Η RetiSpec έχει αναπτύξει έναν αλγόριθμο τεχνητής νοημοσύνης (AI) που, σύμφωνα με την εταιρεία, μπορεί να αναλύσει τα αποτελέσματα από έναν οφθαλμικό σαρωτή και να ανιχνεύσει σημάδια της νόσου Αλτσχάιμερ 20 χρόνια πριν εμφανιστούν τα συμπτώματα.
Το εργαλείο αποτελεί μέρος της ευρύτερης δουλειάς νεοφυών επιχειρήσεων και ερευνητών για να αξιοποιήσουν την τεχνητή νοημοσύνη ώστε να ξεκλειδώσουν τα μυστήρια μιας ασθένειας που ταλαιπωρεί εκατομμύρια ανθρώπους σε όλο τον κόσμο.
Εδώ και πολλά χρόνια, οι άνθρωποι μελετούν μεμονωμένα χαρακτηριστικά της νόσου Αλτσχάιμερ, όπως η φλεγμονή του εγκεφάλου και ο νευροεκφυλισμός, αλλά τα ακριβή αίτια της νόσου παραμένουν άγνωστα. Η τεχνητή νοημοσύνη, λένε οι ερευνητές, θα μπορούσε να ανοίξει μια νέα εποχή στη διάγνωση της νευρολογικής νόσου που παραμένει δύσκολο να εντοπιστεί, πόσο μάλλον να αντιμετωπιστεί.
«Υπάρχει ακόμα ένα τεράστιο κενό που ουσιαστικά δεν καταλαβαίνουμε για τον εγκέφαλο και τον τρόπο λειτουργίας του», δήλωσε ο Eliav Shaked, συνιδρυτής της RetiSpec. «Η δύναμη στην τεχνητή νοημοσύνη είναι ότι μπορεί να βοηθήσει να συνδέσουμε τις τελείες».
Τα μάτια στο επίκεντρο της AI για τη διάγνωση του Αλτσχάιμερ
Μια άλλη εταιρεία, η Neurovision με έδρα το Σακραμέντο της Καλιφόρνια, στοχεύει να χρησιμοποιήσει τη μηχανική εκμάθηση για να αναπτύξει σαρώσεις αμφιβληστροειδούς και εξετάσεις αίματος ώστε να εντοπίσει άτομα που κινδυνεύουν να αναπτύξουν νόσο Αλτσχάιμερ και άλλες μορφές άνοιας.
Το μοντέλο AI της εταιρείας αναλύει τις οφθαλμικές σαρώσεις για ανωμαλίες όπως η συσσώρευση ορισμένων πρωτεϊνών ή αιμοφόρων αγγείων με συγκεκριμένο σχήμα, που σχετίζονται με τη νόσο Αλτσχάιμερ, δήλωσε ο Steven Verdooner, συνιδρυτής της Neurovision.
Μπορεί να είναι δύσκολο για τους ανθρώπους να διακρίνουν τέτοια σημάδια στις εξετάσεις. Πολλές ακτινογραφίες έχουν σκοτεινές περιοχές και οι εναποθέσεις πλάκας μπορεί να είναι πολύ μικρές. «Το ανθρώπινο μάτι δεν μπορεί να τα διακρίνει πολύ καλά. Ο αλγόριθμος κάνει καλύτερη δουλειά», είπε ο Verdooner.
Στην Ιατρική Σχολή του Πανεπιστημίου της Αριζόνα, ο αναπληρωτής καθηγητής νευρολογίας Rui Chang κατασκεύασε ένα μοντέλο τεχνητής νοημοσύνης που στοχεύει στον εντοπισμό γενετικών παραγόντων που συνδέονται με τη νόσο Αλτσχάιμερ. Η παραδοσιακή προσέγγιση που ακολουθούν οι ερευνητές είναι εξαιρετικά αργή, δήλωσε ο ίδιος στην Wall Street Journal.
Η τεχνητή νοημοσύνη μπορεί να απορροφήσει ολόκληρο το δάσος πληροφοριών ταυτόχρονα και να βρει μοτίβα που οι άνθρωποι δεν μπορούν. Το μοντέλο χρειάστηκε δύο μήνες για να εντοπίσει 6.000 γονιδιακούς στόχους που, εάν καταστραφούν ή ανασταλούν, θα μπορούσαν να αλλάξουν τον τρόπο με τον οποίο αναπτύσσεται η νόσος Αλτσχάιμερ.
Ο Δρ. Chang ίδρυσε μια εταιρεία, την Path-Biotech, η οποία θα ξεκινήσει κλινικές δοκιμές το επόμενο έτος με βάση την έρευνά του για την τεχνητή νοημοσύνη.
