Bagaimana 'ChatGPT penjagaan kesihatan' boleh mempercepatkan rawatan artritis reumatoid

Syarikat permulaan komputer AI Cerebras dan Mayo Clinic mencadangkan model asas untuk genomik dan penyakit.

Berikutan kejayaan siri model bahasa besar GPT OpenAI, semakin banyak institusi mencadangkan model "asas" untuk kecerdasan buatan yang, seperti GPT, "pra-terlatih" untuk mempunyai keupayaan yang sangat luas dalam domain pengetahuan. Kami melihat ini minggu lepas dengan Ketua Pegawai Eksekutif Nvidia Jensen Huang mencadangkan "model asas dunia" untuk kenderaan autonomi dan robot.

Pada hari Selasa, di Persidangan Penjagaan Kesihatan JP Morgan tahunan di San Francisco, permulaan komputer AI Cerebras Systems dan kuasa penyelidikan perubatan Mayo Clinic membentangkan penemuan tentang apa yang mereka panggil model asas untuk genomik yang boleh menggoda akar genetik keadaan yang diwarisi. Matlamatnya adalah untuk "membina ChatGPT penjagaan kesihatan," menurut Cerebras dan Mayo Clinic.

Kejayaan pertama kerjasama selama setahun ialah keupayaan yang berpotensi untuk meramalkan tindak balas ubat daripada pesakit dengan artritis reumatoid. Kejayaan yang berpotensi itu boleh, kata syarikat itu, "mempercepatkan masa diagnostik dengan ketara dan meningkatkan ketepatan."

"Sangat menarik kerja yang telah dilakukan oleh pasukan kami bersama-sama, sesuatu yang selalu kami dengar, iaitu anda akan dapat meramalkan tindak balas terhadap terapi," kata Dr. Matthew Callstrom, MD, pengarah perubatan Mayo Clinic untuk strategi dan pengerusi radiologi, dalam temu bual yang kami jalankan sebelum pembentangan. Callstrom menyelia pasukan di Mayo yang bekerjasama dengan Cerebras. 

"Ia mungkin akan menjadi nyata dalam beberapa tahun akan datang kerana kami mengambil kesempatan menggunakan model asas ini dan menggunakan data yang bukan teks," kata Callstrom.

Matthew Callstrom [kiri], pengarah perubatan Mayo Clinic untuk strategi, dan Ketua Pegawai Eksekutif Cerebras Andrew Feldman.

"Terdapat model asas untuk bahasa, terdapat model asas untuk lipatan protein, dan kerja yang telah dilakukan oleh Mayo pada peralatan kami ialah model asas untuk genomik," kata pengasas bersama dan Ketua Pegawai Eksekutif Cerebras Andrew Feldman dalam temu bual yang sama. 

Cerebras dan Mayo Clinic mula-mula mengumumkan perkongsian untuk bekerjasama dengan komputer AI Cerebras CS-3 setahun yang lalu. Cerebras menghabiskan beberapa bulan mendapatkan pensijilan HIPPAA untuk bekerja dengan data pesakit persendirian. Eksperimen telah dijalankan pada unit CS-3 yang beroperasi di kemudahan pengkomputeran awan Cerebras yang dikhaskan untuk The Mayo Clinic, dan semua data yang digunakan disimpan secara tempatan untuk mematuhi keperluan HIPAA.

"Perkongsian ini telah terungkap tepat seperti yang anda harapkan perkongsian mungkin di mana mereka membawa kepakaran domain, dan mereka mempunyai aset data dan kepakaran AI yang luar biasa," kata Feldman. "Dan kami membawa kepakaran AI dan pengiraan bertaraf dunia."

Sains hayat telah lama menggunakan rangkaian saraf untuk meramalkan sama ada perubahan dalam nukleotida DNA (salah satu asid nukleik individu DNA), guanin, adenin, sitosin atau timin boleh meramalkan keadaan yang boleh diwarisi seperti artritis reumatoid. 

