Špičkový vedec Vivek Natarajan pracuje v Googli hneď na dvoch projektoch, ktoré môžu spôsobiť revolúciu. Jeden v medicíne a druhý rovno v celej vede.
Stal sa z toho často opakovaný vtip. Máte zdravotný problém? Spýtajte sa doktora Googla. Naťukajte svoje ťažkosti a obavy do vyhľadávača a algoritmy vás cez obrazovku a klávesnicu perfektne diagnostikujú. Lekári to vidia veľmi neradi, oprávnene tušia, že od skutočnej lekárskej starostlivosti to má ďaleko.
A potom je tu Vivek Natarajan, jeden z hlavných vývojárov v Google DeepMinde, ktorý stavia skutočného doktora Googla. S tým sa však radiť nebudete. Po radu za ním totiž budú chodiť rovno ľudia v bielych plášťoch. Projekt Med-PaLM pod krídlami amerického giganta zo Silicon Valley sa pod vedením Natarajana začal formovať pred štyrmi rokmi a šiestimi mesiacmi.
„Mám dojem, že keď sme s ním začínali, nikto o využívaní veľkých jazykových modelov v medicíne ani neuvažoval,“ hovorí skromne pôsobiaci výskumník, keď sedíme pri malom stolíku vo varšavskom konferenčnom centre.
Pravdepodobnosť, že sa práve nachádzame pod strechou s ľuďmi, ktorí zásadne zmenia život každého jedného človeka na planéte, je vysoká. Zišli sa sem totiž v rámci konferencie Google Research jedny z najbystrejších mozgov, ktoré medzi výskumníkmi v ikonickej technologickej spoločnosti nájdete.
Zástupca z Google Earth tu prezentuje nástroj, ktorý by mal vedieť predpovedať aj bleskové povodne v mestách s predstihom 24 hodín či simulovať vývoj lesných požiarov. Alebo pomocou mobilných telefónov vytvoril najväčšiu detekčnú sieť sveta, ktorá vie počas niekoľkých sekúnd určiť epicentrum a silu zemetrasenia a vyslať okamžité varovania.
Iný projekt sa venuje konektomike, ktorá mapuje všetky neurónové spojenia v ľudskom mozgu. Len samotných neurónov je v ňom okolo 86 miliárd a každý z nich má tisíce spojení. Potenciálne množstvo dát potrebných na kompletný model je preto takmer nepredstaviteľné.
Pre predstavu: jeden kubický milimeter mozgu, čo je oblasť zhruba vo veľkosti zrnka cukru, vytvorí okolo 1,4 petabajtu dát. Teda 1 400 terabajtov. To je kapacita asi 1 400 moderných notebookov, ktoré by vytvorili rad dlhý 450 metrov. Aj tak však Vivek Natarajan, ktorý vyučuje aj na Harvarde, so svojím projektom Med-PaLM vyčnieva. Má to byť nástroj, ktorý si osvoja lekári priamo v klinickej praxi.
Na vašej diagnóze alebo stanovení liečby sa môže už čoskoro podieľať rovnakou mierou ako doktor z mäsa a kostí. „Spočiatku to bol hlavne výskumný projekt, vždy musíte začať pri výskume. Projekt mal dva hlavné ciele. Najprv zistiť objem lekárskych znalostí obsiahnutých vo veľkých jazykových modeloch a následne overiť, či ich dokážeme rýchlo a bezpečne adaptovať na praktické využitie v medicíne,“ opisuje Natarajan.
Ako spoznáte, že je váš AI model na úrovni ľudského vyštudovaného lekára? Dáte mu predsa rovnaký set testov, ktoré musia muži a ženy pri vstupe do sveta medicíny skladať. To Natarajanov tím presne urobil. Nechal Med-PaLM zložiť americkú trojstupňovú skúšku, pri ktorej musia ľudskí uchádzači prekročiť aspoň šesťdesiat percent úspešnosti.
A aký úspešný bol Med-PaLM? Prečítajte si sami.
Ako si vaše modely viedli?
Predchádzajúce špecializované systémy umelej inteligencie dosahovali v týchto testoch maximálne dvadsať až tridsať percent úspešnosti. S príchodom veľkých jazykových modelov, konkrétne Med-PaLM a neskôr Med-PaLM 2, sme však zaznamenali skok na viac než deväťdesiat percent. Daný benchmark sa nám tak podarilo prakticky vyčerpať. Neuveriteľné na tom je, že k tomuto pokroku došlo počas šiestich mesiacov.
