Stefano Pacifico og David Heeger, Co-Founders of Epistemic AI – Interview Serie

Epistemic AI anvender state-of-the-art Natural Language Processing (NLP), machine learning og deep learning-algoritmer til at kortlægge relationer mellem en voksende mængde af biomedicinsk viden, fra både offentlige og private kilder, herunder tekstdokumenter og databaser. Gennem en proces med Knowledge Mapping kan brugerne interagerer med platformen for at kortlægge og forstå undermængder af biomedicinsk viden, hvilket afslører begreber og relationer, der ellers ville være gået tabt med traditionel søgning.

Vi interviewede begge co-founders af Epistemic AI for at diskutere disse seneste fremskridt.

Stefano Pacifico kommer fra 10+ år med erfaring i anvendt AI og NLP-udvikling. Tidligere hos Bloomberg, hvor han tilbragte 7 år, og hos Elemental Cognition før han startede Epistemic.

David Heeger er en Silver Professor i datavidenskab og neurovidenskab ved NYU og har tilbragt sin karriere med at brobygge mellem computervidenskab, AI og bioscience. Han er medlem af National Academy of Sciences. Som grundere bringer de sammen ekspertisen i opbygning af anvendt storstilet AI og NLP-systemer til forståelse af store samlinger af viden, med ekspertise i computervidenskab og biomedicinsk videnskab fra års forskning i området.

Hvad var det, der introducerede og tiltrak dig til AI og Natural Language Processing (NLP)?

Stefano Pacifico: Da jeg var på universitetet i Rom, og AI ikke var populært overhovedet (i virkeligheden var det meget perifert), spurgte jeg min daværende vejleder, hvilken specialisering jeg skulle have valgt blandt de tilgængelige. Han sagde: “Hvis du vil tjene penge, Software Engineering og Databaser, men hvis du vil være underlig og meget avanceret, så vælg kunstig intelligens”. Jeg var solgt på “underlig”. Jeg begyndte herefter at arbejde med videnrepræsentation og -resonnering for at studere, hvordan autonome agenter kunne spille fodbold eller redde mennesker. Så fik jeg to realisationer, der fik mig til at falde dybt i love med NLP: først, autonome agenter måtte kommunikere med naturligt sprog imellem sig! Anden, at opbygning af formelle videnbasarer med hånden er svært, mens naturligt sprog (i tekst) allerede giver den største videnbase af alle. Jeg ved i dag, at disse observationer måske synes åbenlyse, men de var ikke så mainstream før.

Hvad var inspirationen bag lanceringen af Epistemic AI?

Stefano Pacifico: Jeg vil gøre et dristigt krav. Ingen har i dag tilstrækkelig værktøj til at forstå og forbinde den viden, der er til stede i store, voksende samlinger af dokumenter og data. Jeg havde tidligere arbejdet på det problem i finansverdenen. Tænk på nyheder, finansielle rapporter, prisdata, virksomhedsaktioner, indberetninger osv. Jeg fandt, at problemet var berusende. Og det er et svært problem; og et vigtigt et! Da jeg mødte min medstifter, Dr. David Heeger, tilbragte vi en del tid på at evaluere startup-muligheder i den biomedicinske industri. Da vi indså den enorme mængde af information, der genereres i dette felt, var det, som om alt faldt på plads. Biomedicinske forskere kæmper med informationsoverbelastning, mens de forsøger at tackle den enorme og hurtigt voksende base af biomedicinsk viden, herunder dokumenter (f.eks. artikler, patenter, kliniske forsøg) og databaser (f.eks. gener, proteiner, stier, lægemidler, sygdomme, medicinske termer). Dette er et stort problem for forskerne, og da der ikke er nogen passende løsning til rådighed, er de tvunget til at bruge grundlæggende søgetjenester (PubMed og Google (GOOGL ) Scholar) og manuelt kuraterede databaser. Disse værktøjer er egnet til at finde dokumenter, der matcher nøgleord (f.eks. et enkelt gen eller en offentliggjort artikel), men ikke til at opnå omfattende viden om et emneområde eller underområde (f.eks. COVID-19), eller til at fortolke resultaterne af høj-gennemstrømning biologi-eksperimenter, såsom gen-sekventering, protein-udtryk eller screening af kemiske forbindelser. Vi startede Epistemic AI med idéen om at løse dette problem med en platform, der tillader dem at iterativt:

