AI un veselība: mašīnmācības izmantošana, lai izprastu cilvēka imūnsistēmu

Uztveriet savu imūnreakciju kā milzīgu mašīnmācīšanās problēmu, bet ķermenim kā datoru.

Imūnās šūnas ceļo pa jūsu ķermeni, ņemot visu veidu vielas, ar kurām tās saskaras, sākot no jūsu šūnām un beidzot ar organismu šūnām, kurām noteikti nevajadzētu būt. Ja imūnās šūnas saskaras ar kaut ko tādu, par ko, kā viņi zina, nevajadzētu būt jūsu ķermeņa daļai, piemēram, baktērijām vai vīrusiem, organisms palielina to šūnu apjomu, kas zina, kā tikt galā ar šo traucētāju.

Ja ir kāda šūna, kas iepriekš ir redzējusi iebrucēju un zina, kā ar to tikt galā, jūsu ķermenis to ātri atveido tūkstošiem reižu — pietiekami, lai tas varētu pārvarēt baktērijas vai vīrusu, pirms tam ir laiks iekārtoties jūsu mājā ķermeni. Un, tiklīdz iebrucējs ir novērsts, imūnsistēma atkal samazina šo šūnu skaitu, saglabājot tieši tik daudz ja baktērijas mēģinātu atkārtoti uzbrukt, ir pietiekami daudz imūno kājnieku, lai tās vienreiz iznīcinātu atkal.

Šis process var palīdzēt saglabāt veselību, taču tas var būt arī galvenais ar mākoņdatošanas darbināmā mākslīgā intelekta palīdzību. palīdzot identificēt slimības daudz agrāk, nekā ārsti spēj darīt šobrīd.

Agrāk šajā gadā, Microsoft paziņoja par vienošanos ar Adaptive Biotechnologies, veselības tehnoloģiju un gēnu sekvencēšanas uzņēmums, kas atrodas Sietlā. Adaptīvo biotehnoloģiju gēnu sekvencētāji pašlaik tiek izmantoti, lai noteiktu atlikušo mielomu, tas ir, šūnas, kas parāda, ka persona, kas ir ārstēta no asins vēža, nav pilnībā brīva no šīs slimības.

SKATĪT: Ierodas eksomedicīna: kā laboratorijas kosmosā varētu pavērt ceļu veselības aprūpes sasniegumiem uz Zemes (vāka stāsts PDF)

Tagad uzņēmums domā ne tikai par vienas slimības izsekošanu; tā mērķis ir identificēt jebko, kas varētu izjaukt jūsu imūnsistēmu, sākot no infekcijām un beidzot ar vēzi, un tā paļaujas uz Microsoft mašīnmācīšanās iespējām, lai palīdzētu tai sasniegt.

Cilvēka imūnsistēma darbojas daudzkārt, kas ir pietiekami lielas, lai jūsu galva grieztos. Ķermenī ir divi miljardi limfocītu, tostarp tā sauktās “palīgu” T šūnas, citas – kā “citotoksiskās” vai “slepkavas” T šūnas.

Katra T šūna var atpazīt antigēnus - ierosinātājus, kas aktivizēs imūnsistēmu -, kas ir baktēriju, vīrusu, sēnīšu vai citu organismā iekļuvušo iebrucēju paraksti. Katra T šūna var saistīties ar simtiem dažādu antigēnu, katrs potenciāli unikāls dažādām baktērijām vai vīrusiem.

Kad T šūna ir saņēmusi triecienu, atkarībā no tā, kāda veida T šūna tā ir, tā var nogalināt iebrucēju vai dot signālu miljoniem citu imūno šūnu, lai tās nāktu un uzņemtos arī ļaundari. Ikviens, kurš uzņem imūnsistēmas momentuzņēmumu, kad T šūnas ir aktivizētas, atzīmējot, kuras T šūnas receptori tiek aktivizēti un ar kuriem antigēniem tie saistās, varētu noskaidrot, kura slimība ir pārņēmusi ķermeni. Un, tiklīdz slimība ir zināma, ārsti var skaidrāk redzēt, kā to var ārstēt.

Adaptīvās biotehnoloģijas tika uzsāktas 2009. iestatīts, lai nolasītu un skenētu imūnsistēmu un imūno šūnu receptorus. Laika gaitā uzņēmums sāka ne tikai izsekot imūnreceptoriem, bet arī izstrādāt saikni starp receptoriem un antigēniem, ar kuriem tie saistās. Izstrādājot saistošās attiecības, uzņēmums sāka veikt pasākumus, lai varētu diagnosticēt noteiktas slimības no imūnreceptoriem.

