom medicinsk diagnos och behandling.

Genom att analysera stora mängder patientdata från flera källor för att hjälpa vårdgivare, hjälper AI till att få en komplett bild av en patients hälsa för mer exakt förutsägelse och för att fatta mer informerade beslut om patientvård. Detta bidrar dessutom till att upptäcka potentiella hälsoproblem tidigare innan de blir livshotande. Dessutom kan vårdgivare med AI automatisera rutinuppgifter, vilket gör att de kan fokusera på mer komplex patientvård.

Klicka här för att lära dig hur olika teknologier möjliggör nästa nivå av mänsklig evolution. 

AI:s roll i att bättre förstå den mänskliga hjärnan

Banbrytande forskning inom neurovetenskap har lett till utvecklingen av avancerade hjärnavbildningstekniker, inklusive:

• Elektroencefalografi (EEG)
• Funktionell magnetresonanstomografi (fMRI)

Samtidigt, när AI-algoritmer, särskilt inom maskininlärning och djupinlärning, har blivit mer sofistikerade, har detta lett till ett korsningsområde mellan båda fälten. En sådan synkronisering gör det möjligt för forskare att analysera och förstå hjärndata i en oöverträffad skala.

Korsningen mellan AI och neurovetenskap, området som fokuserar på nervsystemet och hjärnan, är särskilt tydlig inom dataanalys. För närvarande ger AI forskare och vetenskapsmän möjlighet att kartlägga hjärnregioner med enastående precision. Detta har möjliggjorts av de teknologiska framstegen inom AI som tillåter klassificering av komplexa mönster i hjärndata och sedan skapa korrelationer. Detta samarbete har också banat väg för forskare att bättre förstå neurala banor.

Med AI:s hjälp kan medicinsk diagnostik förbättras genom att öka förutsägelseprecisionen, hastigheten och effektiviteten i diagnostikprocessen. AI-drivna studier av hjärnavbildningar har upptäckt subtila förändringar i hjärnstrukturer som visar sig innan de kliniska symptomen blir kända, vilket har enorm potential för tidig upptäckt och intervention, och kan potentiellt revolutionera vårt tillvägagångssätt för neurodegenerativa sjukdomar.

Till exempel, i slutet av förra månaden använde forskare AI för att analysera specialiserade hjärn-MRI-skanningar av individer med uppmärksamhetsstörning/hyperaktivitetsstörning (ADHD). ADHD är en vanlig störning, med uppskattningsvis 5,7 miljoner barn och ungdomar i åldern 6 till 17 år som diagnostiserats i USA.

Störningen, som blir allt vanligare på grund av den ökade användningen av smartphones, kan ha en enorm inverkan på patientens livskvalitet, eftersom barn med ADHD ofta har svårt att hålla uppmärksamheten och reglera aktivitet. Här är tidig diagnos och intervention nyckeln till att hantera den, men ADHD, som studiens medförfattare Justin Huynh sade:

“Det är extremt svårt att diagnostisera.”

Studien använde värden för fraktionell anisotropi (FA) som indata för att träna en djupinlärnings-AI-modell för att diagnostisera ADHD “i ett kvantitativt, objektivt diagnostiskt ramverk.”

Som vi såg, genom att mata algoritmer med enorma mängder dataset relaterade till hjärnskanningar och patienthistorik, kan de skilja subtila markörer som kanske inte är möjliga för människor. Detta ökar i sin tur diagnostisk precision, vilket leder till tidigare interventioner och bättre patientresultat.

Att studera ny hjärnavbildningsteknologi för att förstå hjärnvetenskapens hemligheter och sedan koppla den till AI för att simulera hjärnan är också ett sätt att minska klyftan mellan AI och mänsklig intelligens. Redan har det skett många framsteg inom hjärn-datorgränssnitt (BCI) av företag som Neuralink. BCI kopplar hjärnan direkt till externa enheter, vilket gör att funktionshindrade kan styra proteser och interagera med världen enbart genom tankar, och visar deras potential för många vetenskapliga och praktiska tillämpningar.

