Ai2 и Providence Swiss привносят открытия с помощью искусственного интеллекта в исследования рака

Что случилось

Ai2 объявила о партнерстве с Исследовательским центром Пола Г. Аллена при Шведском институте рака в Провиденсе для применения своей платформы AutoDiscovery к наборам данных исследований рака. Источник сообщает, что объединенная группа использовала систему для выявления более сильной, чем ожидалось, иммунной сигнатуры при инвазивном дольковом раке молочной железы, а затем подтвердила результаты наблюдения, используя независимый набор данных пациентов и лабораторный анализ. Компания Providence шведская в настоящее время обеспечивает локальное развертывание в своей собственной облачной среде для защиты исследовательских и клинических данных.

27 августа Ai2 объявила, что сотрудничает с Исследовательским центром Пола Г. Аллена (PARC) при Шведском институте рака в Провиденсе для использования платформы AutoDiscovery Ai2 в наборах данных исследований рака. В объявлении это описывается как переход от общедоступных наборов исследовательских данных к активным программам в онкологическом исследовательском центре. Партнерство делает ИИ центральным исследовательским инструментом: AutoDiscovery предназначен для поиска гипотез в сложных биомедицинских данных, которые иначе исследователи не могли бы изучить, а не просто для помощи в административной или рутинной технической работе.

Сообщенный результат исследования касается инвазивной дольковой карциномы, подтипа рака молочной железы. По словам источника, совместная группа применила AutoDiscovery к Атласу генома рака и обнаружила, что у ILC более сильная иммунная сигнатура, чем считалось ранее. Источник сообщает, что ILC исторически считался «иммунным холодом», что означает относительно невосприимчивость к иммунотерапии. Затем исследователи сверили свои наблюдения с независимым набором данных о раке молочной железы и провели лабораторный анализ образцов опухолей. Ai2 сообщает, что лабораторная работа включала иммунофлуоресцентную визуализацию, показывающую Т-клетки вокруг опухолевой ткани и маркеры гормональных рецепторов, что, по словам источника, подтверждает предложенную системой гипотезу.

В объявлении также рассматривается отдельный этап работы, который еще не считается завершенным. Providence Шведский внедряет функцию AutoDiscovery в собственной облачной среде Providence, чтобы она могла работать с защищенными исследовательскими и клиническими данными, не перемещая эти данные за пределы организации. Ожидается, что группа вычислительных исследований PARC установит, будет эксплуатировать и поддерживать систему для исследователей. Источник не сообщает, что платформа уже широко доступна внутри института, не указывает дату завершения или не уточняет, какие наборы данных или исследовательские группы будут использовать ее в первую очередь. В нем описывается договоренность как расширение сотрудничества после опубликованных результатов исследования.

Подробности об источнике: allenai.org ↗

Почему это важно

Это конкретное испытание научных открытий с помощью ИИ в условиях, когда чувствительность данных и стандарты проверки высоки. AutoDiscovery описывается как система, основанная на модели большого языка, которая генерирует и оценивает гипотезы, в то время как исследователи направляют процесс и решают, какие выводы заслуживают исследования. Сообщенный результат может расширить вопросы для исследований в области иммунотерапии, но он не является доказательством того, что лечение приносит пользу пациентам или что система готова к принятию клинических решений.

Значимость проекта заключается в предлагаемом им рабочем процессе. Источник описывает AutoDiscovery как использование больших языковых моделей для генерации и оценки неожиданных гипотез на основе сложных наборов данных. Он отдает приоритет наблюдениям, которые являются неожиданными по сравнению с предыдущими предположениями и воспроизводимыми в ходе анализа, а затем позволяет ученым итеративно проверять многообещающие сигналы. Это представлено как дополнение к традиционным исследованиям, основанным на гипотезах: система ищет потенциально информативные закономерности, в то время как ученые применяют знания предметной области, разрабатывают работу по проверке и решают, стоит ли добиваться результата.