Bet tad, saskaņā ar izpilddirektora un līdzdibinātāja Čada Robina teikto, uzņēmums bija sapratis, ka "mums ir nepieciešams patiešām izsmalcināts mašīnmācība un skaitļošanas jauda, ​​lai patiešām atrisinātu problēmu — tā ir milzīga problēma tīmeklī mērogs".

Pīters Lī, Microsoft korporatīvais viceprezidents mākslīgā intelekta un pētniecības jomā, atzīmē, ka katrs cilvēka genoms ir aptuveni 200 GB: "Un tas ir tikai genoma datiem — metadatiem, kas tur tiktu iegūti, kā arī citiem dati no attēlveidošanas, no valkājamām ierīcēm, no ilgtermiņa pacientu veselības ierakstiem, kurus vēlētos korelēt ar genoma datiem populācijas mērogā, ir milzīgs. Informācijas saturs ir daudz tālāk par cilvēka izpratni, tāpēc nepieciešamība pēc mākslīgā intelekta un datu analīzes patiešām kļūst par būtisku.

Viens asins paraugs parasti ekstrahē apmēram miljonu T šūnu. Katrai no šīm T šūnām ir receptors, kas ir ģenētiski ieprogrammēts, lai saistīties ar specifiskiem antigēniem. "Spēja pārvērst šo T šūnu receptoru DNS sekvenču rādījumus antigēnu komplektā un pēc tam veikt perfekta šo antigēnu pārvēršana slimības stāvokļos arī ir ļoti, ļoti liela mašīnmācīšanās problēma," Lī pievienots.

Un šeit parādās Microsoft mašīnmācīšanās. Microsoft izmanto algoritmus, kas ir pielāgoti no tiem, ko uzņēmums pašlaik izmanto dabiskās valodas tulkošanai. "Ir zināma līdzība ar to, ko mēs darām ar Bing meklētājprogrammu, ko sauc par tēmas identifikāciju," sacīja Lī. Microsoft izmanto Adaptive Biotechnologies MIRA sistēmu, lai ģenerētu apmācības datus — apmācības datus, kas tiek izmantoti, lai izveidotu “tulkošanas karte” no T šūnu receptoriem uz antigēnu un pēc tam kartē šos antigēnus atpakaļ uz slimībām tikpat precīzi kā iespējams.

Ja tas viss izklausās mazliet abstrakti, praksei varētu būt konkrēts labums: ja kartēšana darbojas kā adaptīva un Microsoft cer, ka tā vajadzētu, tas varētu nozīmēt, ka pacientiem varētu diagnosticēt slimības, pirms viņi pat zina, ka viņi ir slims. Piemēram, olnīcu vēža simptomi ir tik mānīgi, ka to bieži atklāj tikai vēlīnā stadijā, kad tam ir slikta prognoze. Iepriekš pārbaudot cilvēkus ar ģenētiskām mutācijām, piemēram, BRCA1, kas viņiem pakļauj lielāku olnīcu vēža risku, tests varētu uztvert imūnsistēmas signālus, kas norāda uz agrīnu vēzi. Jo agrāk jūs saslimst ar slimību, jo lielāka iespēja to veiksmīgi ārstēt.

Adaptive tagad pieliek pūles, lai strādātu tikai pie divām slimībām "ar neapmierinātām medicīniskām vajadzībām, vai nu tās ir ļoti, ļoti grūti ārstēt diagnoze un/vai diagnoze ļauj veikt ārstēšanas iejaukšanos, kas var būtiski ietekmēt pacienta aprūpi," sacīja Adaptive's Robins.

Adaptive ir padomā par dažām slimībām, uz kurām vispirms jāvēršas, un, tiklīdz tas ir pierādījis modeli, tas cer turpināt “slāņot” arvien vairāk apstākļu, izmantojot to pašu sistēmu. "Ja mēs patiešām varam iegūt šo diagnostisko rezultātu, mēs pārietu uz nākamajiem diviem un nākamajiem pieciem un nākamajiem 20 un tā tālāk nākamajos gados," saka Microsoft Lī.

SKATĪT: Kā ieviest AI un mašīnmācīšanos (ZDNet īpašais ziņojums) | Lejupielādējiet pārskatu PDF formātā (TechRepublic)

Vai tad, kad viena slimība ir uzlauzta, mašīnmācībai kļūst vieglāk vai ātrāk uzlauzt nākamo?

"Ļaujiet man sniegt jums optimistisku un pesimistisku atbildi," saka Lī. "Optimistiski ir tas, ka dziļie neironu tīkli slēptajos slāņos iedzimtā apgūst kādu slēptu struktūru par to, kā darbojas imūnsistēma, un pēc tam kādā brīdī pēc pusduca vai 60 vai 100 vai arī lai cik daudz slimību būtu, jūs vienkārši iegūstat šo spēju eksploziju." Kādā brīdī, iespējams, neironu tīkli vienkārši varēs saprast un atšifrēt katru jauno slimību bez jebkādām problēmām. pārkvalificēšanās.

