Razgovor ugodni umjetne inteligencije i Tamare Čačev.

Umjetna inteligencija otvara značajne mogućnosti ne samo za otkriće novih proteina i razvoj novih lijekova, već i za personalizaciju medicine, prilagođavanje dijagnoza i terapija kako bi one bile optimalne za pojedinca kojem su namijenjene, piše Tamara Čačev. Automatizacija istraživačkih procedura oslobodila bi stručnjake da se bave kreativnijim dijelom znanstvenih istraživanja, a analiza i sažimanje opširnih informacija mogli bi olakšati interdisciplinarnost i suradnju između različitih specijalizacija unutar srodnih ali različitih područja istraživanja.

• Naslovna ilustracija: Humanoidni robot u futurističkom medicinskom laboratoriju (Midjourney v6)

• Dr. sc. Tamara Čačev viša je znanstvena suradnica u Zavodu za molekularnu medicinu Instituta Ruđer Bošković. Čačev je također članica Savjeta Ideje.hr

Umjetna inteligencija (AI, artificial intelligence) je pojam kojim nas bombardiraju intenzivno proteklih dvije godine iako se naravno radi o području na kojem se radi već desetljećima. No, zahvaljujući prodoru ovih modela prema širokim masama u posljednje vrijeme gotovo nema dana da ne naletimo na neki članak/TV prilog/podcast s tom tematikom. Naravno, najčešći narativi, kada takvi tehnološki iskoraci dopiru do relativno nezainteresiranih pojedinaca koji nisu dosad imali ni kontakta niti potrebe za time, su ili kataklizmični ili (pre)optimistični. Spektar je širok od toga da će nas AI sve eliminirati, ako ne fizički, onda barem s tržišta rada, do toga da, eto, i nećemo morati raditi jer će umjetna inteligencija toliko dignuti produktivnost pa ćemo lijepo doma učiti svirati harfu dok trošimo tzv. basic income.

Što će od toga biti ne zna nitko ali se nazire je da bi umjetna inteligencija mogla predstavljati puno veći iskorak od onih koje su donijeli izumi tiskarskog ili parnog stroja, ili računala i interneta. Primjene su goleme i gotovo da ovise samo o našoj inovativnosti, od toga da djeci smišljamo pričice za laku noć sa zadanim likovima, do toga da imamo virtualnog asistenta koji će biti brži i učinkovitiji od većine ljudskih ekvivalenata. Već danas svatko od nas može iskoristiti besplatne verzije umjetne inteligencije da napišu tekst o bilo kojoj tematici na bilo kojem jeziku, koji će biti generiran u sekundi i s visokom razinom točnosti. Ako ne znate jezike, nema veze, umjetna inteligencija će prevesti i preformulirati svaku vašu rečenicu na tisuću i jedan način na koji se vi ne biste dosjetili ni u milijun godina jer jednostavno ljudske sposobnosti ne mogu obuhvatiti toliku količinu znanja i tekstova koje će umjetna inteligencija „izvrtjeti“ u djeliću sekunde, a o domenskim sofisticiranim primjenama u svim strukama  da i ne govorimo. Mnogi će na to odmahnuti rukom i reći to se neće dogoditi za mog života ili barem dok ne odem u mirovinu, no to se događa već danas i transformacija društva će se odvijati puno brže nego što se to primjerice dogodilo kod masovnog uvođenja osobnih računala u radni proces.

Osobni AI alati koji su već danas dostupni svima: Microsoft Copilot, OpenAI ChatGPT i Google Gemini

Neki korištenje ovih alata smatraju „varanjem“, pogotovo ako se radi o korištenju pri rješavanju školskih zadataka, jer se smatra kako je trud koji učenik na taj način ulaže u proces učenja minimalan. Vjerojatno biste smatrali varanjem i korištenje umjetne inteligencije u pisanju ovog teksta i, da vas odmah umirim, sve gore napisano je plod mojeg mozga, iako ne sumnjam da bi to AI napravio možda i bolje od mene. Također, još prošle godine su neki znanstveni časopisi u svoja pravila uvrstili i to da se AI ne može koristiti u generiranju znanstvenih članaka, iako, ukoliko rezultati nisu izmišljeni ne vidim zašto ovakav alat ne bi pomogao nekome tko nije izvorni govornik engleskog jezika da ljepše upakira svoje rezultate u čitljiv tekst. Ta ideja da korištenjem alata koji povećavaju našu produktivnost i daju nam prednosti koje nismo stekli godinama provedenim nad knjigom zapravo „varamo“ jest nešto čime će se vjerojatno baviti sociolozi, iako je to izgubljena bitka jer će oni koji ne koriste umjetnu inteligenciju naprosto zaostajati.