Открытие рака молочной железы более значимо, чем непроверенные результаты модели, поскольку источник утверждает, что оно было изучено на независимом наборе данных о пациентах и ​​посредством лабораторного анализа. Эти шаги обеспечивают основу для дальнейших научных исследований и иллюстрируют, как гипотезы, созданные ИИ, могут пройти установленный процесс проверки. Сообщается, что ILC может заслуживать более широкого рассмотрения в будущих исследованиях иммунотерапии. В Ai2 говорят, что этот подтип составляет примерно 15% случаев рака молочной железы, диагностируемых в Соединенных Штатах каждый год, но в заявлении не устанавливается этот процент независимо и не показано, что пациенты с ILC будут реагировать на иммунотерапию.

Результат не следует интерпретировать как рекомендацию по лечению, систему клинической диагностики или доказательство того, что AutoDiscovery может надежно делать медицинские открытия в больших масштабах. В источнике не указаны размеры выборки, размеры эффекта, статистическая неопределенность, лабораторные протоколы, случаи неудач или сравнение с исследователями, использующими только традиционные методы. Он также не определяет конкретные языковые модели, данные обучения, подсказки, меры безопасности или критерии оценки, используемые AutoDiscovery. Заявление источника о том, что сотрудничество дало более сильные результаты, чем могли бы достичь ИИ или ученые в одиночку, является широкой характеристикой, а не количественным сравнительным выводом в предоставленном материале.

Что посмотреть дальше

Следующие важные шаги заключаются в том, станет ли локальное развертывание работоспособным, как Providence управляет доступом к защищенным данным и смогут ли исследователи воспроизвести полезные результаты в дополнительных наборах данных о раке. Источник не предоставляет данные о размерах выборки исследования, статистических показателях, сравнении с традиционными исследовательскими рабочими процессами, подробностях модели, частоте ошибок или сроках развертывания. Прежде чем сообщаемый иммунный сигнал можно будет связать с результатами лечения, потребуются последующие лабораторные и клинические исследования.

Первый вопрос заключается в том, станет ли развертывание Providence функционирующим исследовательским потенциалом, а не останется запланированной установкой. Источник сообщает, что платформа устанавливается в облаке Providence, но не уточняется, когда исследователи начнут ее использовать, сколько людей будет иметь доступ или будет ли система работать с клиническими записями, наборами данных только для исследований или с тем и другим. Поскольку данные описываются как защищенные, в будущих отчетах должны быть рассмотрены средства контроля доступа, процедуры аудита, практика хранения и то, как созданные гипотезы отделены от клинических решений. Ни одна из этих мер безопасности в объявлении не описана.

Второй вопрос – научное тиражирование. По данным Ai2, зарегистрированная иммунная сигнатура была проверена на основе одного независимого набора данных пациентов и посредством лабораторного анализа. Дальнейшая работа покажет, сохраняется ли эта закономерность в дополнительных когортах, учреждениях, образцах опухолей и методах исследования. Это также прояснит, меняет ли это открытие дизайн исследований иммунотерапии или приводит к измеримым улучшениям результатов лечения пациентов. Текущий источник останавливается на гипотезе, достойной исследования; в нем не сообщается о клинических испытаниях, ответах на лечение, регулирующих действиях или изменениях в уходе за пациентами.

Наконец, исследователям и общественности потребуются более четкие данные о самом AutoDiscovery. Полезное последующее наблюдение будет включать количество и тип выдвинутых гипотез, то, как часто исследователи считают их ценными, как часто система выдает неподтвержденные или неинтересные предложения и могут ли независимые группы воспроизвести ее результаты. В источнике есть ссылка на исследовательскую работу и способ попробовать AutoDiscovery, но в предоставленном тексте не представлены методы или данные о производительности статьи. Эти детали определят, является ли это многообещающей демонстрацией или надежным подходом к управлению биомедицинскими данными.

Сопутствующие руководства и викторины