ஒரு நேர்காணலில், வேதியியல் நோபல் டெமிஸ் ஹசாபிஸ், விரைவில் செயற்கை நுண்ணறிவு மருந்துகளின் வளர்ச்சியையும் குணப்படுத்துதல்களையும் துரிதப்படுத்தும் என்று பரிந்துரைத்தார். நிபுணர்கள் சர்ச்சைக்குரிய அறிக்கையை ஆராய்கின்றனர். பத்து -ஆண்டு, வேதியியலுக்கான நோபல் பரிசு டெமிஸ் ஹசாபிஸ் அனைத்து நோய்களையும் செயற்கை நுண்ணறிவின் உதவியுடன் (IA) குணப்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது -குறைந்தபட்சம் அதுதான் இணையத்தில் படிக்கப்பட்டுள்ளது. கூகிள் டீப் மைண்டின் இணை நிறுவன மற்றும் நிர்வாக இயக்குனர் AI இல் நிபுணத்துவம் பெற்றவர், இந்த தொழில்நுட்பத்தின் பல்வேறு அம்சங்களை சிபிஎஸ் நியூஸ் 60 நிமிட திட்டத்தில் பேட்டி கண்டார்.
புகைப்படம்: டி.டபிள்யூ / டாய்ச் வெல்லே
சக ஊழியரான ஜான் எம். ஜம்பர் உடன் சேர்ந்து, 48 ஆம் ஆண்டு ஆங்கிலேயர் AI AIPAFOLD2 மாதிரியை ஆழமாக உருவாக்கி உருவாக்கினார், இது இப்போது அறியப்பட்ட அனைத்து 200 மில்லியன் புரதங்களின் கட்டமைப்புகளையும் கணிக்கும் திறன் கொண்டது. இந்த பொருட்கள் தொடர்ச்சியான உயிரியல் செயல்பாடுகளைச் செய்கின்றன, மேலும் அவற்றின் உற்பத்தி, கட்டமைப்பு அல்லது செயல்பாட்டில் உள்ள கோளாறுகள் நோய்க்குறியீடுகளை ஏற்படுத்தும். இந்த கண்டுபிடிப்பு 2024 ஆம் ஆண்டில் இரட்டையர் வேதியியல் விருதுக்கு மதிப்புள்ளது.
60 நிமிடங்களுக்கு ஒரு நேர்காணலில், எதிர்காலத்தில் AI வாரங்கள் அல்லது மாதங்களில் மருந்துகளின் வளர்ச்சியை குறைக்க முடியும் என்று ஹசாபிஸ் ஊகித்தார். அவர் மேலும் கூறுகையில், “ஒரு நாள் AI இன் உதவியுடன் எல்லா நோய்களையும் குணப்படுத்த முடியும் என்று நான் நினைக்கிறேன்.”
நேர்காணல் செய்பவர் ஸ்காட் பெல்லி, “எல்லா நோய்களின் முடிவும்?” இது அடையக்கூடியது, ஹசாபிஸ் உறுதிப்படுத்தினார்: “அடுத்த தசாப்தத்திற்குள் கூட, ஏன் என்று நான் பார்க்கவில்லை.”
மூலக்கூறு கட்டமைப்புகளை வெளிப்படுத்துகிறது
சில நேரங்களில் ஒரு குறிப்பிட்ட புரதத்தின் செயல்பாட்டை அதன் முப்பரிமாண கட்டமைப்பிலிருந்து மதிப்பிட முடியும், ஆனால் “மனித உடலில் பெரும்பாலான புரதங்களில்,” ஜெர்மனியில் உள்ள கைசர்ஸ்டேட்டர்ன்-லேண்டவு தொழில்நுட்ப பல்கலைக்கழகத்தின் அல்காரிதம் பொறுப்புக்கூறல் ஆய்வகத்தின் இயக்குனர் உயிர் வேதியியல் மற்றும் கணினி அறிவியல் கோதரினா ஸ்வேக் விளக்குகிறார்.
புரத கட்டமைப்பின் மாற்றம் சில நோய்களுக்கு காரணமாகும், மேலும் “பின்னர் இந்த செயல்முறையைத் தடுக்க ஒரு மருந்தை உருவாக்க முடியும்.” இதற்கு முன், இது ஒரு முழு முனைவர் ஆய்வுக் கட்டுரையையும் எடுத்தது, ஒரு மூலக்கூறு கட்டமைப்பை அடையாளம் காணவும், கணக்கிட்டு மாதிரியாகவும் மூன்று முதல் ஐந்து ஆண்டுகள் தேவை. இந்த அர்த்தத்தில், “ஹசாபிஸ் வயது, உண்மையில் ஒரு புரட்சி” என்று ஸ்வேக் உறுதிப்படுத்துகிறார்.
ஃபிரான்ஹோஃபர் இன்ஸ்டிடியூட் ஆப் காக்னிடிவ் சிஸ்டம்ஸ் (ஐ.கே.எஸ்) இன் தலைமை ஆராய்ச்சியாளர் ஃப்ளோரியன் கீஸ்லர், வழக்கமாக நோய்க்கான காரணங்கள் ஒரு உறுப்புக்கு குறைக்கப்படாது என்று நினைவு கூர்ந்தார், “ஆனால் புரதங்கள் முக்கிய பங்கு வகிக்கும் பல எடுத்துக்காட்டுகள் உள்ளன.” எனவே, “வரவிருக்கும் ஆண்டுகளில், இன்று நாம் கற்பனை செய்ய முடியாத விஷயங்களை நான் அனுமதிப்பேன்.”