Protams, pastāv pesimistisks viedoklis. "Tu atsitās pret kaut kādu ķieģeļu sienu. Kādā brīdī papildu apmācības datu vērtība un papildu skaitļošanas jaudas vērtība sāk samazināties. Dažkārt mēs to redzam tādās jomās kā mašīntulkošana: pirms pāris mēnešiem mēs paziņojām, ka esam sasnieguši cilvēku vienlīdzību, tulkojot angļu valodu mandarīnu valodā. Mēs sasniedzām 90 procentus no ceļa, bet, lai iegūtu pēdējos 10 procentus, lai panāktu cilvēku paritāti, mums vajadzēja divreiz vairāk skaitļošanas jaudas un divreiz vairāk datu... Mēs patiešām šobrīd nezinām, kādā situācijā esam, kad cenšamies kartēt T šūnu receptoru sekvences ar antigēniem slimības stāvokļos. Mēs ceram, ka tas ir pirmais, bet tas varētu būt pēdējais vai kāda veida abu kombinācija."

Lai gan neviens vēl nezina, vai pesimistiskais vai optimistiskais viedoklis izrādīsies pareizs, Adaptive gaida savu pirmo atsevišķu slimību diagnostikas tests būs pieejams trīs gadu laikā ar visaptverošāku vairāku slimību skrīninga testu aptuveni astoņos līdz desmit gadiem.

"Kad mēs sākam slāņot [katru atsevišķas slimības testu] virsū, vienu pēc otras, noteiktā brīdī, izmaksu lietderība, lietošanas vienkāršība un efektivitāte, veicot visu kopā vienā reizē, būs pietiekami sajūtu. Tas kļūs par bioloģiskās sistēmas ekrānu, un tas ir tas, uz ko mēs virzīsimies," saka Adaptive's Robins.

Tāpat kā jūs varētu sagaidīt regulāru medicīnisko pārbaudi pie ārsta vai lūgt veikt krūts vai zarnu vēža skrīningu, kad sasniegsiet nozīmīgu dzimšanas dienu, nākotnē jūs varētu vienkārši lūdza sniegt vienu asins noņemšanu, kas tiks analizēta un pastāstīs par slimībām, no kurām jāuzmanās, vai pat pateiks, ka jums jāārstē slimības, par kurām jūs pat neesat aizdomas bija.

Pastāv pat iespēja, ka sistēma var pat diagnosticēt jums stāvokli, kas ir viens no miljarda vai pat tāds, kas ir pilnīgi jauns medicīnā, saka Microsoft Lee.

"Šķiet, ka mēs atklāsim apstākļus cilvēkiem, kuri nav tikuši saprasti vai redzēti ļoti bieži vai pat jebkad agrāk. Jautājums par šo novērojumu vērtību medicīnas pētījumiem un zinātnes attīstībai ir tas, par ko mēs brīnāmies. Tas ir vēl viens iemesls, kāpēc mēs esam motivēti izveidot sava veida atvērtu pētnieku datiem, kurus mēs sākam ģenerēt, lai tie varētu atbalstīt zinātniskus atklājumus."

NESENIE UN SAISTĪTIE ATZĪMĒJUMI

Apple veselības aprūpes plāni mikroskopā: no iPhone lietotnēm līdz Apple Watch un tam, kas notiks tālāk

Veselības aprūpes datu apkopošanas, koplietošanas un izpratnes veids varētu būt radikāls, ja Apple kļūs par patērētāju un pakalpojumu sniedzēju izvēlētu medicīnas tehnoloģiju piegādātāju.

Kāpēc norijami roboti varētu būt veselības aprūpes nākotne?

Caltech pētnieku sadarbība varētu pavērt ceļu jaunām terapijām, radot nelielas ierīces ķermeņa iekšpuses uzraudzībai.

DeepMind un NHS: kā patiesībā ir lietot Google nieru veselības lietotni

Royal Free bija viens no pirmajiem Google veselības aprūpes partneriem. Pēc diviem gadiem, kā attīstās viņu partnerības rezultāts?

Kā cilvēka mikroshēmu implanti varētu novest pie “veselības aprūpes demokratizācijas”, izmantojot IoT (TechRepublic)

Zviedru biohakeris radījis RFID mikroshēmas, kuras var implantēt kāda rokā. Viņš uzskata, ka inovācija varētu izraisīt revolūciju IoT veselības nozarē.

CES 2018 kļūst nopietna par veselību, labsajūtu un medicīnas tehnoloģijām (CNET)

Tā kā CES izstādē tiek demonstrētas daudzas pašaprūpes, fitnesa un miega ierīces, veselības un medicīnas nozares patērētāju tehnoloģijās rada lielus panākumus.