Denna sammansmältning av mänsklig intelligens och AI kan i slutändan skapa ‘supermänniskor’, men kräver beräkningsmodeller som integrerar visuell och naturlig språkbehandling, precis som den mänskliga hjärnan, för omfattande kommunikation. I detta sammanhang kan virtuella assistenter hantera både enkla och komplexa uppgifter, men maskiner måste lära sig att förstå rikare sammanhang för mänskliga kommunikationsförmågor.

AI:s växande roll i behandling av den mänskliga hjärnan

Inom hälso- och sjukvård innebär diagnostik att utvärdera medicinska tillstånd eller sjukdomar genom att analysera symptom, medicinsk historik och testresultat. Målet är att använda tester såsom avbildningstester, blodprov osv. för att fastställa orsaken till ett medicinskt problem och göra en exakt diagnos för att tillhandahålla effektiv behandling. Dessutom kan diagnostik användas för att övervaka ett tillstånds utveckling och bedöma behandlingens effektivitet.

Potentialen för AI i behandling är ganska övertygande. Artificiell intelligens kan ge en analys av en persons hjärnkarakteristika samt deras medicinska historik, genetik, livsstilsdata och andra faktorer, baserat på vilka den kan erbjuda personlig medicin. På så sätt lovar AI skräddarsydda behandlingsplaner som tar hänsyn till varje patients hjärnas unika komplexitet.

Genom att identifiera unika, opartiska mönster i data kan AI potentiellt även upptäcka nya biomarkörer eller interventionsmetoder. AI-baserade system är snabbare och mer effektiva än manuella processer och minskar avsevärt mänskliga fel.

Ett forskarteam recently använde AI för att förutsäga den optimala metoden för att syntetisera läkemedelsmolekyler. Denna metod, enligt papperets huvudförfattare David Nippa, har potential att minska antalet nödvändiga laboratorieexperiment “avsevärt”, vilket i sin tur “ökar både effektiviteten och hållbarheten i kemisk syntes.”

AI-modellen tränades på data från pålitliga vetenskapliga verk och experiment från ett automatiserat laboratorium och kan framgångsrikt förutsäga positionen för borylering för vilken molekyl som helst samt tillhandahålla de optimala förhållandena för den kemiska omvandlingen. Den används redan för att identifiera positioner i befintliga aktiva ingredienser där ytterligare aktiva grupper kan införas, och modellen kommer att hjälpa till att utveckla nya och mer effektiva varianter av kända läkemedelsaktiva ingredienser snabbare.

Topp-farmaceutiska företag som arbetar med att integrera AI

Låt oss nu titta på några av de börsnoterade företagen inom medicinsektorn som använder teknologin.

1. Novartis (NVS) 

Denna farmaceutiska jätte har investerat i AI för biomedicinsk dataanalys samt läkemedelsupptäckt och -utveckling. Med ett marknadsvärde på 223,48 miljarder dollar handlas Novartis-aktier för närvarande till 98,27 dollar, upp 8,17 % i år. Företagets intäkter för de senaste tolv månaderna (TTM) har varit 47,88 miljarder dollar med EPS (TTM) på 3,59, P/E (TTM) på 27,30 och ROE (TTM) på 14,94 %. Samtidigt har utdelningsavkastningen varit 3,57 %.

Företaget har integrerat AI i hela sin verksamhet, inklusive analys av enorma dataset som omfattar offentliga hälsoregister, förskrivningsdata, intern data och sjukförsäkringsanspråk för att identifiera potentiella studiedeltagare och optimera utformningen av kliniska prövningar. Enligt Novartis har användningen av AI-verktyget gjort inskrivning av patienter i studier snabbare, billigare och mer effektivt.

2. Pfizer (PFE)

Detta forskningsbaserade biopharmaceutiska företag har ett marknadsvärde på 163,238 miljarder dollar och dess aktier handlas för närvarande till 28,97 dollar, ner 43,58 % i år. Företagets intäkter för de senaste tolv månaderna (TTM) har varit 68,53 miljarder dollar med EPS (TTM) på 1,82, P/E (TTM) på 15,88 och ROE (TTM) på 11,05 %. Samtidigt har utdelningsavkastningen varit 5,67 %.