ஆயினும்கூட, பல புரதங்களுக்கும் சில நோய்களுக்கும் இடையில் முழுமையான கடிதங்கள் நிறுவப்படாததால், பத்து ஆண்டுகளுக்குள் அனைத்து நோய்களும் இன்னும் குணமடையாது என்பதை கோதரினா ஸ்வேக் உறுதிசெய்கிறார்: “அசாதாரண மூன்று -பரிமாண கட்டமைப்புகளுடன் பிறழ்வுகள் உள்ளன.
எந்த புரத அமைப்பு எந்த நோயை விளைவிக்கிறது என்பதை வரையறுத்திருந்தாலும், ஒரு மருந்து சந்தைக்குள் நுழையும் வரை ஒரு நீண்ட செயல்முறை தேவைப்படுகிறது: “நீங்கள் மருத்துவ ஆய்வுகளில் சோதிக்க வேண்டும், இதற்கு போதுமான நோயாளிகள், அங்கீகாரங்கள் தேவை. எனவே அது அவ்வளவு வேகமாக இருக்காது என்று நான் நினைக்கிறேன்.”
மருத்துவத்தில் செயற்கை நுண்ணறிவின் தற்போதைய பயன்பாடுகள்
கணக்கிடப்பட்ட டோமோகிராபி படங்களை அடிப்படையாகக் கொண்ட நோயறிதலில், நோயியல் மாற்றங்களின் இருப்பை மிக வேகமாக அங்கீகரிக்கிறது, ஃப்ளோரியன் கீஸ்லர் விளக்குகிறார். சிகிச்சை முறைகளை மேம்படுத்துவதற்கு உதவுகிறது, இது மருந்துகளின் கலவையில் எதிர்பாராத பக்க விளைவுகளை ஏற்படுத்துகிறது.
செயற்கை நுண்ணறிவு சுகாதார அமைப்பில் சுமையைக் குறைக்கும் ஆற்றலையும் கொண்டுள்ளது, “எடுத்துக்காட்டாக நோயாளிகளுடனான உரையாடல்களை தானாகவே சுருக்கமாகக் கூறுகிறது மற்றும் சுகாதார பெட்டிகளுக்கான கட்டமைக்கப்பட்ட அறிக்கைகளைத் தயாரிக்கிறது” என்று ஆராய்ச்சியாளர் கூறுகிறார். “இது விலைமதிப்பற்ற சுகாதார அமைப்பு நேரத்தை மிச்சப்படுத்துகிறது. இங்கே AI க்கு ஒரு தீர்க்கமான பங்கு இருக்கும்.”
எவ்வாறாயினும், உயிர் வேதியியல் ஸ்வீக், AI உதவி இருந்தபோதிலும், நோய்களைக் குணப்படுத்துவதற்கு சிறந்த நிதி ஆதாரங்கள் தேவை: “ஆகவே, மருந்துகள் தொடர்ந்து போதுமான பண நோயாளிகள் இருக்கும் இடத்தில் மட்டுமே உருவாக்கப்படும், பின்னர் அவர்களுக்கு பணம் செலுத்துகின்றன.”
வரையறுக்கப்பட்ட மதிப்பு நோயறிதல்கள்
மற்றொரு கேள்வி என்னவென்றால், பொதுவாக, வரையறுக்கப்பட்ட விதிகளின் அடிப்படையில் ஒரு நோயறிதலை உச்சரிப்பது அரிது, கதரினா ஸ்வேக் சேர்க்கிறார். இந்த நிகழ்வுகளில் ஒன்று நீரிழிவு நோய், அங்கு “வரம்பு வீதம் மற்றும் தெளிவான அளவீட்டு முறைகள் உள்ளன.”
எவ்வாறாயினும், பெரும்பாலான பிற நோயறிதல்களுக்கு நிறைய தீர்ப்பும் அனுபவமும் தேவைப்படுகிறது, மேலும் “மருத்துவர்கள் மற்றும் மருத்துவர்களை மாற்றுவதற்கான நிலைக்கு அவை மிகவும் நம்பகமானதாக இருக்கும்” இன்று எனக்கு எந்த AI முறையும் தெரியாது. ” ஃப்ளோரியன் கீஸ்லர் எதிர்காலத்தில், சிகிச்சையின் முடிவு மனித பொறுப்பாகவே இருக்கும் என்ற கொள்கையிலிருந்து சமமாகத் தொடங்குகிறது, “குறிப்பாக நெறிமுறை மற்றும் சட்ட காரணங்களுக்காக.”
ஏனெனில், இந்த நேரத்தில், AI அமைப்புகள் இன்னும் ஒரு வகையான “கருப்பு பெட்டி” ஆகும், அங்கு ஒரு உள்ளீடு நிகழ்கிறது மற்றும் ஒரு பதிலைப் பெறுகிறது, ஆனால் தெரியாமல் ஒரு நூறு முடிவு எடுக்கப்பட்டது “என்று ஃபிரான்ஹோஃபர் நிறுவனத்தின் ஆராய்ச்சியாளர் ஒப்பிடுகிறார்.
கதரினா ஸ்வேக் இதை விவரிக்கிறார்: “இயந்திரக் கற்றலைக் காண எங்களுக்கு வழி இல்லை, அல்லது உங்கள் நோயறிதலுக்கு இது எவ்வாறு வருகிறது, ஆகவே, மனிதர்களாகிய நாம் நிறுவும் அளவுகோல்களிலிருந்து தொடங்குகிறதா என்று நாம் முடிவு செய்ய முடியாது.”