Dalam kes model Cerebras-Mayo, teknologi itu sebaliknya beroperasi pada kumpulan perubahan nukleotida, untuk menggunakan persimpangan perubahan DNA untuk mendapatkan kuasa ramalan yang lebih besar. 

Model asas terdiri daripada satu bilion parameter, atau pemberat saraf, untuk menyaring data, yang dinyatakan oleh Feldman adalah 10 kali lebih besar daripada AlphaFold Google DeepMind, yang dianggap sebagai model asas untuk masalah lipatan protein. 

Model Cerebras-Mayo telah dilatih terlebih dahulu pada satu trilion token, gabungan data genomik sumber terbuka dan data pesakit dalaman Mayo, yang dipanggil Tapestry, untuk sejumlah 100,000 data pesakit.

Menurut Feldman dan Callstrom, data genomik individu yang spesifik dalam Tapestry -- bukannya data generik yang ideal daripada domain awam -- menyumbang kepada peningkatan ketepatan model. 

"Mayo mempunyai salah satu set data terhebat di bumi," kata Feldman. "Mereka telah menjadi pemimpin selama beberapa dekad dalam berfikir dengan teliti tentang data dalam domain perubatan, dan kini, mereka mencari cerapan di dalamnya, dan itulah yang anda ramalkan bertahun-tahun yang lalu."

Artritis reumatoid ialah keadaan yang melumpuhkan yang menjejaskan 1.3 juta orang. Sehingga kini, standard penjagaan adalah untuk menghalang perkembangan keradangan melalui rawatan percubaan dan kesilapan dengan ubat kemoterapi yang dipanggil methotrexate.

Para saintis telah mendapati keadaan itu 60% boleh diwarisi, bermakna terdapat lebih daripada 50-50 peluang seseorang menghidap keadaan berdasarkan susunan genetik mereka.  

"Artritis reumatoid ialah penyakit autoimun yang agak biasa yang menyebabkan keradangan sendi," jelas Callstrom. "Rawan terhakis, dan anda mendapat tulang pada tulang, dan, selalunya, salah jajaran sendi."

"Matlamatnya adalah untuk menahan keradangan lebih awal," kata Callstrom, kerana artritis reumatoid adalah keadaan kekal. "Dan masalah dengan artritis reumatoid ialah, anda tidak tahu apa yang akan bertindak balas oleh pesakit." Hanya 40% pesakit, secara purata, bertindak balas terhadap methotrexate, katanya. Mereka yang tidak bertindak balas perlu melalui satu lagi pusingan rawatan dengan terapi lain. 

"Ia bukan perkara biasa bagi pesakit untuk melalui pelbagai usaha ubat untuk melihat sama ada mereka boleh menahan perjalanan penyakit itu," kata Callstrom. 

Model asas baharu bukan sahaja memfokuskan pada genom pesakit tertentu Tapestry tetapi kemudian juga "memperhalusi" model menggunakan data Mayo Clinic daripada 500 pesakit yang diketahui telah bertindak balas terhadap rawatan. 

"Kuncinya ialah pasukan reumatologi kami benar-benar menjejaki pesakit dan bagaimana mereka bertindak balas terhadap terapi, dengan methotrexate dan terapi sasaran lain, dan menyimpan pangkalan data yang luar biasa sebanyak 6,000 pesakit," jelas Callstrom. "Jika anda tidak memilikinya, anda akan mempunyai sekumpulan data pesakit, tetapi anda tidak akan tahu apa yang perlu diuji."

Model ini kemudiannya diuji semula untuk meramalkan apa yang berlaku kepada sampel pesakit yang menerima methotrexate -- dalam erti kata lain, model itu diuji untuk melihat sama ada ia boleh menjangkakan dengan tepat apa yang sebenarnya berlaku dalam ujian terapi sejarah.

