Ang Patuloy na Pagsasama ng AI at Neuroscience sa Pagbubukas ng Utak ng Tao

Ang artificial intelligence (AI) ay naging usapan ng lahat kamakailan, kasama ang mga chatbot tulad ng ChatGPT ng OpenAI, Bard ng Google, at Grok ni Elon Musk na nakakuha ng malaking atensyon. Gayunpaman, ang AI ay hindi kasing bago ng mga chatbot na ito; sa halip, ang interes sa AI ay nagsimula pa noong dekada 1950 nang iminungkahi ng siyentistang si Alan Turing ang isang pagsusulit sa katalinuhan ng makina na tinawag na The Imitation Game sa kanyang papel na “Computer Machinery and Intelligence.”

“Maaari bang mag-isip ang mga makina?” tanong ni Turing sa kanyang papel, na nag-aalok ng isang “Turing Test,” kung saan ang isang tao na tagatanong ay susubukang tukuyin kung ang tugon ay mula sa kompyuter o tao.

Mula noon, ang mga pag-unlad sa teknolohiya ay nagdala ng mas sopistikadong mga sistema ng AI na nagamit sa iba’t ibang larangan, kabilang ang pangangalagang pangkalusugan at ang pag-unawa at paggamot sa pinaka-komplikadong organ ng tao, ang utak.

I-click dito upang matutunan ang lahat tungkol sa mga AI brain chip.

Ang Pag-unlad ng AI at Neuroscience

Sa pangkalahatan, ang mga sistema ng AI ay nag-iisip, natututo, at gumagawa ng mga gawain na karaniwang kaugnay ng mga kognitibong function ng tao, tulad ng pagtukoy ng mga pattern at pag-interpret ng pagsasalita sa pamamagitan ng pagproseso ng napakalaking dami ng data.

Ang AI ay pangunahing isang hanay ng mga teknolohiya na nagpapahintulot sa mga kompyuter na magsagawa ng iba’t ibang advanced na tungkulin. Ang gulugod ng inobasyon sa makabagong pagkompyut, sumasaklaw ang AI sa iba’t ibang disiplina, kabilang ang:

• Pagsusuri ng datos
• Inhinyeriya ng hardware at software
• Lingguwistika
• Neurosiyens
• Sikolohiya

Ang mga modelong AI na ito na ginagaya ang mga prosesong kognitibo at tumutulong sa mga komplikadong gawain tulad ng pagsasalin ng wika at pagkilala sa imahe ay batay sa mga biological neural network, na mga komplikadong sistema ng magkakaugnay na neuron at tumutulong sa ‘pagsasanay’ ng mga makina upang maunawaan ang pagsasalita, mga imahe, at mga pattern.

Ang masalimuot at matalinong utak ng tao ay nagiging hamon para sa mga siyentipiko upang buksan ang mga posibilidad para sa pagpapahusay ng tao. Gayunpaman, habang ang AI ay nagamit upang lumikha ng mga katulad ng Siri ng Apple , Alexa ng Amazon , at Watson ng IBM, ang tunay na mapang-ibabaw na epekto ay makakamtan lamang kapag ang mga artipisyal na neural network ay pinagyaman ng likas na katalinuhan ng tao, isang resulta ng mga siglo ng pakikipaglaban para sa kaligtasan.

Bagaman ang mga kompyuter ay hindi pa kayang tumbasan ang ganap na kakayahang magbago ng tao, may mga programa na nakakagawa ng tiyak na mga gawain, at patuloy na lumalawak ang saklaw ng aplikasyon ng AI araw-araw. Ang pag-unlad na ito sa teknolohiya, kasabay ng mga pag-unlad sa agham, ay nagdala nang malinaw sa paggamit ng AI sa medikal na diagnosis at paggamot.

