Verslininkas susikūrė individualų vėžio gydymo planą – padėjo „ChatGPT“

„OpenAI Forum“ pokalbyje technologijų bendrovės „GitLab“ bendraįkūrėjas Sidas Sijbrandijas papasakojo, kaip pasitelkė dirbtinį intelektą (DI) kovodamas su reta ir agresyvia vėžio forma. Verslininkui diagnozavus ligą, jis kartu su mokslininkais pradėjo naudoti pažangią diagnostiką, genetinius tyrimus ir „ChatGPT“, kad geriau suprastų auglio biologiją ir galimus gydymo būdus.

Liga kaip inžinerinė problema

Kaip „OpenAI“ „YouTube“ kanale paskelbtame reportaže pasakoja S. Sijbrandijas, vėžio diagnozė vyrui buvo tikras šokas, tačiau jis nusprendė į ligą pažvelgti ne tik kaip pacientas, bet ir kaip technologijų kūrėjas. „GitLab“ įkūrėjo teigimu, jis vėžio gydymo procesą pradėjo vertinti kaip sudėtingą inžinerinę problemą, kurią galima spręsti analizuojant duomenis ir nuolat tikrinant naujas hipotezes.

Pokalbyje „OpenAI“ platformoje jis pasakojo, kad kartu su genetiku Jacobu Sternu siekė sukurti greitesnį ryšį tarp mokslinės literatūros, pacientų duomenų ir gydytojų sprendimų. Tam buvo naudojama pažangi diagnostika bei DI, leidęs greičiau apdoroti didelius informacijos kiekius.

„ChatGPT“ kaip tyrimų analizės įrankis

Vyras teigia, kad vienu svarbiausių įrankių šiame procese tapo „ChatGPT“. Jis kartu su medicinos ekspertu šį įrankį naudojo analizuojant mokslinius straipsnius, medicininius duomenis ir naujausius tyrimus apie kaulų vėžį – osteosarkomą.

Po išsamių diagnostikos tyrimų buvo sukaupta daugiau nei 25 terabaitai biologinių duomenų apie S. Sijbrandijo auglį. Tokios apimties informacijos analizė įprastai reikalautų didelės specialistų komandos, tačiau šiame procese DI padėjo gerokai pagreitinti tyrimus.

Pasak J. Sterna, vienas iš pavyzdžių buvo RNA sekoskaitos eksperimento duomenų analizė. Į „GPT-4“ modelį buvo įkelti didžiuliai duomenų failai, kuriuose pateikiama informacija apie genų aktyvumą naviko ląstelėse, o DI užduotas paprastas klausimas: „Ką apie tai manai?“.

Šiuo atveju DI galėjo greitai įvertinti šiuos duomenis ir atkreipti dėmesį į neįprastus biologinius signalus. Vienu tokių signalų tapo baltymas B7H3, kurio išraiška navike buvo neįprastai didelė. Šis pastebėjimas padėjo mokslininkui suformuluoti naujas hipotezes apie galimus gydymo taikinius ir geriau suprasti, kaip navikas sąveikauja su paciento imunine sistema.

Kaip pasakoja J. Sternas, DI buvo naudojamas ne tik kaip pokalbių įrankis. Komanda sukūrė ir automatizuotą analizės sistemą – savotišką DI agentų tinklą, galintį savarankiškai analizuoti biologinius duomenis ir mokslinę literatūrą.

Pavyzdžiui, kilus įtarimui dėl galimo chemoterapijos šalutinio poveikio CHIP, tyrėjai vietoje ilgo laukimo pasitelkė DI analizę. Maždaug per pusvalandį sistema peržiūrėjo mokslinę literatūrą, pasiūlė galimą hipotezę ir išanalizavo apie 600 tūkst. S. Sijbrandijo kraujo ląstelių duomenų. Vėliau remdamasi šiais duomenimis, komanda pradėjo kurti individualizuotą CAR-T ląstelių terapiją.

TAIP PAT SKAITYKITE: Vyras per 5 dienas pardavė savo būstą su „ChatGPT“ pagalba: ko iš to gali pasimokyti kiekvienas?

Ką ši istorija sako apie DI ateitį medicinoje

S. Sijbrandijo istorija pateikiama kaip įspūdingas pavyzdys, kaip DI gali būti panaudotas medicinos tyrimuose. Tačiau pats „OpenAI Forum“ pokalbis pabrėžė svarbų dalyką – DI šiuo atveju nebuvo gydytojų pakaitalas. Jis veikė kaip papildomas analizės įrankis, padėjęs greičiau suprasti sudėtingus biologinius duomenis ir mokslinę literatūrą kvalifikuotiems specialistams.

Dėl šios priežasties „ChatGPT“ neturėtų būti naudojamas savarankiškai ieškant medicininių rekomendacijų.

Tačiau tai ne pirmasis atvejis, kai „ChatGPT“ buvo pasitelktas vėžio gydyme. Neseniai Australijoje gyvenančiam vyrui pokalbių robotas padėjo ieškoti efektyvių sprendimų jo augintiniui.

Žemiau visas „GitLab“ įkūrėjo ir genetiko J. Sterna pristatymas: