Η αναζήτηση για θεραπεία του καρκίνου, μια υπόθεση χιλιετιών, έχει πλέον στραμμένη την προσοχή στην τεχνητή νοημοσύνη (AI). Κορυφαίοι παράγοντες της τεχνολογίας, όπως η Ruth Porat της Google και ο Dario Amodei της Anthropic, βλέπουν στο AI το κλειδί για την επιτάχυνση της ιατρικής προόδου, φτάνοντας στο σημείο να χαρακτηρίζουν την εποχή ως “το συμπιεσμένο 21ο αιώνα”. Ωστόσο, αυτή η αισιοδοξία δεν είναι καθολική.
Ο David Ricks, CEO της Eli Lilly, εξέφρασε πρόσφατα την επιφύλαξή του, τονίζοντας σε συνέντευξή του ότι τα σημερινά μοντέλα AI “δεν είναι ιδιαίτερα καλά” στο να επιλύουν προβλήματα βιολογίας ή χημείας. “Εκπαιδεύονται στη γλώσσα των ανθρώπων, όχι στη γλώσσα της χημείας, της φυσικής και της βιολογίας”, εξήγησε. Η εντυπωσιακή επένδυση στην AI, που φτάνει σε επίπεδα αντίστοιχα με το ΑΕΠ ορισμένων ανεπτυγμένων χωρών, τροφοδοτείται από την πεποίθηση ότι η τεχνολογία μπορεί να οδηγήσει σε επαναστατικές επιστημονικές ανακαλύψεις, όπως η πιθανή ανάπτυξη ενός εμβολίου κατά του καρκίνου σε μόλις 48 ώρες, σύμφωνα με δηλώσεις του Larry Ellison της Oracle σχετικά με το πρόγραμμα “Project Stargate”.
Παρά τις επιφυλάξεις του Ricks, η έρευνα για τον καρκίνο με τη χρήση AI έχει ήδη σημειώσει σημαντικές προόδους. Το μοντέλο Sybil της Harvard, το 2023, προέβλεψε με ακρίβεια τον κίνδυνο εμφάνισης καρκίνου του πνεύμονα εντός εξαετίας. Επίσης, το μοντέλο AlphaProteo της Google DeepMind έχει αποδειχθεί πολύτιμο στον σχεδιασμό πρωτεϊνικών δεσμευτών που στοχεύουν συγκεκριμένα μόρια, συμπεριλαμβανομένων εκείνων που σχετίζονται με τον καρκίνο. Μάλιστα, η Eli Lilly χρησιμοποιεί το AlphaFold, ένα άλλο σύστημα AI της Google DeepMind, και διατηρεί συνεργασία μαζί του.
Ωστόσο, ο David Ricks υπογραμμίζει ότι οι τρέχουσες δυνατότητες του AI αποτελούν μόνο “μια σταγόνα στον ωκεανό” σε σχέση με την ανάγκη για περαιτέρω επιστημονική έρευνα. “Μπορούμε να κάνουμε μια μηχανή να προβλέπει πράγματα αρκετά καλά, όπως η δομή μιας πρωτεΐνης,” δήλωσε, “αλλά αυτό είναι ίσως το ένα χιλιοστό των προβλημάτων που αντιμετωπίζουμε στην ανακάλυψη φαρμάκων.”
Η στρατηγική της Eli Lilly επικεντρώνεται στην ανάπτυξη εξειδικευμένων μοντέλων AI για την επίτευξη ουσιαστικών επιστημονικών προόδων. Ο Ricks πιστεύει ότι τα περισσότερα μεγάλα γλωσσικά μοντέλα (LLMs) δυσκολεύονται να αφομοιώσουν τις λεπτές αποχρώσεις της βιολογίας, κάτι που πιστεύει ότι μοντέλα εκπαιδευμένα σε προηγμένα και εξειδικευμένα δεδομένα θα μπορούσαν να πετύχουν στο μέλλον. “Το μέλλον έγκειται στην κατασκευή όλο και περισσότερων μοντέλων για αυτά τα στενά προβλήματα πρόβλεψης, γιατί η βιολογία, σε αντίθεση με την ανθρώπινη γλώσσα, δεν ακολουθεί πάντα τους ίδιους κανόνες με τον ίδιο τρόπο,” ανέφερε, παραπέμποντας στα μοντέλα AlphaFold και AlphaProteo.
Παρόλα αυτά, ο Ricks παραμένει επιφυλακτικός όσον αφορά την ταχύτητα της βιολογικής ανάπτυξης, ακόμη και με τη βοήθεια του AI. “Είμαστε σαν νήπια όσον αφορά τη γλώσσα της βιολογίας,” συμπέρανε, παρά τις ήδη επιτευχθείσες ιατρικές εξελίξεις.
