پیشرفت های تازه پزشکی گوگل دیپ‌مایند با کمک مولدهای تصویر هوش مصنوعی

بخش اعظمی از قطارهای تبلیغاتی اخیر هوش مصنوعی حول محور محتوای دیجیتال مسحورکننده تولید شده از اعلان های ساده، در کنار نگرانی در مورد توانایی آن در از بین بردن نیروی کار و قانع کننده تر کردن تبلیغات مخرب متمرکز شده است. با این حال، برخی از امیدوارکننده ترین کارهای هوش مصنوعی در پزشکی نهفته است. به‌روزرسانی جدید نرم‌افزار AlphaFold گوگل می‌تواند منجر به پیشرفت‌های جدید در تحقیقات بیماری و درمان شود.

نرم افزار AlphaFold، توسعه یافته توسط گوگل دیپ‌مایند و (همچنین متعلق به آلفابت) Isomorphic Labs، قبلاً نشان داده که می تواند چگونگی تا شدن پروتئین ها را با دقت تکان دهنده ای پیش بینی کند. این نرم افزار 200 میلیون پروتئین شناخته شده را فهرست‌بندی کرده و به گفته گوگل میلیون‌ها محقق از نسخه‌های قبلی برای اکتشافات در زمینه‌هایی مانند واکسن‌های مالاریا، درمان سرطان و طرح‌های آنزیمی استفاده کرده‌اند.

دانستن شکل و ساختار پروتئین نحوه تعامل آن با بدن انسان را تعیین می کند و به دانشمندان اجازه می دهد داروهای جدید بسازند یا داروهای موجود را بهبود بخشند. اما نسخه جدید AlphaFold 3 می‌تواند مولکول‌های حیاتی دیگر از جمله DNA را مدل‌سازی کند. همچنین می‌تواند تعاملات بین داروها و بیماری‌ها را ترسیم کند که می‌تواند درهای جدید هیجان‌انگیزی را برای محققان باز کند. گوگل می گوید که این کار را با دقت 50 درصد بهتر از مدل های موجود انجام می دهد. تیم تحقیقاتی DeepMind گوگل با انتشار پستی در وبلاگ خود نوشت:

AlphaFold 3، ما را فراتر از پروتئین ها به طیف گسترده ای از مولکول های زیستی می برد. این جهش می‌تواند علوم دگرگون‌کننده‌تر، از توسعه مواد تجدیدپذیر زیستی و محصولات مقاوم‌تر، تا تسریع در طراحی دارو و تحقیقات ژنومیک را باز کند.

قبل از هوش مصنوعی، دانشمندان فقط می‌توانستند ساختارهای پروتئین را از طریق میکروسکوپ‌های الکترونی و روش‌هایی مانند کریستالوگرافی اشعه ایکس بررسی کنند. یادگیری ماشینی بسیاری از این فرآیند را با استفاده از الگوهای شناسایی شده از آموزش آن برای پیش‌بینی شکل‌های پروتئین بر اساس اسیدهای آمینه آنها ساده می‌کرد. گوگل می گوید بخشی از پیشرفت های AlphaFold 3 از به کارگیری مدل های انتشار در پیش بینی های مولکولی آن ناشی می شود.

مدل‌های Diffusion قطعات اصلی تولیدکننده‌های تصویر هوش مصنوعی مانند Midjourney، Google’s Gemini و OpenAI’s DALL-E 3 هستند. همانطور که Wired توضیح داد، گنجاندن این الگوریتم ها در AlphaFold “ساختارهای مولکولی ایجاد شده توسط نرم افزار را تشدید می کند.” به عبارت دیگر، تشکیلاتی را می‌گیرد که مبهم به نظر می‌رسد و بر اساس الگوهایی از داده‌های آموزشی خود حدس‌های بسیار دقیقی می‌دهد تا آن را روشن کند.

دمیس حسابیس، مدیرعامل گوگل دیپ مایند به Wired گفت:

این یک پیشرفت بزرگ برای ماست. این دقیقاً همان چیزی است که برای کشف دارو نیاز دارید؛ باید ببینید که چگونه یک مولکول کوچک به یک دارو متصل می شود، چقدر قوی است، و همچنین ممکن است به چه چیز دیگری متصل شود.

AlphaFold 3 از یک مقیاس رنگی برای برچسب‌گذاری سطح اطمینان خود در پیش‌بینی‌اش استفاده می‌کند و به محققان این امکان را می‌دهد تا با احتیاط مناسب با نتایجی که احتمال دقت کمتری دارند، عمل کنند. آبی به معنای اعتماد به نفس بالا است. قرمز به این معنی است که کمتر مطمئن است. گوگل AlphaFold 3 را رایگان برای محققان می‌سازد تا از آن برای تحقیقات غیرتجاری استفاده کنند. با این حال، برخلاف نسخه‌های گذشته، این پروژه منبع باز نیست.