No, da vidimo što sam AI (Googleov Gemini i OpenAI GPT-4) misli o tome kako bi se mogao primijeniti u području molekularne biologije i medicine. Evo što mi je u svojstvu eksperta u području molekularne biologije (zadala sam mu takvu poziciju pri generiranju odgovora kako mi ne bi davao previše banalne odgovore) predložio:

Nedavno nam je AI po prvi puta omogućio da predvidimo strukturu složenih molekula kao što su proteini što se još u doba mojeg studiranja smatralo nerješivim problemom. O algoritmu AlphaFold već sam pisala, a on omogućava da predvidimo prostorne strukture proteina koje su jedine zapravo relevantne za spoznaju njegove funkcije. Do njih se često nije moglo doći klasičnim metodama kristalografije. Sada, kada možemo na temelju sekvence predvidjeti trodimenzionalnu strukturu proteina, možemo i dizajnirati nove lijekove koji će biti apsolutno prilagođeni aktivnim mjestima u proteinu te na taj način vezanjem utjecati na njegovu funkciju. Ovaj pristup je otključao sasvim nove klase lijekova, koje su nam do prije koju godinu bile apsolutno nezamislive i nedostupne.  Kada jednom znate strukturu nekog proteina, AI može dizajnirati i poboljšanu verziju takvog proteina, koja se može dalje koristiti kao alat u istraživanjima ili kao potencijalni terapeutik.

Drugo veliko područje gdje AI vidi svoju primjenu je personalizirana medicina, pod čime se podrazumijeva bolja stratifikacija oboljelih te predviđanja rizika koji za njih bolest predstavlja, i to na temelju podataka dobivenih analizom njihovog genoma, proteoma, metaboloma te povijesti bolesti. O tome se već dugo priča no takav integrativni, multiomski pristup nikad nije zaživio u praksi osim kao proof of concept u najbogatijim kliničko-istraživačkim centrima u svijetu. Možda upravo AI bude ta prekretnica koja će ovakav pristup omogućiti prosječnom pacijentu. Ideja ovakvog pristupa jest na temelju analiziranih podataka osmisliti preventivne i terapijske postupke namijenjene točno tome oboljelom. Također, u slučaju da za osobu postoji mogućnost odabira više terapijskih opcija, AI ima potencijal predvidjeti koja bi od tih opcija imala najpovoljniji učinak s najmanje neželjenih posljedica, te sugerirati kako bi se s njom najprije trebalo krenuti u liječenje oboljelog.

Uz razvoj pametnih satova i drugih uređaja sa senzorima koji omogućavaju kontinuirano praćenje bitnih parametara bolesti, poput razine šećera u krvi ili tlaka i srčanog ritma, AI može pratiti stanje bolesnika u stvarnom vremenu te mu ukazati na odstupanja na koja bi morao obratiti pozornost. Na taj način bi se dodatno skratila vremena hospitalizacije te bi se oboljeli pratili „na daljinu“ u svojim domovima. Kako će se generirati sve više podataka o svakom oboljelom moći će se podići razina kompleksnosti praćenja stvaranjem prediktivnih modela progresije bolesti. Ideja takvih modela je da se bolesti „uhvate“ u što ranijoj fazi, da se progresija bolesti kontinuirano prati te da se njoj prilagođava i terapija. Poznato je da je jedan od problema upravo praćenje oboljelih i njihove adherencije terapiji koja, ukoliko se sami proaktivno ne jave na kontrole, može s vremenom postati neadekvatna. Kontinuirano praćenje putem senzora i adekvatno doziranje terapije sasvim sigurno bi poboljšalo kvalitetu života bolesnika.

Ulogu u analizi i prekrajanju genoma AI također smatra bitnom budući da, analizom ogromnih baza podataka, može prepoznati asocijacije kompleksnih bolesti s genima koji su za njih odgovorni, jer one u podlozi imaju promjene u velikom broju gena i njihovih međusobnih interakcija. Sposobnost analize ogromnog broja interakcija omogućava da se, po prvi puta, uz pomoć velikog broja parametara, opišu i kompleksni biološki sustavi poput stanica i organa te da se, iz tog višeg reda kompleksnosti, sagledaju moguće intervencije u takve sustave prije uspostave eksperimentalnog modela koji najviše obećava. Osim analize našeg genoma, AI predviđa da će biti koristan u analizama genoma svih živih bića na zemlji, kao i mikroorganizama po čijem svijetu smo tek površinski zagrebali a ima potencijal da u njemu pronađemo nove enzime (primjerice one koji bi „pojeli“ plastiku) ili sintetske puteve za spojeve koje danas ne možemo ili nam ih je skupo sintetizirati kemijski u velikim količinama.

Svi koji se bave eksperimentalnim radom znaju kako to zna biti repetitivno i dugotrajno, naprosto se neki uzorci moraju analizirati nekom metodom koja traži određeno vrijeme na apsolutno identičan način kako bi rezultati bili reproducibilni. Kada se jednom uspostavi protokol, mora ga se slijediti i nema tu neke dodatne ingenioznosti barem dok proces ne zapne. Ovakve procese bi se naravno moglo automatizirati, što se dijelom i radi u farmaceutskoj industriji, no AI roboti bi svakako to mogli dignuti na višu razinu te bi se vrijeme eksperimentalnih znanstvenika oslobodilo za kreativnije elemente istraživačkog rada. Također, od prepuštenosti znanstvenika samima sebi i čitanju članaka koji su im bili dostupni, došli smo do izobilja znanstvenih radova koje jedna osoba sve teže uspijeva pratiti te se često danas troši poprilično vremena na gomile toga što se mora mentalno „apsorbirati“ kako bi se osmislio neki eksperiment. Stoga nije teško zamisliti AI koji bi na temelju znanstvene literature predložio najoptimalniji dizajn eksperimenta kako se ne bi lutalo u optimizacijama te imalo problema s reproducibilnošću.

AI se vidi i u poticanju interdisciplinarnosti te „križanju“ znanja iz različitih niša znanstvenih istraživanja. Vjerojatno ste, ukoliko se bavite nekom strukom koja zahtijeva kontinuirano praćenje napretka u određenim domenama, u nekom trenutku shvatili da vam, eto, baš fali nekih znanja iz neke relativno bliske domene. Bili ste previše fokusirani na svoje područje, te jednostavno niste pratili druga i stoga ne možete tako lako pohvatati konce iako je i jedno i drugo, primjerice, molekularna biologija, a ta vam je ekspertiza odjednom neophodna. Dakako, možete mjesecima proučavati neko područje, no analiza literature korištenjem AI će ovaj proces ubrzati do limita naše sposobnosti da to usvojimo, te nam omogućiti da shvatimo bitne postavke tog područja, najrelevantnije studije i znanstvenike/stručnjake koji bi vam mogli pomoći da povežete svoje područje s njihovim u neusporedivo manje vremena.

Postavlja se pitanje hoće li AI spustiti prag znanja koje je potrebno za korištenje molekularne biologije u negativne svrhe, poput bioterorizma

U medicini se AI vidi u analizi slikovnih podataka, od CT snimaka do patohistoloških preparata, zapravo svih pretraga koje rezultiraju slikom/snimkom koje specijalist treba analizirati. Nije teško zamisliti da bi AI, treniran na velikom broju patohistoloških preparata nekog izrazito rijetkog tumora sakupljenih diljem svijeta, bio velika pomoć nekom patologu koji je možda u cijeloj karijeri vidio jedan ili niti jedan takav preparat. Također, ako bi se pregledavanje takvih snimaka moglo barem dijelom rutinizirati uz pomoć AI, tako da specijalist analizira samo one snimke koje su odstupanja od „zdravog“ (a jasno je da je popriličan broj toga što se pogleda u radnom danu uredan nalaz), tada bi se i cijeli proces ubrzao.

Naravno, postoji i zabrinutost za privatnost i etičnost korištenja baza podataka u kojima se nalaze biološki parametri oboljelih. Također, postavlja se pitanje hoće li AI spustiti prag znanja koje je potrebno za korištenje molekularne biologije u negativne svrhe, poput bioterorizma ili razvoja neurotoksina. Pravna regulativa, naravno, opet kaska za mogućnostima za malignu upotrebu umjetne inteligencije, a s druge pak strane pretjerana regulacija područja će vjerojatno usporiti njegov razvoj i to upravo u onim državama koje nametnu pravna ograničenja, dok ih se drugi neće morati držati. Ipak, kao i toliko puta u povijesti progres se ne može zaustaviti, stoga ću završiti s optimističnim predviđanjem jednog od suosnivača DeepMinda, koji očekuje da bi AI u razumijevanju i opisivanju bioloških procesa u 21. stoljeću mogao imati upravo ulogu koju je matematika imala u napretku fizike 20. stoljeća.

• Dodatna literatura

1. Congressional Research Service: Artificial Intelligence in the Biological Sciences: Uses, Safety, Security, and Oversight (2023).