"Anda boleh bayangkan melakukan perbandingan A/B", kata Callstrom, di mana satu kumpulan mendapat terapi dan satu lagi mendapat plasebo. 

"Gen mereka pada dasarnya ditolak terhadap model umum untuk melihat dan melihat sama ada anda boleh meramalkan pesakit baru sama ada mereka akan bertindak balas atau tidak," kata Callstrom, yang bermaksud, kohort penalaan halus pesakit artritis reumatoid. 

"Apa yang kami dapati ialah ia kelihatan seperti menunjukkan janji awal untuk dapat melakukannya untuk methotrexate," untuk meramalkan tindak balas, katanya.

Menggunakan model AI untuk meramalkan tindak balas terhadap methotrexate adalah yang pertama dalam perubatan, kata Callstrom. "Tidak ada model di luar sana yang meramalkan tindak balas untuk pesakit artritis reumatoid," katanya. "Anda tidak boleh berkata, 'Anda akan bertindak balas kepada methotrexate' -- anda tidak boleh mengatakan kata-kata itu."

Hipotesisnya, kata Callstrom, ialah model asas baharu menunjuk kepada genetik asas penyakit itu. 

"Hipotesisnya ialah tindak balas pesakit terhadap terapi sekurang-kurangnya sebahagiannya dikodkan dalam DNA mereka," katanya. "DNA anda menghasilkan protein tertentu yang sama ada bertindak balas atau tidak bertindak balas terhadap terapi. Itu sentiasa menjadi hipotesis untuk tindak balas campuran, sama ada enzim atau tindak balas selular tertentu atau apa sahaja atau apa sahaja." 

Hasilnya adalah "awal," amaran Callstrom, berdasarkan sebilangan kecil data sejarah pesakit. Walaupun model asas "menunjukkan prestasi tinggi terhadap penanda aras," masih terlalu awal untuk mengisytiharkan model itu telah menyelesaikan masalah, katanya. Penerbitan yang meliputi keputusan adalah "pada peringkat akhir" untuk disatukan, katanya. 

Kerja itu "menemui isyarat yang cukup baik," katanya. "Kami sedang mengembangkannya, kami akan melakukan lebih banyak lagi." Malah dapat mengatakan sesetengah pesakit tidak akan bertindak balas terhadap ubat boleh menjadi manfaat awal alat itu, katanya. "Jika anda boleh mengeluarkan beberapa orang dengan sedikit kepastian daripada methotrexate, itu adalah kemenangan."

Bagi Cerebras, yang telah membuat amalan menangani tugas rangkaian saraf yang sangat besar, kelajuan daripada konsep kepada hasil adalah pengesahan perkakasan unggulnya, kata Feldman. 

"Dengan pengiraan yang sangat pantas, kami dapat memperoleh hasil, dan, walaupun masih awal, ini jauh lebih pantas daripada kebiasaan sejarah dalam penyelidikan perubatan," katanya. 

Langkah seterusnya ialah meningkatkan lagi ketepatan model asas, katanya. Itu boleh termasuk memasukkan ke dalam model bukan sahaja data genomik tetapi juga titik data lain, termasuk filem radiologi tangan dan kaki. Proteomik, kajian protein yang dinyatakan, mungkin menjadi sebahagian daripada data.

"Ekspresi gen ini sangat penting," yang bermakna, bagaimana DNA bertukar menjadi protein, kata Callstrom. "Jadi, proteomik, dan semua perkara tahap ekspresi gen, itu akan menjadi satu lagi fasa daripada apa yang akan kami lakukan."

Ujian sebenar akan datang dengan pesakit sebenar dalam rawatan. 

"Apa yang perlu dilakukan pada masa hadapan ialah, ambil keputusan awal ini, kes penggunaan ini, dan benar-benar melakukan kerja yang kami lakukan dalam bidang perubatan, iaitu membuktikannya pada pesakit pada masa hadapan," kata Callstrom.