Pfizer (PFE ) har visat stort intresse för att utnyttja AI för att förbättra sina läkemedelsupptäcktsinsatser. Företaget har samarbetat med många AI-företag, såsom CytoReason, Tempus, Gero och Truveta. Samtidigt, för att förbättra sina onkologiska kliniska prövningar, har Pfizer undertecknat ett datadelningsavtal med onkologi-AI-företaget Vysioneer, som också har en FDA-godkänd AI-drivet automatiskt konturering av hjärntumörer kallad VBrain.

Förutom att skapa ett ML-forskningscenter för att utveckla nya prediktiva modeller och verktyg, har Pfizer också samarbetat med en av de största molnleverantörerna, Amazon Web Services, för att använda molnberäkning i läkemedelsupptäckt och tillverkning. Detta partnerskap har varit särskilt värdefullt “under COVID-19-pandemin… i olika aspekter av vaccinets utveckling, från tillverkning till kliniska prövningar.”

3. AstraZeneca (AZN)

Detta biopharmaceutiska företag har ett marknadsvärde på 200,8 miljarder dollar, och dess aktier handlas för närvarande till 64,86 dollar, ner 4,44 % i år. Företagets intäkter för de senaste tolv månaderna (TTM) har varit nästan 45 miljarder dollar med EPS (TTM) på 1,89, P/E (TTM) på 34,29 och ROE (TTM) på 16,30 %. Samtidigt har utdelningsavkastningen varit 2,22 %.

Den anglo-svenska läkemedelstillverkaren har investerat i AI för att analysera komplex biologisk data för läkemedelsupptäckt och har samarbetat med AI-företag för att förbättra sina forskningskapaciteter. Senast har AstraZeneca (AZN ) undertecknat ett avtal värt upp till 247 miljoner dollar med det AI-baserade biologiska läkemedelsupptäcktsföretaget Absci för att designa ett antikropp för att bekämpa cancer. Biologiföretaget använder generativ AI för att få optimala läkemedelskandidater baserat på egenskaper såsom affinitet, tillverkningsbarhet och säkerhet, bland annat.

Förra månaden bildade AstraZeneca en hälso-teknik enhet kallad Evinova för att påskynda innovation och införa AI i kliniska prövningar. Företaget har också fått tidig tillgång till AI-drivna ‘digitala tvillingar’ och undertecknat ett AI-drivet läkemedelsupptäcktsavtal med Verge Genomics genom sin division för sällsynta sjukdomar, Alexion.

4. BenevolentAI SA (BAI.AS)

Detta AI-aktiverade företag för läkemedelsupptäckt och -utveckling har ett marknadsvärde på 86,45 miljarder dollar, och dess aktier handlas för närvarande till 0,545 dollar, ner 84,43 % i år. Företagets EPS (TTM) är 0,75 och P/E (TTM) är 0,72.

BenevolentAI är ett kliniskt fasat företag som syftar till att behandla atopisk dermatit samt potentiella behandlingar för kroniska sjukdomar och cancer. Det använder prediktiva AI-algoritmer för att analysera och extrahera nödvändiga insikter från tillgängliga data och vetenskaplig litteratur. I maj i år, som en del av en strategisk plan för att positionera sig för en ny era inom AI, delade företaget att det skulle minska utgifterna och frigöra nettokassa för att öka sin finansiella flexibilitet.

Företaget har ett etablerat partnerskap med andra stora läkemedelsföretag såsom GSK och Novartis, medan samarbetet med AstraZeneca syftar till att utveckla läkemedel för fibros och kronisk njursjukdom. För några månader sedan samarbetade BenevolentAI också med Merck KGaA (MRK.DE ) för att utnyttja deras expertis inom onkologi och neuroinflammation och stödja företagets AI-drivna läkemedelsupptäcktsplaner genom att fokusera på att hitta livskraftiga småmolekylkandidater.

Avslutande tankar

Som vi såg har AI enorm potential att förbättra diagnos och behandling av hjärnsjukdomar. Den kan till och med hjälpa till att förutsäga hjärnstörningar baserat på små avvikelser från normal hjärnaktivitet, vilket leder till förbättrade patientresultat och ett mer effektivt och verkningsfullt sjukvårdssystem. Det måste dock påpekas att denna korsning mellan AI och den mänskliga hjärnan inte är utan etiska bekymmer och därför kräver strikta integritetsskydd.