AI のパイオニアであるダフネ・コーラー氏は、生成 AI ががんの画期的な進歩につながると考えています
AIは生物学と融合しており、その結果として生まれるデジタル生物学は「人間の健康に多大な影響を与える」だろうとコーラー氏は言う。
ダフネ・コーラー氏によると、OpenAIのDALL-E、ChatGPT、その他の人気プログラムを動かしているような生成型人工知能は、がんの研究である腫瘍学におけるブレークスルーのための重要なツールになるだろうという。コラー氏は AI のパイオニアであり、ライフ サイエンス AI 企業 Insitro の共同創設者兼 CEO です。
「私たちが取り組んできたのは、組織病理学[組織の研究]の言語を実際に学び、それを利用して[…]潜在的な[薬物]標的を提供することです」と、一日がかりのワークショップでコーラー氏は語った。スタンフォード大学の人間中心AI研究所が火曜日に主催した「生成AIの新たな地平：科学、創造性、そして社会」と題した。
コラー氏はスタンフォード大学のコンピューターサイエンスの非常勤教授です。 Koller氏は、がんに対する新たな薬剤標的につながる可能性がある2段階のプロセスについて説明した。
最初のステップでは、Insitro 機械学習 AI テクノロジーは、がん組織の画像、つまり生検から生成された組織学画像を分析できます。人間の病理学者は、「通常、これらの数十億ピクセルの画像を 3 つの数値に要約します」と彼女は説明しました。「そして、画像内に利用可能な、使用されていない情報がさらに大量にあることは明らかです」。
機械学習を使用することで、コンピュータは「組織病理学の言語を実際に学習」し、それによって機械はがん患者の遺伝子変化を90％から95％の精度で予測できるようになる、と彼女は述べた。
「基本的に、スライドを見るだけで、この患者はこの遺伝子変異を持っているが、他の患者はこの遺伝子変異を持っていると言うことができます。これは実際には臨床医にはできません」と彼女は説明した。
それが最初のステップです。薬物標的を見つけるには、実際に収集されるよりもはるかに多くの組織サンプルが必要です (数千ではなく数千)。画像の供給を解決するために、Insitro チームは生成 AI を使用して組織画像の「ディープ フェイク」を作成したとコラー氏は述べています。 「映画スターの画像を生成するのではなく、病理スライドの画像を生成します。」
コラー氏は、スタンフォード大学で開発された「ATAC-seq」アッセイと呼ばれる特別なツールを使用して、組織サンプルを数百から数千に増やすことで、はるかに大きなサンプルを分析できると説明した。チームは、400 個のがん組織画像サンプルをほぼ 100,000 個に増やすことができました。このスケールにより、サンプル数が少ないと不可能だった質問が可能になり始めます。
生成 AI は、組織画像の「ディープ フェイク」を作成するために使用され、遺伝子アッセイを使用してマイニングできるサンプル サイズを大幅に拡大します。
「そして今では、基本的にどの遺伝子の開放性か閉鎖性か、つまりどの遺伝子の活性が生存と最も強く関係しているかといった質問を始めることができます。これは、もし次のようなことがあれば不可能なことです。」 30人の患者がいたんです。」
アッセイでテストされた何千もの偽のサンプルにより、癌の新しい候補薬剤候補が明らかになる可能性があります。
この技術は、トリプルネガティブ乳がんの数千枚のディープフェイク画像をATAC-seqなどで解析することで、薬剤標的候補となり得るこれまで知られていなかった遺伝子変化を明らかにする。 「これらの標的の一部はトリプルネガティブ乳がんでは新規ですが、他のがんにも関与していると考えられています」とKoller氏は述べた。 「それは、それらが果たす因果関係について確信を与えるものであり、[それらは]潜在的に非常に興味深い新薬標的である可能性がある。」
コラー氏は、生物学における生成 AI のプログラム全体は、「人間の脳が本当に理解できるものではない」レベルの複雑さを扱うものであると説明しました。
「この領域に取り組むには、まず非常に大量のデータを、前例のない忠実度と規模で、さまざまな生物学的粒度レベルで収集し、その後、人間よりもはるかにうまくできることを機械にやらせるだけです。これらのデータの微妙なパターンを理解し、人間の病気の不均一性と複雑性を再定義し、臨床で効果のある治療法を生み出す可能性のある介入拠点を特定するのに役立ちます。」
ワークショップの共同主催者でスタンフォード大学コンピュータサイエンス准教授のパーシー・リャン氏は、AI分野で「全世代の研究者にインスピレーションを与えた」スタンフォード大学教授としてコーラー氏を称賛した。コラー氏は、オンライン学習会社 Coursera の共同設立者でもあります。
コラー氏を含むワークショップのさまざまな講演者が、生物学的データから音声データ、さらにはクジラのさえずりに至るまで、まったく異なる種類のデータに対して同じ種類の生成 AI プログラムが動作する「マルチモダリティ」の例を数多く提供したとリャン氏は指摘した。 ZDNET が指摘しているように、さまざまなデータ型を統合するマルチモダリティは、この分野の将来の最も重要な方向性の 1 つです。
講演の締めくくりとして、コーラー氏は、科学がどのように驚異的な進歩の時期を経るかについて述べた。 「（元素の）周期表が明らかになった1800年代後半と化学について考えてみてください」と彼女は言いました。「あるいは、エネルギーと物質、空間と時間の関係を伴う1900年代初頭の物理学についても考えてみましょう。」
コーラー氏は、1990 年代には 2 つの分野で同様の爆発的な発見が見られたと述べ、「データ/機械学習/AI は当時始まったものであり、定量的生物学は前例のない忠実度で生物学を測定する能力です。」と述べました。
これら 2 つの分野が現在融合し、デジタル生物学と呼ばれる新しい分野を創造していると彼女は述べました。これは、「前例のない規模で信じられないほどの忠実度で生物学をデジタル的に読み取り、機械学習や AI などのツールを使用して、私たちが見ているものを解釈する能力です」そして、CRISPRやコンビナトリアルケミストリーなどの技術を使って生物学を書き、生物学がそうでなければできないことを生物学にさせるための他のあらゆる種類のものを使います。」
コラー氏は、その新しい分野は「人間の健康だけでなく、環境、エネルギー、バイオマテリアル、持続可能な農業、そして世界をより良い場所にするのに役立つ他の多くの分野にも多大な影響を与えるだろう」と述べた。本当にエキサイティングな場所だと思うのはなぜですか。」
ワークショップの全議題はオンラインで公開されており、イベント全体のリプレイを YouTube で見ることができます。