Je však potrebné podotknúť, že išlo stále o model školený primárne na odpovedanie na otázky a tvorbu zhrnutí. To z neho však nutne nerobí systém použiteľný pre skutočné klinické prostredie alebo pre kontakt s pacientmi. Týmto míľnikom sa prvá fáza projektu síce skončila, naša práca však pokračuje ďalej. V rámci projektu AMIE vyvíjame jednotlivé komponenty toho, čo si predstavujeme pod pojmom AI spolupracovník pre klinickú prax.
V ČLÁNKU ZAZNIE:
- Ako si viedli Natarajanove modely pri skutočných lekárskych skúškach?
- Prečo je dôležité dávať si pozor na kultúrne predsudky pri medicínskej AI?
- Čo sa stane, keď necháte AI agentov viesť vedeckú dišputu?
V ideálnom prípade budete mať systém, ktorý nepracuje len s textom, ale aj s videom, rečou, obrázkami a podobne, však?
Všetci si uvedomujeme, že medicína je zo svojej podstaty multimodálna disciplína. Jasné, lekár a pacient sa spolu rozprávajú pomocou jazyka, ale samotná diagnostika sa opiera o celý rad vstupov – od zobrazovacích metód až po genetické testy. Práve tu sa otvára obrovský priestor pre užšie prepojenie poznatkov z biológie s klinickou praxou. Často hovoríme o Moorovom zákone a o tom, ako sa výkon výpočtovej techniky rok čo rok exponenciálne zvyšuje. Dnes však paralelne prebieha ďalšia zásadná revolúcia: neuveriteľné zrýchlenie tempa, akým dokážeme analyzovať našu vlastnú biológiu na čoraz detailnejšej úrovni.
O akom veľkom detaile sa bavíme?
Mám na mysli všetky omické datasety, ktoré sú dnes k dispozícii a zahŕňajú komplexné súbory dát na rôznych úrovniach biologických systémov, od génov až po látkovú výmenu. Tie nám umožňujú veľmi presne merať molekulárne signatúry, teda špecifické súbory chemických znakov, ktoré slúžia ako unikátne identifikátory stavu našich buniek. Vďaka tomu môžeme analyzovať dáta o génovej expresii, ktorá nám odhaľuje, ako a v akej miere sa informácia uložená v génoch aktívne prepisuje do podoby funkčných produktov. Dôležitou súčasťou je aj sekvenovanie RNA a výskum proteomiky, teda rozsiahle štúdium štruktúry a funkcií proteínov, ktoré sú základnými stavebnými kameňmi a vykonávateľmi väčšiny procesov v našom tele.
Inými slovami máte zmapované všetky premenné?
Nejde len o premenné, ktoré samostatne sledujeme. Na tej najzákladnejšej úrovni máme teraz k dispozícii obrovské množstvo dát. Ak dokážeme porozumieť procesom prebiehajúcim vo vnútri ľudského tela v takomto jemnom a precíznom rozlíšení, získame úplne nový pohľad na fungovanie celého organizmu.
Čo nám to umožní?
V podstate tak získavame všetky dieliky skladačky potrebné na to, aby sa medicína stala skutočne personalizovanou disciplínou. Posledných päťdesiat či šesťdesiat rokov bola lekárska prax väčšinou založená na tom, že výskumníci na základe dát o jednej cieľovej populácii vyvinuli lieky a terapie, ktoré sa následne paušálne aplikovali na zvyšok sveta. Každý človek je však unikátny a má špecifické genetické charakteristiky, rovnako ako sa od seba líšia celé populácie.
Tento tradičný prístup síce priniesol slušné výsledky, ale v súčasnosti už prestáva stačiť. Verím, že nadchádzajúca éra patrí precíznej medicíne. V nej budeme kombinovať diagnostické zobrazovanie s extrémne presnými molekulárnymi signatúrami v najvyššom možnom detaile. Vďaka tomu budeme schopní robiť vysoko personalizované rozhodnutia, ktoré povedú k optimálnemu zdraviu a celkovej životnej pohode každého jednotlivca.
Mám to chápať tak, že mi AI umožní lekársku starostlivosť na úrovni, akoby sa tímy špecialistov starali výhradne o mňa?