Sa pamamagitan ng pagsusuri ng malaking dami ng datos ng pasyente mula sa iba’t ibang pinagmumulan upang tulungan ang mga tagapagbigay ng pangangalagang pangkalusugan, tumutulong ang AI na makuha ang kumpletong larawan ng kalusugan ng pasyente para sa mas tumpak na prediksyon at paggawa ng mas may-kabatirang desisyon tungkol sa pangangalaga ng pasyente. Ito ay karagdagang tumutulong upang matuklasan ang mga posibleng problema sa kalusugan nang mas maaga bago pa ito maging potensyal na banta sa buhay. Higit pa rito, sa paggamit ng AI, maaaring i-automate ng mga tagapagbigay ng pangangalaga ang mga rutinang gawain, na nagbibigay-daan sa kanila na magpokus sa mas komplikadong pangangalaga sa pasyente.

I-click dito upang matutunan kung paano pinapagana ng iba’t ibang teknolohiya ang susunod na antas ng ebolusyon ng tao. 

Ang Papel ng AI sa Mas Mabuting Pag-unawa sa Utak ng Tao

Ang makabago na pananaliksik sa neuroscience ay nagdala sa pagbuo ng mga advanced na teknik sa pag-imaging ng utak, kabilang ang:

• Electroencephalography (EEG)
• Functional magnetic resonance imaging (fMRI)

Kasabay nito, habang ang mga algorithm ng AI, partikular sa machine learning at deep learning, ay nagiging mas sopistikado, nagbunga ito ng pagsasanib ng dalawang larangan. Ang ganitong pagsasama ay nagbibigay-daan sa mga siyentipiko na suriin at unawain ang datos ng utak sa isang hindi pa nagagawang sukat.

Ang pagsasanib ng AI at neuroscience, ang larangang nakatuon sa nervous system at utak, ay partikular na makikita sa larangan ng pagsusuri ng datos. Sa kasalukuyan, pinapahintulutan ng AI ang mga siyentipiko at mananaliksik na i-map ang mga rehiyon ng utak nang may hindi pa nagagawang katumpakan. Ito ay naging posible dahil sa mga pag-unlad sa teknolohiya ng AI na nagpapahintulot sa pag-uuri ng masalimuot na pattern ng datos ng utak at paggawa ng mga korelasyon. Ang kolaborasyong ito ay nagbukas din ng daan para sa mga mananaliksik na mas maunawaan ang mga neural pathway.

Sa tulong ng AI, maaaring mapabuti ang medikal na diagnostic sa pamamagitan ng pagpapahusay ng katumpakan, bilis, at kahusayan ng proseso ng diagnosis. Ang mga pag-aaral ng brain imaging na pinapagana ng AI ay nakakita ng mga banayad na pagbabago sa estruktura ng utak na lumilitaw bago pa man makilala ang kanilang klinikal na sintomas, na may napakalaking potensyal para sa maagang pagtuklas at interbensyon, na maaaring magbago ng ating paglapit sa mga neurodegenerative na sakit.

Halimbawa, noong huling linggo ng nakaraang buwan, ginamit ng mga mananaliksik ang AI upang suriin ang mga espesyal na brain MRI scan ng mga indibidwal na may attention-deficit/hyperactivity disorder (ADHD). Ang ADHD ay isang karaniwang disorder, na tinatayang may 5.7 milyong bata at kabataan na may edad 6 hanggang 17 na na-diagnose nito sa US.

Ang disorder na ito ay lalong nagiging laganap dahil sa pagdami ng paggamit ng mga smartphone at maaaring magkaroon ng malaking epekto sa kalidad ng buhay ng pasyente, dahil ang mga batang may ADHD ay karaniwang nahihirapang magpokus at mag-regulate ng aktibidad. Dito, ang maagang diagnosis at interbensyon ay susi sa pamamahala nito, ngunit ayon kay co-author ng pag-aaral na si Justin Huynh:

“Napakahirap i-diagnose.”

Gumamit ang pag-aaral ng mga halaga ng fractional anisotropy (FA) bilang input para sanayin ang isang deep-learning AI model upang i-diagnose ang ADHD “sa isang kwantitatibo, obhetibong balangkas ng diagnosis.” 

