یک ائتلاف بین‌المللی از Biohub، وزارت انرژی آمریکا، مؤسسه ملی سلامت آمریکا (NIH)، Google DeepMind، Isomorphic Labs و Meta در مجموع ۱.۸ میلیارد دلار برای توسعه داده‌های زیستی موردنیاز مدل‌های پیشرفته هوش مصنوعی اختصاص داده‌اند. هدف این پروژه، ساخت مدل‌هایی است که بتوانند رفتار سلول‌های انسانی را پیش‌بینی کنند و به پژوهشگران اجازه دهند پیش از انجام آزمایش‌های پرهزینه آزمایشگاهی، برخی فرضیه‌های زیستی و درمانی را به‌صورت دیجیتال بررسی کنند.

هوش مصنوعی وارد مرحله جدیدی از پزشکی می‌شود

هوش مصنوعی در سال‌های اخیر از تحلیل داده‌های پزشکی و تصویربرداری فراتر رفته و حالا پژوهشگران در تلاش هستند از آن برای مدل‌سازی خودِ فرایندهای زیستی استفاده کنند. در همین راستا، Biohub با همکاری نهادهای دولتی آمریکا و شرکت‌های بزرگ فناوری، برنامه‌ای گسترده را برای تولید و استانداردسازی داده‌های زیستی آغاز کرده است. این داده‌ها قرار است برای آموزش مدل‌هایی استفاده شوند که بتوانند رفتار سلول‌ها و سیستم‌های زیستی را در شرایط مختلف پیش‌بینی کنند. هدف نهایی این طرح، ایجاد چیزی شبیه یک «سلول مجازی» است؛ مدلی هوشمند که بتواند واکنش سلول‌ها به تغییرات مختلف را پیش‌بینی کند.

سرمایه‌گذاری ۱.۸ میلیارد دلاری از کجا تأمین می‌شود؟

این پروژه حاصل همکاری چندین نهاد دولتی، شرکت فناوری و مؤسسه تحقیقاتی است. بر اساس اعلام Biohub، مجموع تعهدات مالی، داده‌ای و زیرساختی این طرح به ۱.۸ میلیارد دلار می‌رسد. از این میزان، Google DeepMind، Isomorphic Labs و Meta در مجموع ۳۰۰ میلیون دلار سرمایه‌گذاری می‌کنند. وزارت انرژی آمریکا نیز قرار است طی پنج سال بیش از ۵۰۰ میلیون دلار برای توسعه فناوری‌های اندازه‌گیری آزمایشگاهی، مدل‌سازی و توان محاسباتی اختصاص دهد. NIH نیز داده‌ها، مخازن اطلاعاتی و منابع زیستی حاصل از بیش از ۵۰۰ میلیون دلار سرمایه‌گذاری‌های فدرال قبلی را در اختیار این پروژه قرار می‌دهد و با Biohub برای استانداردسازی آن‌ها همکاری خواهد کرد. خود Biohub نیز پیش‌تر ۵۰۰ میلیون دلار برای راه‌اندازی این ابتکار اختصاص داده بود.

چرا داده‌های زیستی برای هوش مصنوعی اهمیت دارند؟

مدل‌های هوش مصنوعی برای یادگیری دقیق به حجم عظیمی از داده‌های باکیفیت نیاز دارند. در حوزه زیست‌شناسی، این مسئله پیچیده‌تر است؛ زیرا رفتار سلول‌ها به عوامل بسیار زیادی مانند نوع سلول، محیط، مواد شیمیایی و تغییرات ژنتیکی وابسته است. پژوهشگران می‌خواهند با انجام آزمایش‌های گسترده، اطلاعات مربوط به واکنش سلول‌ها در شرایط مختلف را ثبت کنند و سپس این اطلاعات را در قالب مجموعه‌داده‌های استاندارد در اختیار مدل‌های هوش مصنوعی قرار دهند. Biohub اعلام کرده است که مدل‌های دقیق زیستی در نهایت به داده‌هایی در مقیاس بسیار بزرگ نیاز خواهند داشت؛ از صدها میلیون سلول موجود در مجموعه‌داده‌های فعلی گرفته تا میلیاردها و حتی تریلیون‌ها سلول در مراحل آینده.

