Într-o descoperire semnificativă pentru cercetarea medicală, oamenii de știință de la Google DeepMind și de la Universitatea Yale au folosit o nouă IA pentru a descoperi o potențială cale de terapie a cancerului. Modelul cu 27 de miliarde de parametri, numit C2S-Scale 27B, a fost dezvăluit pe 15 octombrie 2025.
A analizat datele unicelulare pentru a forma o nouă ipoteză: un anumit medicament ar putea amplifica capacitatea sistemului imunitar de a viza tumori altfel „invizibile”. Apoi, cercetătorii au validat cu succes această predicție generată de IA în experimente de laborator.
Acest succes marchează un moment esențial pentru „AI for Science”. Acesta arată că modelele mari nu numai că pot procesa informații, ci și pot genera idei originale, testabile. Acest lucru ar putea accelera dezvoltarea de noi tratamente medicale și ar putea schimba modul în care se desfășoară cercetarea biologică.
De la ecranul virtual la validat
O provocare centrală în imunoterapia cancerului este că multe tumori sunt „reci” – efectiv invizibile pentru sistemul imunitar al organismului. O strategie-cheie este de a le face „fierbinți”, forțându-le să afișeze semnale de declanșare a sistemului imunitar printr-un proces numit prezentare de antigen.
Pentru a găsi o modalitate de a face acest lucru, cercetătorii au însărcinat C2S-Scale 27B cu o misiune foarte specifică. Ei au proiectat un „ecran virtual cu context dublu” pentru a găsi un medicament care acționează ca un amplificator condiționat, simulând efectele a peste 4.000 de medicamente „
-a>. a fost cheia. Modelul a trebuit să găsească un medicament care să fie eficient doar într-un cadru relevant pentru pacient, cu semnale imunitare, dar ineficient într-un context de laborator izolat. Această precizie a necesitat un nivel sofisticat de raționament condiționat.
Candidatul principal al AI a fost silmitasertib (CX-4945). Modelul a prezis că va crește puternic prezentarea antigenului în contextul țintă, dar nu va avea un efect redus în caz contrar. Aceasta a fost o ipoteză nouă, deoarece medicamentul nu avea nicio legătură raportată anterior cu acest mecanism specific.
Pentru a testa predicția, echipa a preluat ipoteza de la computer la banca de laborator. Ei au folosit modele de celule neuroendocrine umane-un tip de celulă pe care AI nu-l întâlnise niciodată în timpul antrenamentului său. Rezultatele au fost o confirmare uimitoare a ipotezei modelului.
Acest pas, trecerea de la o predicție computerizată (in silico) la un test de laborator (in vitro), este standardul de aur pentru validarea ipotezelor biologice bazate pe inteligență artificială. Experimentele au arătat că, în timp ce medicamentul sau interferonul în doză mică au avut un efect redus, combinația lor a produs o amplificare marcată și sinergică.
Legile de scalare și zorii biologiei generative
Realizarea Google oferă dovezi puternice pentru teoria „legilor de scalare” în biologie. Conceptul, care a alimentat recenta explozie a modelelor de limbaj mari, presupune că pe măsură ce modelele devin mai mari, ele nu doar se îmbunătățesc, ci pot dobândi capacități emergente complet noi.
Capacitățile emergente sunt abilități care nu sunt programate în mod explicit, dar apar pe măsură ce modelul crește în dimensiune și complexitate. Pentru C2S-Scale, acest lucru însemna că ar putea îndeplini raționamentul condiționat necesar pentru a înțelege logica „dacă-atunci” a contextului imunitar – o sarcină care a eludat modele mai mici.
Modelul C2S-Scale, construit pe arhitectura deschisă Gemma 2 de la Google, a demonstrat acest lucru prin generarea unei idei științifice testabile. După cum a explicat Shekoofeh Azizi de la Google DeepMind, „acest rezultat oferă, de asemenea, un plan pentru un nou tip de descoperire biologică.”
Acesta reprezintă o schimbare fundamentală de la AI ca simplu instrument de analiză a datelor la un partener creativ în descoperirea științifică. Succesul modelului sugerează un viitor în care AI poate rula ecrane virtuale masive pentru a descoperi mecanisme biologice complexe, dependente de context.
Noua abordare ar putea scurta dramatic calea de la cercetarea inițială la piste terapeutice viabile. Echipa a afirmat că demonstrează că modelele mai mari „pot crea modele predictive de comportament celular care sunt suficient de puternice pentru a… genera ipoteze bazate biologic”.
Un nou instrument în ecosistemul deschis „AI pentru știință”
Proiectul C2S-Scale 27B face parte dintr-o tendință mai largă a industriei de a crea domenii științifice specializate. Google și-a construit în mod activ „Gemmaverse” cu modele precum TxGemma pentru descoperirea medicamentelor. Aceasta reflectă o strategie axată pe aplicații direcționate, cu impact ridicat.
Microsoft urmărește o inițiativă similară „AI for Science”, lansând instrumente precum BiomedParse pentru analiza imaginilor medicale și un model de detectare a anomaliilor pentru detectarea cancerului de sân. Eforturile paralele subliniază un pivot strategic în industrie.
În conformitate cu spiritul științei deschise, Google și Yale au făcut ca modelul C2S-Scale 27B, codul său de bază și documentul de cercetare să fie disponibile public pe platforme precum Hugging Face și GitHub. Acest lucru permite comunității globale de cercetare să se bazeze pe munca lor.
Această abordare deschisă este crucială pentru validarea științifică. Prin lansarea instrumentelor, Google și Yale invită la analiza și colaborarea, permițând altor cercetători să-și reproducă constatările și să exploreze noi ipoteze. Promovează un mediu de cercetare mai transparent.
Deși această descoperire este o realizare de referință, drumul către aplicarea clinică este lung. AI în medicină se confruntă cu obstacole semnificative, de la asigurarea fiabilității în lumea reală până la navigarea în etica complexă a confidențialității datelor pacienților, o preocupare evidențiată de alte IA de sănătate la scară largă.
Așa cum a remarcat profesorul Moritz Gerstung de la DKFZ despre un model predictiv similar, „modele generative precum al nostru ar putea ajuta într-o zi la personalizarea îngrijirii și la anticiparea nevoilor de îngrijire a sănătății la scară”. Această lucrare, trecând de la predicție pură la descoperire validată, aduce acea viziune un pas crucial mai aproape de realitate.
