Dom. Lug 14th, 2024
Per curare le malattie, l’intelligenza artificiale ha bisogno di una maggiore quantità di dati

Rimani informato con aggiornamenti gratuiti

Le macchine hanno già superato in astuzia gli esseri umani nel giocare a scacchi, nell’identificare il canto degli uccelli e nel prevedere strutture proteiche complesse. Ma quando si tratta di cose veramente intelligenti e intuitive, come la ricerca scientifica originale, a noi esseri umani piace pensare di avere ancora un vantaggio.

Potrebbe essere necessario ripensarci. Alla conferenza RAAIS sull’intelligenza artificiale tenutasi a Londra all’inizio di questo mese, Daniele Cohen, Il presidente della società canadese di ricerca farmaceutica Valence Labs ha discusso dell’allettante, anche se un po’ inquietante, possibilità di una “scoperta scientifica autonoma”. Addestrati su dati specialistici, sofisticati modelli di intelligenza artificiale potrebbero presto essere in grado di generare ipotesi, progettare ed eseguire esperimenti, imparare dai risultati e risciacquare e ripetere 24 ore su 24, 7 giorni su 7. “La nostra missione è industrializzare la scoperta scientifica”, ha affermato.

Non è necessario parlare a lungo con gli esperti di biologia computazionale per comprendere il loro entusiasmo per l’intelligenza artificiale. La società di ricerca sull’intelligenza artificiale Google DeepMind ha persino creato una società separata, Isomorphic Labs, per sfruttare questo dominio dopo che il suo programma AlphaFold ha modellato strutture proteiche di 200 milioni di persone.

La promessa è che la biologia computazionale può aiutare a far avanzare la ricerca scientifica, accelerare la scoperta di farmaci e migliorare i risultati dei pazienti. Le macchine hanno una serie di vantaggi rispetto alle loro controparti di ricercatori in carne ed ossa e assistenti di laboratorio. Per prima cosa non hanno bisogno di dormire, di affrontare raffreddori, postumi di una sbornia o relazioni complicate.

“Sono davvero incoraggiata dal ritmo con cui il settore si sta muovendo”, mi dice Christina Curtis, professoressa di genetica e scienza dei dati biomedici presso la Stanford University School of Medicine. “Questo sta cambiando il modo in cui comprendiamo la malattia, il modo in cui rileviamo la malignità e il modo in cui la trattiamo e la intercettiamo”.

Curtis era l'autore senior di un articolo, pubblicato su Science il mese scorso, che esplora l’ereditarietà della malignità in vari sottogruppi di cancro. Utilizzando tecniche di apprendimento automatico, i ricercatori hanno analizzato migliaia di genomi di individui con tumori al seno pre-invasivi e invasivi per esplorare le differenze nella loro risposta immunologica alla malattia. Hanno scoperto che il modo in cui le cellule tumorali si sono evolute negli individui è stato “scolpito” dal genoma della linea germinale che hanno ereditato al momento del concepimento.

Tale ricerca potrebbe portare a una diagnosi precoce e a trattamenti più personalizzati, migliorando le possibilità di sopravvivenza. “Più del 50% delle diagnosi di cancro sono allo stadio 4 o oltre. Riceviamo informazioni troppo tardi per aiutare il processo decisionale”, afferma Curtis. “Idealmente, possiamo farlo in modo più preventivo”.

Ci sono due grossi vincoli. Il primo è che “la genetica fornisce suggerimenti, non risposte”, secondo un dirigente del settore. Le macchine hanno segnalato numerosi obiettivi per lo sviluppo di farmaci, ma sono stati rilasciati pochi prodotti di successo. Anche se la tecnologia dovesse portare a scoperte scientifiche, ci vorranno molti anni per ottenere l’approvazione normativa per i nuovi farmaci.

Thore Graepel, responsabile globale della scienza computazionale presso Altos Labs, ha precedentemente contribuito allo sviluppo del programma AlphaGo presso Google DeepMind. La sconfitta del giocatore più forte del mondo da parte di AlphaGo nell'antico gioco del Go è stata vista come una svolta strabiliante nell'intelligenza artificiale. Ma Graepel ha detto alla conferenza RAAIS che le complessità biologiche che ora deve affrontare nel ringiovanimento cellulare erano “ordini di grandezza” maggiori. “Non ho mai visto tanta complessità con così pochi dati”, ha detto.

Il secondo vincolo è la scarsità dei dati. Curtis sostiene che i dati dei pazienti sono come “oro liquido” per i ricercatori, ma non disponiamo ancora dei meccanismi per acquisirli regolarmente. Sarebbe molto utile combinare le informazioni genetiche di un paziente con i dati sanitari longitudinali raccolti durante i suoi trattamenti e la sua vita.

Riorientare i sistemi sanitari verso il monitoraggio e la prevenzione precoci e allontanarli dalla diagnosi e dal trattamento tardivi richiederà una trasformazione colossale di organizzazioni ingombranti. Ma il partito laburista britannico, che sembra pronto a vincere le elezioni generali della prossima settimana, promette di accelerare questa trasformazione del servizio sanitario nazionale. Il manifesto del lavoro si impegna a creare un fondo “Fit For the Future” per raddoppiare il numero di scanner TC e MRI per rilevare i tumori in stadio iniziale.

Gli elettori sono giustamente scettici nei confronti dei politici che fanno grandi promesse. Ma le tensioni sulle finanze pubbliche delle società che invecchiano potrebbero presto non lasciare ai governi altra scelta se non quella di seguire questa strada. Come avrebbe detto il filosofo olandese Desiderius Erasmus cinque secoli fa: “Prevenire è meglio che curare”. A tal fine, l’intelligenza artificiale potrebbe essere una delle nostre più grandi risorse.

[email protected]