«سلول مجازی» قرار است چه کاری انجام دهد؟

تصور کنید پژوهشگری می‌خواهد بررسی کند یک داروی جدید چگونه روی سلول‌های انسانی اثر می‌گذارد. در روش سنتی، انجام چنین کاری به آزمایش‌های متعدد، زمان طولانی و هزینه زیاد نیاز دارد. اما اگر مدل‌های هوش مصنوعی بتوانند رفتار سلول را با دقت کافی شبیه‌سازی کنند، پژوهشگر می‌تواند ابتدا سناریوهای مختلف را در محیط دیجیتال بررسی کند. برای مثال، یک مدل پیش‌بینی‌کننده می‌تواند به پژوهشگر کمک کند:

• واکنش احتمالی سلول به یک دارو را بررسی کند.
• اهداف مناسب برای داروهای جدید را شناسایی کند.
• اثر برخی تغییرات ژنتیکی را پیش‌بینی کند.
• آزمایش‌های کم‌احتمال را پیش از ورود به آزمایشگاه کنار بگذارد.
• امیدوارکننده‌ترین گزینه‌ها را برای آزمایش واقعی انتخاب کند.

NIH نیز تأکید کرده است که چنین مدل‌هایی می‌توانند به پژوهشگران اجازه دهند پرسش‌های زیستی را ابتدا به‌صورت محاسباتی بررسی کنند و گزینه‌های مناسب‌تر را برای آزمایش‌های آزمایشگاهی و بالینی انتخاب کنند.

از آزمایشگاه به شبیه‌سازی دیجیتال

یکی از مهم‌ترین تغییراتی که این پروژه دنبال می‌کند، انتقال بخشی از فرایند تحقیق از آزمایشگاه فیزیکی به محیط دیجیتال است. در این رویکرد، هوش مصنوعی ابتدا از داده‌های واقعی زیستی یاد می‌گیرد و سپس تلاش می‌کند رفتار سیستم‌های زیستی را پیش‌بینی کند. این فناوری به معنای حذف آزمایشگاه نیست. در واقع، آزمایش‌های فیزیکی همچنان برای تأیید نتایج ضروری خواهند بود؛ اما هوش مصنوعی می‌تواند کمک کند پژوهشگران قبل از صرف زمان و هزینه زیاد، بدانند کدام آزمایش‌ها احتمال موفقیت بیشتری دارند. به همین دلیل، هدف اصلی پروژه را می‌توان ترکیب آزمایش‌های زیستی با شبیه‌سازی و پیش‌بینی هوش مصنوعی دانست.

نقش Google DeepMind و Isomorphic Labs

حضور شرکت‌های فعال در هوش مصنوعی و کشف دارو اهمیت ویژه‌ای برای این پروژه دارد. Google DeepMind در زمینه توسعه مدل‌های هوش مصنوعی و کاربرد آن‌ها در علوم مختلف فعالیت می‌کند و Isomorphic Labs نیز به‌طور تخصصی روی استفاده از هوش مصنوعی در کشف و طراحی دارو تمرکز دارد. همکاری این شرکت‌ها با Biohub و نهادهای دولتی آمریکا می‌تواند به ایجاد ارتباط میان داده‌های زیستی، مدل‌های هوش مصنوعی و کاربردهای دارویی کمک کند. مجموع سرمایه‌گذاری Google DeepMind، Isomorphic Labs و Meta در این پروژه ۳۰۰ میلیون دلار اعلام شده است.

داده‌ها در نهایت در اختیار جامعه علمی قرار می‌گیرند

یکی از ویژگی‌های مهم این پروژه، تأکید بر ایجاد یک منبع داده باز برای جامعه علمی است. Biohub اعلام کرده است که داده‌های تولیدشده در این ابتکار در نهایت به‌عنوان یک منبع علمی عمومی در دسترس قرار خواهند گرفت. با این حال، داده‌هایی که با سرمایه‌گذاری شرکت‌های تجاری تولید می‌شوند، می‌توانند برای مدت مشخصی در اختیار سرمایه‌گذاران باقی بمانند و سپس عمومی شوند. در مقابل، داده‌های تأمین‌شده از سوی دولت آمریکا مشمول چنین محدودیتی نخواهند بود. این مدل می‌تواند به ایجاد تعادل میان سرمایه‌گذاری خصوصی و پژوهش علمی باز کمک کند.

هوش مصنوعی چگونه می‌تواند کشف دارو را سریع‌تر کند؟

کشف یک داروی جدید معمولاً فرایندی طولانی و پرهزینه است و بررسی تعداد زیادی از ترکیبات و واکنش‌های احتمالی به زمان زیادی نیاز دارد. اگر مدل‌های هوش مصنوعی بتوانند رفتار سلول‌ها و بافت‌ها را با دقت قابل قبول پیش‌بینی کنند، پژوهشگران می‌توانند تعداد بیشتری از گزینه‌ها را ابتدا در محیط دیجیتال بررسی کنند. در چنین شرایطی، هوش مصنوعی می‌تواند به‌عنوان یک فیلتر هوشمند عمل کند؛ یعنی از میان تعداد زیادی فرضیه، ترکیب یا مداخله احتمالی، گزینه‌هایی را که ارزش آزمایش بیشتری دارند مشخص کند. البته موفقیت این رویکرد به کیفیت داده‌ها و میزان دقت مدل‌ها وابسته است و نتایج پیش‌بینی‌شده همچنان باید در آزمایش‌های واقعی بررسی شوند.