Tulad ng nakita natin, sa pamamagitan ng pagpapakain ng napakalaking dami ng dataset na may kaugnayan sa brain scans at kasaysayan ng pasyente, maaaring matukoy ng mga algorithm ang mga banayad na marker na maaaring hindi makita ng tao. Ito ay nagreresulta sa mas mataas na katumpakan ng diagnosis, na nagdudulot ng mas maagang interbensyon at mas magagandang kinalabasan para sa pasyente.

Ang pag-aaral ng mga bagong teknolohiya sa brain imaging upang maunawaan ang mga lihim ng agham ng utak at pagkatapos ay iugnay ito sa AI upang gayahin ang utak ay isa ring paraan upang mapunan ang agwat sa pagitan ng AI at katalinuhan ng tao. Sa kasalukuyan, maraming pag-unlad na ang naganap sa brain-computer interfaces (BCI) ng mga kumpanya tulad ng Neuralink. Ang BCI ay nag-uugnay ng utak direkta sa mga panlabas na aparato, na nagpapahintulot sa mga taong may kapansanan na kontrolin ang mga prosthetic at makipag-ugnayan sa mundo sa pamamagitan lamang ng pag-iisip, na nagpapakita ng kanilang potensyal para sa maraming siyentipiko at praktikal na aplikasyon.

Ang pagsasanib na ito ng katalinuhan ng tao at AI ay sa huli maaaring lumikha ng ‘superhuman’ ngunit nangangailangan ng mga modelo ng kompyutasyon na nagsasama ng visual at natural language processing, tulad ng ginagawa ng utak ng tao, para sa komprehensibong komunikasyon. Sa kontekstong ito, maaaring tugunan ng mga virtual assistant ang parehong simpleng at komplikadong gawain, ngunit kailangang matutunan ng mga makina na maunawaan ang mas mayaman na konteksto para sa mga kasanayan sa komunikasyon na kahawig ng tao.

Ang Patuloy na Papel ng AI sa Paggamot sa Utak ng Tao

Sa pangangalagang pangkalusugan, ang diagnostics ay kinabibilangan ng pagsusuri ng mga medikal na kondisyon o sakit sa pamamagitan ng pag-aanalisa ng mga sintomas, kasaysayan ng medikal, at mga resulta ng pagsusuri. Layunin nito na gamitin ang mga pagsusuri tulad ng imaging tests, blood tests, atbp., upang matukoy ang sanhi ng medikal na problema at makagawa ng tumpak na diagnosis para magbigay ng epektibong paggamot. Bukod dito, maaaring gamitin ang diagnostics upang subaybayan ang progreso ng isang kondisyon at tasahin ang bisa ng paggamot.

Ang potensyal ng AI sa paggamot ay talagang kahanga-hanga. Maaaring magbigay ang artificial intelligence ng pagsusuri ng mga katangian ng utak ng isang tao pati na rin ng kanilang kasaysayan ng medikal, genetika, datos ng pamumuhay, at iba pang salik, batay dito ay maaaring mag-alok ng personalized na medisina. Sa ganitong paraan, nangangako ang AI ng mga planong paggamot na isinasaalang-alang ang natatanging komplikasyon ng bawat utak ng pasyente.

Sa pamamagitan ng pagtukoy ng natatangi, walang kinikilingang mga pattern sa datos, maaaring matuklasan ng AI ang mga bagong biomarker o mga pamamaraan ng interbensyon. Ang mga sistemang batay sa AI ay mas mabilis at mas epektibo kaysa sa manu-manong proseso at makabuluhang nababawasan ang mga pagkakamali ng tao.

Isang koponan ng mga mananaliksik kamakailan ay gumamit ng AI upang hulaan ang pinakamainam na paraan para magsintesis ng mga molekula ng gamot. Ayon sa lead author ng papel na si David Nippa, may potensyal itong mabawasan nang “malaki” ang bilang ng kinakailangang eksperimento sa laboratoryo, bilang resulta, “pinapataas ang kahusayan at pagpapanatili ng chemical synthesis.”