1. Kortlægge tiden til at indsamle information og opbygge omfattende videnkort
2. Afsløre tværfaglig information, der kan være svær at finde (rigtige opdagelser kommer ofte fra at kigge ind i det hvide mellemrum mellem fag)
3. Identificere årsags-hypoteser ved at finde stier og manglende links i jeres videnkort

Hvad er nogle af både de offentlige og private kilder, der bruges til at kortlægge disse relationer?

Stefano Pacifico: For tiden indtager vi alle offentligt tilgængelige kilder, vi kan få fat i, herunder Pubmed og clinicaltrials.gov. Vi indtager også databaser over gener, lægemidler, sygdomme og deres interaktioner. Vi inkluderer også private datakilder for udvalgte kunder, men vi er ikke i stand til at afsløre nogen detaljer endnu.

Hvilke maskinlærings-teknologier bruges til videnkortlægning?

Stefano Pacifico: En af de dybt holdte overbevisninger hos Epistemic AI er, at fanatisme ikke er hjælpsomt til at bygge produkter. Bygning af en arkitektur, der integrerer flere maskinlærings-teknikker, var en beslutning, der blev taget tidligt, og disse omfatter alt fra videnrepræsentation til transformer-modeller, gennem graf-embeddings, men også enklere modeller som regression og tilfældige skove. Hver komponent er så enkel, som den skal være, men ikke enklere. Mens vi mener, at vi allerede har bygget NLP-komponenter, der er state-of-the-art for bestemte opgaver, er vi ikke bange for at bruge enklere baseline-modeller, når det er muligt.

Kan du nævne nogle af de virksomheder, non-profit-organisationer eller akademiske institutioner, der bruger Epistemic-platformen?

Stefano Pacifico: Jeg ville elske at gøre det, men vi har ikke aftalt med vores brugere at gøre det. Jeg kan sige, at vi har haft personer, der har tilmeldt sig fra meget højt profilerede institutioner i alle tre sektorer (virksomheder, non-profit-organisationer og akademiske institutioner). Desuden har vi til hensigt at holde platformen gratis for akademiske/non-profit-formål.

Hvordan hjælper Epistemic forskere med at identificere centralnervesystem (CNS) og andre sygdomsspecifikke biomarkører?

Dr. David Heeger: Neurovidenskab er et meget tværfagligt felt, der inkluderer molekylær og cellebiologi og genetik, men også psykologi, kemi og principper for fysik, ingeniørvidenskab og matematik. Det er så bredt, at ingen kan være ekspert i alt. Forskere på akademiske institutioner og i pharma/biotech-virksomheder er tvunget til at specialisere sig. Men vi ved, at de vigtige indsighter er tværfaglige, der kombinerer viden fra underdisciplinerne. Den AI-drevne software-platform, vi bygger, giver mulighed for, at alle kan være mere tværfaglige, se forbindelserne mellem deres individuelle underområder og andre emner og identificere nye hypoteser. Dette er særligt vigtigt i neurovidenskab, da det er et så højt tværfagligt felt fra starten. Funktionen og dysfunktionen af det menneskelige hjerte er det sværeste problem, videnskaben nogensinde har stået overfor. Vi er på en mission til at ændre, hvordan biomedicinske forskere arbejder og tænker.

Epistemic giver også mulighed for opdagelse af genetiske mekanismer for CNS-forstyrrelser. Kan du forklare, hvordan dette fungerer?