Ωστόσο, οι τρέχουσες τεχνικές για την αναγνώριση της νόσου είναι ακριβές και δύσκολες. Τα άτομα με συμπτώματα μπορούν να υποβληθούν σε εξέταση PET για να δουν εάν έχουν υψηλά επίπεδα αμυλοειδούς και στελέχη της πρωτεΐνης tau, η οποία βρίσκεται επίσης συνήθως σε ασθενείς με νόσο Αλτσχάιμερ.
Οι εξετάσεις είναι πολύ ακριβείς, γεγονός που τις καθιστά το χρυσό πρότυπο διάγνωσης, δήλωσε η Catherine Bornbaum, διευθύντρια επιχειρήσεων της RetiSpec. Σε σύγκριση με τα αποτελέσματα της νεκροψίας -ο μόνος τρόπος για να πει κανείς με βεβαιότητα εάν ένας ασθενής έπασχε από Αλτσχάιμερ όταν πέθανε- το ποσοστό επιτυχίας της διαγνωστικής σάρωσης PET είναι κοντά στο 90%. Αλλά τα μηχανήματα δεν είναι ευρέως διαθέσιμα, οι σαρώσεις είναι ακριβές και η διάγνωση μπορεί να διαρκέσει εβδομάδες.
Πώς λειτουργεί η AI στη βιοτεχνολογία
Οι τεχνολογίες τεχνητής νοημοσύνης θα μπορούσαν να επιταχύνουν τη διαδικασία της διάγνωσης και να την καταστήσουν φθηνότερη. Το AI του RetiSpec διαβάζει σαρώσεις από μια κάμερα που μπορεί να προσαρτηθεί σε μηχανήματα που είναι ήδη διαθέσιμα στα περισσότερα οφθαλμολογικά ιατρεία, για παράδειγμα.
Η κάμερα μετρά ένα ευρύτερο μέρος του φάσματος από αυτό που μπορεί να δει το ανθρώπινο μάτι, γεγονός που επιτρέπει στο AI να ανιχνεύει μοναδικές οπτικές υπογραφές που αντιστοιχούν στην παρουσία αμυλοειδούς στον εγκέφαλο. Το μοντέλο, το οποίο παρέχει αποτελέσματα ακαριαία, ήταν 80% ακριβές στην ανίχνευση τέτοιων υπογραφών σε μια πρόσφατη μελέτη 271 ασθενών.
Τα εργαλεία τεχνητής νοημοσύνης στην ιατρική έρευνα μπορούν να αποδώσουν καλά σε κλινικές δοκιμές, αλλά καταρρέουν σε καταστάσεις της πραγματικής ζωής, δήλωσε με τη σειρά του ο Matt Leming, ερευνητής στο Γενικό Νοσοκομείο της Μασαχουσέτης. «Τα μοντέλα βιοτεχνολογίας AI είναι περίεργα», ανέφερε χαρακτηριστικά
Τα μοντέλα τεχνητής νοημοσύνης όπως το ChatGPT είναι καλά στην ανάλυση και τη μίμηση της γραφής, για παράδειγμα, επειδή μαθαίνουν από κείμενο που συγκεντρώνεται στο διαδίκτυο. Τα ιατρικά δεδομένα όμως είναι σπάνια και προσωπικά.
Αυτό σημαίνει ότι η τεχνητή νοημοσύνη στη βιοτεχνολογία έχει ένα πιο περιορισμένο δείγμα για να μάθει και τα αποτελέσματά της μπορούν εύκολα να απορριφθούν λόγω ευρύτερης διαφοροποίησης στις περιπτώσεις που συναντά σε μια κλινική σε σύγκριση με πιο ελεγχόμενες εργαστηριακές ρυθμίσεις.
Ο Δρ. Chang ότι προσπάθησε να ξεπεράσει αυτό το πρόβλημα χρησιμοποιώντας μαθηματικά μοντέλα που ελαχιστοποιούν τα λάθη και βελτιώνουν την ακρίβεια πρόβλεψης. Η RetiSpec έχει λάβει δείγματα από 14 ερευνητικούς εταίρους, από τους οποίους συγκεντρώνει δείγματα από φυλετικά και κοινωνικοοικονομικά διαφορετικές κοινότητες. Η Neurovision από την άλλη πήρε δείγματα από διαφορετικά σύνολα δεδομένων και τα δοκίμασε σε σχέση με άλλα για να ελαχιστοποιήσει τα λάθη.