اولین داده‌ها چه زمانی آماده می‌شوند؟

برنامه‌ریزی Biohub این است که نخستین مجموعه‌داده مهم این پروژه در حدود یک سال آماده شود و هدف بلندمدت، دستیابی به مدل‌های پیش‌بینی‌کننده دقیق زیست‌شناسی طی حدود پنج سال است. این زمان‌بندی نشان می‌دهد پروژه تنها یک سرمایه‌گذاری کوتاه‌مدت نیست، بلکه یک برنامه تحقیقاتی چندساله برای ایجاد زیرساخت‌های جدید در زیست‌شناسی محاسباتی و هوش مصنوعی محسوب می‌شود.

چرا این پروژه برای آینده پزشکی اهمیت دارد؟

اگر این مدل‌ها بتوانند با دقت کافی رفتار سلول‌ها را پیش‌بینی کنند، شیوه انجام تحقیقات پزشکی می‌تواند تغییر کند. در چنین آینده‌ای، پژوهشگران قادر خواهند بود بخشی از پرسش‌های پیچیده زیستی را ابتدا در محیط دیجیتال بررسی کنند و تنها آزمایش‌هایی را به آزمایشگاه منتقل کنند که بیشترین ارزش علمی را دارند. این تحول می‌تواند در بلندمدت به:

• سرعت بیشتر در کشف دارو
• کاهش هزینه برخی مراحل تحقیق
• شناسایی سریع‌تر اهداف دارویی
• درک بهتر مکانیسم بیماری‌ها
• طراحی دقیق‌تر آزمایش‌های پزشکی
• توسعه درمان‌های هدفمندتر

کمک کند. البته این نتایج هنوز قطعی نیستند و تحقق آن‌ها به پیشرفت مدل‌های هوش مصنوعی، کیفیت داده‌های زیستی و موفقیت آزمایش‌های واقعی وابسته خواهد بود.

آینده پزشکی با «سلول‌های مجازی»

پروژه ۱.۸ میلیارد دلاری Biohub نشان می‌دهد رقابت در حوزه هوش مصنوعی دیگر فقط به مدل‌های زبانی و تولید محتوا محدود نیست. اکنون شرکت‌های فناوری و مؤسسات علمی به دنبال ساخت مدل‌هایی هستند که بتوانند دنیای فیزیکی و زیستی را شبیه‌سازی و پیش‌بینی کنند. اگر ایده سلول مجازی به نتیجه برسد، پژوهشگران ممکن است در آینده بتوانند بسیاری از سناریوهای زیستی را ابتدا روی مدل‌های دیجیتال آزمایش کنند و سپس بهترین گزینه‌ها را برای آزمایش‌های واقعی انتخاب کنند. این مسیر می‌تواند یکی از مهم‌ترین کاربردهای نسل بعدی هوش مصنوعی در حوزه پزشکی و علوم زیستی باشد. همچنین توسعه چنین مدل‌هایی به حجم عظیمی از داده‌های زیستی استاندارد نیاز دارد؛ موضوعی که اهمیت سلامت دیجیتال و زیرساخت‌های داده در پزشکی آینده را بیش از گذشته نشان می‌دهد.

جمع‌بندی

سرمایه‌گذاری و همکاری ۱.۸ میلیارد دلاری Biohub، وزارت انرژی آمریکا، NIH و شرکت‌های فناوری، یکی از بزرگ‌ترین تلاش‌های هماهنگ برای ایجاد زیرساخت داده‌ای موردنیاز نسل جدید هوش مصنوعی در زیست‌شناسی است. هدف نهایی این پروژه ساخت مدل‌هایی است که بتوانند رفتار سلول‌های انسانی و سیستم‌های زیستی را پیش‌بینی کنند و به پژوهشگران اجازه دهند بخشی از آزمایش‌های خود را ابتدا در محیط دیجیتال بررسی کنند. اگر این برنامه طبق اهداف اعلام‌شده پیش برود، هوش مصنوعی می‌تواند از یک ابزار تحلیل داده به یکی از ابزارهای اصلی کشف دارو، مطالعه بیماری‌ها و طراحی آزمایش‌های پزشکی تبدیل شود؛ تغییری که ممکن است مسیر توسعه پزشکی و زیست‌فناوری را در سال‌های آینده دگرگون کند.

برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.