Në një përparim të rëndësishëm për kërkimin mjekësor, shkencëtarët nga Google DeepMind dhe Universiteti Yale kanë përdorur një AI të re për të zbuluar një rrugë të mundshme të terapisë së kancerit. Modeli i parametrave prej 27 miliardë, i quajtur C2S-Scale 27B, u zbulua më 15 tetor 2025.
Ai analizoi të dhënat e një qelize për të formuar një hipotezë të re: një ilaç specifik mund të përforcojë aftësinë e sistemit imunitar për të synuar tumoret ndryshe”të padukshëm”. Studiuesit më pas vërtetuan me sukses këtë parashikim të gjeneruar nga AI në eksperimentet laboratorike.
Ky sukses shënon një moment kyç për”AI për shkencën”. Ajo tregon se modelet e mëdha jo vetëm që mund të përpunojnë informacione, por edhe të gjenerojnë ide origjinale dhe të testueshme. Kjo mund të përshpejtojë zhvillimin e trajtimeve të reja mjekësore dhe të ndryshojë mënyrën se si kryhen kërkimet biologjike.
Një sfidë qendrore në imunoterapinë e kancerit është se shumë tumore janë”të ftohtë”—efektivisht të padukshëm për sistemin imunitar të trupit. Një strategji kryesore është t’i bëni ato”të nxehta”duke i detyruar ata të shfaqin sinjale që shkaktojnë imunitet përmes një procesi të quajtur prezantimi i antigjenit. Për të gjetur një mënyrë për ta bërë këtë, studiuesit ngarkuan C2S-Scale 27B me një mision shumë specifik. Ata projektuan një”ekran virtual me kontekst të dyfishtë”për të gjetur një ilaç që vepron si një përforcues i kushtëzuar, duke simuluar efektet e mbi 4,000 drogave Qasja me”kontekst të dyfishtë”ishte kyçe. Modeli duhej të gjente një ilaç që ishte efektiv vetëm në një mjedis të lidhur me pacientin me sinjale imune, por joefektiv në një kontekst të izoluar laboratorik. Ky saktësi kërkonte një nivel të sofistikuar arsyetimi të kushtëzuar. Kandidati kryesor i AI ishte silmitasertib (CX-4945). Modeli parashikoi se do të rriste fuqishëm paraqitjen e antigjenit në kontekstin e synuar, por përndryshe do të kishte pak efekt. Kjo ishte një hipotezë e re, pasi ilaçi nuk kishte asnjë lidhje të raportuar më parë me këtë mekanizëm specifik. Për të testuar parashikimin, ekipi e çoi hipotezën nga kompjuteri në stolin e laboratorit. Ata përdorën modele të qelizave neuroendokrine njerëzore-një lloj qelize që AI nuk e kishte hasur kurrë gjatë trajnimit të saj. Rezultatet ishin një konfirmim mahnitës i hipotezës së modelit. Ky hap, duke kaluar nga një parashikim kompjuterik (në siliko) në një test laboratorik (in vitro), është standardi i artë për vërtetimin e hipotezave biologjike të drejtuara nga AI. Eksperimentet treguan se ndërsa vetëm ilaçi ose interferoni me dozë të ulët kishin pak efekt, kombinimi i tyre prodhoi një përforcim të theksuar sinergjik. Arritja e Google ofron prova të fuqishme për teorinë e”ligjeve të shkallëzimit”në biologji. Koncepti, i cili nxiti shpërthimin e fundit në modelet e mëdha gjuhësore, parashtron se ndërsa modelet bëhen më të mëdha, ato jo vetëm që përmirësohen-ato mund të fitojnë aftësi krejtësisht të reja, emergjente. Aftësitë emergjente janë aftësi që nuk janë të programuara në mënyrë eksplicite, por shfaqen kur një model rritet në madhësi dhe kompleksitet. Për C2S-Scale, kjo do të thoshte se mund të kryente arsyetimin e kushtëzuar të nevojshëm për të kuptuar logjikën”nëse-atëherë”të kontekstit imunitar-një detyrë që u kishte shpëtuar modeleve më të vogla. Modeli C2S-Scale, i ndërtuar mbi arkitekturën e hapur Gemma 2 të Google, e demonstroi këtë duke gjeneruar një ide shkencore të testueshme. Siç shpjegoi Shekoofeh Azizi i Google DeepMind,”ky rezultat gjithashtu ofron një plan për një lloj të ri zbulimi biologjik.” Kjo përfaqëson një zhvendosje thelbësore nga AI si një mjet i thjeshtë i analizës së të dhënave në një partner krijues në zbulimin shkencor. Suksesi i modelit sugjeron një të ardhme ku AI mund të ekzekutojë ekrane virtuale masive për të zbuluar mekanizma biologjikë kompleksë, të varur nga konteksti. Qasja e re mund të shkurtojë në mënyrë dramatike rrugën nga kërkimi fillestar drejt drejtimeve terapeutike të qëndrueshme. Ekipi deklaroi se dëshmon se modelet më të mëdha”mund të krijojnë modele parashikuese të sjelljes qelizore që janë mjaft të fuqishme për të… gjeneruar hipoteza të bazuara biologjikisht”. Projekti C2S-Scale 27B është pjesë e një tendence për krijimin e një industrie më të gjerë shkencore të fushës AI. Google ka ndërtuar në mënyrë aktive”Gemmaverse”të tij me modele si TxGemma për zbulimin e drogës. Kjo pasqyron një strategji të fokusuar në aplikacione të synuara dhe me ndikim të lartë. Microsoft po ndjek një iniciativë të ngjashme”AI për Shkencën”, duke lëshuar mjete si BiomedParse për analizën e imazheve mjekësore dhe një model të zbulimit të anomalive për zbulimin e kancerit të gjirit. Përpjekjet paralele nënvizojnë një strumbullar strategjik në të gjithë industrinë. Në përputhje me frymën e shkencës së hapur, Google dhe Yale kanë bërë modelin C2S-Scale 27B, kodin e tij themelor dhe dokumentin kërkimor të disponueshëm publikisht në platforma si Fytyrë përqafuese dhe GitHub. Kjo i lejon komunitetit global të kërkimit të ndërtohet mbi punën e tyre. Kjo qasje e hapur është thelbësore për vërtetimin shkencor. Duke lëshuar mjetet, Google dhe Yale ftojnë shqyrtimin dhe bashkëpunimin, duke lejuar studiues të tjerë të përsërisin gjetjet e tyre dhe të eksplorojnë hipoteza të reja. Ai nxit një mjedis kërkimor më transparent. Ndërsa ky zbulim është një arritje historike, rruga drejt aplikimit klinik është e gjatë. Inteligjenca artificiale në mjekësi përballet me pengesa të rëndësishme, nga sigurimi i besueshmërisë së botës reale deri tek lundrimi në etikën komplekse të privatësisë së të dhënave të pacientit, një shqetësim i theksuar nga AI të tjera shëndetësore në shkallë të gjerë. Siç vuri në dukje profesor Moritz Gerstung i DKFZ-së për një model të ngjashëm parashikues,”modelet gjeneruese të kujdesit shëndetësor mund të ndihmojnë një ditë me nevojat tona personale të kujdesit shëndetësor.”Kjo punë, duke kaluar nga parashikimi i pastër te zbulimi i vërtetuar, e sjell atë vizion një hap vendimtar më afër realitetit.
Ligjet e shkallëzimit dhe Agimi i Biologjisë Gjenerative
Një mjet i ri në ekosistemin e hapur’AI për Shkencën’