Ang AI model ay sinanay gamit ang datos mula sa mapagkakatiwalaang mga siyentipikong gawa at mga eksperimento mula sa isang automated na laboratoryo at maaaring matagumpay na hulaan ang posisyon ng borylation para sa anumang molekula at magbigay ng pinakamainam na kondisyon para sa kemikal na transformasyon. Sa kasalukuyan ay ginagamit na upang tukuyin ang mga posisyon sa umiiral na mga aktibong sangkap kung saan maaaring idagdag ang karagdagang aktibong grupo, ang modelong ito ay makakatulong sa pag-develop ng mga bago at mas epektibong variant ng kilalang mga aktibong sangkap ng gamot nang mas mabilis.

Mga Nangungunang Kumpanya ng Parmasya na Nagtatrabaho upang Isama ang AI

Ngayon, tingnan natin ang ilan sa mga kumpanyang pampubliko na nakalista sa sektor medikal na gumagamit ng teknolohiyang ito.

1. Novartis (NVS) 

Ang higanteng pharma na ito ay nag-iinvest sa AI para sa biomedical data analysis at drug discovery at development. Sa market cap na $223.48 bilyon, ang mga stock ng Novartis ay kasalukuyang nagte-trade sa $98.27, tumaas ng 8.17% ngayong taon. Ang revenue ng kumpanya sa nakaraang labindalawang buwan (TTM) ay $47.88 bilyon habang may EPS (TTM) na 3.59, P/E (TTM) na 27.30, at ROE (TTM) na 14.94%. Samantala, ang dividend yield ay 3.57%.

Ang kumpanya ay nag-iintegrate ng AI sa buong operasyon nito, kabilang ang pagsusuri ng napakalaking dataset na sumasaklaw sa mga pampublikong rekord ng kalusugan, datos ng reseta, internal na datos, at mga claim ng medical insurance upang tukuyin ang mga potensyal na pasyente para sa mga clinical trial at i-optimize ang disenyo ng mga ito. Ayon sa Novartis, ang paggamit ng AI tool ay nagpadali, nagpagastos ng mas mababa, at nagpagaling ng pag-enroll ng mga pasyente sa mga trial.

2. Pfizer (PFE)

Ang research-based na biopharmaceutical na kumpanya ay may market cap na $163.238 bilyon at ang mga shares nito ay kasalukuyang nagte-trade sa $28.97, bumaba ng 43.58% ngayong taon. Ang revenue ng kumpanya sa nakaraang labindalawang buwan (TTM) ay $68.53 bilyon habang may EPS (TTM) na 1.82, P/E (TTM) na 15.88, at ROE (TTM) na 11.05%. Samantala, ang dividend yield ay 5.67%.

Ang Pfizer (PFE ) ay nagpapakita ng malaking interes sa paggamit ng AI upang mapabuti ang kanilang mga pagsisikap sa drug discovery. Nakipag-partner ang kumpanya sa maraming AI companies, tulad ng CytoReason, Tempus, Gero, at Truveta. Samantala, upang mapabuti ang kanilang oncology clinical trials, pumasok ang Pfizer sa isang data-sharing agreement sa oncology AI company na Vysioneer, na mayroon ding FDA-cleared na AI-powered brain tumor auto-contouring solution na tinatawag na VBrain.

Bilang karagdagan sa paglikha ng isang ML research hub upang bumuo ng mga bagong predictive model at tool, nakipag-partner din ang Pfizer sa isa sa pinakamalaking cloud provider na Amazon Web Services para sa paggamit ng cloud computing sa drug discovery at manufacturing. Ang partnership na ito ay naging napakahalaga “sa panahon ng COVID-19 pandemic… sa iba’t ibang aspeto ng pag-develop ng bakuna, mula sa manufacturing hanggang sa clinical trials.”