Dr. David Heeger: De fleste neurologiske sygdomme, psykiatriske sygdomme og udviklingsforstyrrelser har ikke en enkel forklaring i form af genetiske forskelle. Der er en håndfuld syndromiske forstyrrelser, hvor en specifik mutation er kendt for at forårsage forstyrrelsen. Men det er ikke typisk tilfældet. Der er hundredvis af genetiske forskelle, f.eks. der er associeret med autisme-spektrum-forstyrrelser (ASD). Der er en vis forståelse for nogle af disse gener om de funktioner, de tjener i grundlæggende biologi. F.eks. nogle af de gener, der er associeret med ASD, holder synapperne sammen i hjernen (bemærk dog, at de samme gener typisk udfører forskellige funktioner i andre organsystemer i kroppen). Men der er meget lidt forståelse om, hvordan disse genetiske forskelle kan forklare den komplekse samling af adfærdsmæssige forskelle, der ses hos individer med ASD. For at gøre sagen værre kan to individer med den samme genetiske forskel have helt forskellige resultater, en diagnostiseret med ASD og den anden ikke. Og to individer med helt forskellige genetiske profiler kan have det samme resultat med meget lignende adfærdsmæssige defekter. For at forstå alt dette kræver det at lave forbindelsen fra genetik og molekylærbiologi til celle-neurovidenskab (hvordan genetiske forskelle kan forårsage, at enkeltne neuroner fungerer forskelligt) og derefter til system-neurovidenskab (hvordan disse forskelle i celle-funktion kan forårsage, at netværk af store antal forbundne neuroner fungerer forskelligt) og derefter til psykologi (hvordan disse forskelle i neural netværksfunktion kan forårsage forskelle i kognition, følelse og adfærd). Og alt dette skal forstås fra en udviklingsmæssig synsvinkel. En genetisk forskel kan forårsage en defekt i en bestemt aspekt af neural funktion. Men hjernen sidder ikke bare der og tager imod det. Hjerner er meget tilpasningsdygtige. Hvis der er en manglende eller defekt mekanisme, så vil hjernen udvikle sig forskelligt for at kompensere så meget som muligt. Denne kompensation kan være molekylær, f.eks. opregulering af en anden synaptisk receptor for at erstatte funktionen af en defekt synaptisk receptor. Eller kompensationen kan være adfærdsmæssig. Det endelige resultat afhænger ikke kun af den oprindelige genetiske forskel, men også af de forskellige forsøg på at kompensere, der afhænger af andre molekylære, cellulære, kredsløb, systemer og adfærdsmæssige mekanismer.

Ingen enkelt person har viden nok til at forstå alt dette. Vi har alle brug for hjælp. Den AI-drevne software-platform, vi bygger, giver mulighed for, at alle kan indsamle og forbinde alle relevante biomedicinske kundskaber, se forbindelserne og identificere nye hypoteser.

Hvordan bruger biopharma og akademiske institutioner Epistemic til at tackle COVID-19-udfordringen?

Stefano Pacifico: Vi har udgivet en offentlig version af vores platform, der inkluderer COVID-specifikke datasæt og er frit tilgængelig for alle, der laver forskning i COVID-19. Den er tilgængelig på https://covid.epistemic.ai

Hvad er nogle af de andre sygdomme eller genetiske problemer, som Epistemic er blevet brugt til?

Stefano Pacifico: Vi har samarbejdet med autisme-forskere og er for nylig i gang med at opbygge et nyt forskningsinitiativ for Cystic Fibrose. Men vi er glade for at samarbejde med andre forskere eller institutioner, der måske har brug for hjælp med deres forskning.

Er der noget andet, du gerne vil dele om Epistemic?

Stefano Pacifico: Vi bygger en bevægelse af mennesker, der vil ændre, hvordan biomedicinske forskere arbejder og tænker. Vi håber oprigtigt, at mange af vores læsere vil ønske at slutte sig til os!

Tak til jer begge for at tage tid til at besvare vores spørgsmål. Læsere, der ønsker at lære mere, skal besøge Epistemic AI.