3. AstraZeneca (AZN)

Ang biopharmaceutical na kumpanya ay may market cap na $200.8 bilyon, at ang mga shares nito ay kasalukuyang nagte-trade sa $64.86, bumaba ng 4.44% ngayong taon. Ang revenue ng kumpanya sa nakaraang labindalawang buwan (TTM) ay halos $45 bilyon habang may EPS (TTM) na 1.89, P/E (TTM) na 34.29, at ROE (TTM) na 16.30%. Samantala, ang dividend yield ay 2.22%.

Ang Anglo-Swedish na drugmaker ay nag-iinvest sa AI upang suriin ang komplikadong biological data para sa drug discovery at nakikipagtulungan sa mga AI companies upang mapabuti ang kanilang kakayahan sa pananaliksik. Kamakailan lamang, pumirma ang AstraZeneca (AZN ) ng kasunduan na nagkakahalaga hanggang $247 milyon sa AI-based na biologics drug discovery company na Absci upang magdisenyo ng antibody laban sa kanser. Ang biologics firm ay gumagamit ng generative AI upang makuha ang pinakamainam na kandidato ng gamot batay sa mga katangian tulad ng affinity, manufacturability, at safety, at iba pa.

Noong nakaraang buwan, nagtatag ang AstraZeneca ng isang health-technology unit na tinatawag na Evinova upang pabilisin ang inobasyon at dalhin ang AI sa mga clinical trial. Nakuha rin ng kumpanya ang maagang access sa AI-driven ‘digital twins’ at pumasok sa isang AI-powered drug discovery pact sa Verge Genomics sa pamamagitan ng kanilang rare disease division, Alexion.

4. BenevolentAI SA (BAI.AS)

Ang AI-enabled na kumpanya ng drug discovery at development ay may market cap na $86.45 bilyon, at ang mga shares nito ay kasalukuyang nagte-trade sa $0.545, bumaba ng 84.43% ngayong taon. Ang EPS (TTM) ng kumpanya ay 0.75, at P/E (TTM) ay 0.72.

Ang BenevolentAI ay isang clinical-stage na kumpanya na naglalayong gamutin ang atopic dermatitis pati na rin ang mga potensyal na paggamot para sa mga chronic disease at kanser. Gumagamit ito ng predictive AI algorithms upang suriin at kunin ang kinakailangang insight mula sa magagamit na datos at siyentipikong literatura. Noong Mayo ng taong ito, bilang bahagi ng isang strategic plan upang ihanda ang sarili para sa isang bagong yugto sa AI, ibinahagi ng kumpanya na babawasan nito ang gastusin at magpapalaya ng net cash upang dagdagan ang kanilang financial flexibility.

May itinatag na partnership ang kumpanya sa iba pang malalaking pharmaceutical companies tulad ng GSK at Novartis, habang ang kanilang kolaborasyon sa AstraZeneca ay para sa pag-develop ng mga gamot para sa fibrosis at chronic kidney disease. Ilang buwan na ang nakalipas, nakipagtulungan din ang BenevolentAI sa Merck KGaA (MRK.DE ) upang gamitin ang kanilang expertise sa oncology at neuroinflammation at suportahan ang AI-driven drug discovery plans ng kumpanya sa pamamagitan ng pagtutok sa paghahanap ng mga viable small molecule candidates.

Mga Pangwakas na Kaisipan

Tulad ng nakita natin, may napakalaking potensyal ang AI upang mapabuti ang diagnosis at paggamot ng mga sakit sa utak. Maaari rin itong tumulong sa pag-predict ng mga disorder sa utak batay sa maliliit na paglihis mula sa normal na aktibidad ng utak, na nagreresulta sa mas magagandang kinalabasan para sa pasyente at mas epektibo at mahusay na sistema ng pangangalagang pangkalusugan. Gayunpaman, dapat tandaan na ang pagsasanib na ito ng AI at utak ng tao ay hindi walang mga etikal na alalahanin at kaya’t nangangailangan ng mahigpit na mga patakaran sa privacy.