Stefano Pacifico y David Heeger, Co-Fundadores de Epistemic AI – Serie de Entrevistas

Epistemic AI emplea técnicas de procesamiento de lenguaje natural (NLP) de última generación, algoritmos de aprendizaje automático y de aprendizaje profundo para mapear relaciones entre un cuerpo de conocimiento biomédico en constante crecimiento, procedente de múltiples fuentes públicas y privadas, incluyendo documentos y bases de datos. A través de un proceso de mapeo de conocimiento, los usuarios interactúan con la plataforma para mapear y comprender subconjuntos de conocimiento biomédico, lo que revela conceptos y relaciones que de otro modo se pasarían por alto con la búsqueda tradicional.

Nosotros entrevistamos a ambos co-fundadores de Epistemic AI para discutir estos últimos avances.

Stefano Pacifico proviene de más de 10 años en el desarrollo de AI y NLP aplicados. Anteriormente en Bloomberg, donde pasó 7 años, y estuvo en Elemental Cognition antes de fundar Epistemic.

David Heeger es profesor de ciencia de datos y neurociencia en la Universidad de Nueva York, y ha pasado su carrera conectando la informática, la IA y la biociencia. Es miembro de la Academia Nacional de Ciencias. Como fundadores, reúnen la experiencia de construir sistemas de AI y NLP aplicados a gran escala para comprender grandes colecciones de conocimiento, con la experiencia en biología computacional y ciencia biomédica de años de investigación en el área.

¿Qué es lo que te introdujo y te atrajo a la IA y al Procesamiento de Lenguaje Natural (NLP)?

Stefano Pacifico: Cuando estaba en la universidad en Roma, y la IA no era popular en absoluto (de hecho, era muy marginal), le pregunté a mi asesor en ese momento qué especialización debía elegir entre las disponibles. Me dijo: “Si quieres ganar dinero, Ingeniería de Software y Bases de Datos, pero si quieres ser raro pero muy avanzado, entonces elige Inteligencia Artificial”. Me convenció con “raro”. Entonces comencé a trabajar en la representación del conocimiento y la razonamiento para estudiar cómo los agentes autónomos podrían jugar al fútbol o rescatar a personas. Luego, dos realizaciones me hicieron enamorarme del NLP: primero, los agentes autónomos podrían tener que comunicarse con lenguaje natural entre sí. Segundo, construir bases de conocimiento formales a mano es difícil, mientras que el lenguaje natural (en texto) ya proporciona la mayor base de conocimiento de todas. Sé que hoy en día estas pueden parecer observaciones obvias, pero no lo eran antes.

¿Cuál fue la inspiración detrás del lanzamiento de Epistemic AI?

Stefano Pacifico: Voy a hacer una afirmación atrevida. Nadie hoy en día tiene herramientas adecuadas para comprender y conectar el conocimiento presente en grandes colecciones de documentos y datos en constante crecimiento. Anteriormente había trabajado en ese problema en el mundo de las finanzas. Piensa en noticias, estados financieros, datos de precios, acciones corporativas, presentaciones, etc. Encontré que el problema era intoxicante. Y, por supuesto, es un problema difícil; y un problema importante. Cuando conocí a mi co-fundador, el Dr. David Heeger, pasamos bastante tiempo evaluando oportunidades de startup en la industria biomédica. Cuando nos dimos cuenta del volumen de información generado en este campo, fue como si todo cayera en su lugar. Los investigadores biomédicos luchan con la sobrecarga de información, mientras intentan comprender la vasta y rápidamente creciente base de conocimiento biomédico, incluyendo documentos (por ejemplo, artículos, patentes, ensayos clínicos) y bases de datos (por ejemplo, genes, proteínas, vías, fármacos, enfermedades, términos médicos). Esto es un dolor de cabeza importante para los investigadores, y sin una solución adecuada, se ven obligados a usar herramientas de búsqueda básicas (PubMed y Google (GOOGL ) Scholar) y explorar bases de datos manualmente curadas. Estas herramientas son adecuadas para encontrar documentos que coinciden con palabras clave (por ejemplo, un solo gen o un artículo de revista publicado), pero no para adquirir conocimiento integral sobre un área de tema o subdominio (por ejemplo, COVID-19), o para interpretar los resultados de experimentos de biología de alto rendimiento, como la secuenciación de genes, la expresión de proteínas o la selección de compuestos químicos. Comenzamos Epistemic AI con la idea de abordar este problema con una plataforma que les permita a ellos:

1. Reducir el tiempo para recopilar información y construir mapas de conocimiento integrales
2. Superficiar información interdisciplinaria que puede ser de otro modo difícil de encontrar (los descubrimientos importantes a menudo provienen de mirar el espacio en blanco entre disciplinas);
3. Identificar hipótesis causales al encontrar rutas y enlaces perdidos en su mapa de conocimiento.

¿Cuáles son algunas de las fuentes públicas y privadas que se utilizan para mapear estas relaciones?

Stefano Pacifico: En este momento, estamos ingiriendo todas las fuentes públicamente disponibles que podemos obtener, incluyendo Pubmed y clinicaltrials.gov. Ingerimos bases de datos de genes, fármacos, enfermedades y sus interacciones. También incluimos fuentes de datos privadas para clientes seleccionados, pero no estamos en libertad de divulgar detalles aún.

¿Qué tipo de tecnologías de aprendizaje automático se utilizan para el mapeo de conocimiento?

Stefano Pacifico: Una de las creencias profundamente arraigadas en Epistemic AI es que el fanatismo no es útil para construir productos. La decisión de construir una arquitectura que integre varias técnicas de aprendizaje automático se tomó desde el principio, y estas van desde la Representación del Conocimiento hasta modelos Transformer, pasando por incrustaciones de grafos, pero también incluyen modelos más simples como regresiones y bosques aleatorios. Cada componente es tan simple como necesita ser, pero no más simple. Aunque creemos haber construido ya componentes de NLP que son de última generación para ciertas tareas, no nos negamos a modelos de línea de base más simples cuando es posible.

¿Puedes nombrar algunas de las empresas, organizaciones sin fines de lucro o instituciones académicas que están utilizando la plataforma Epistemic?

Stefano Pacifico: Aunque me encantaría, no hemos acordado con nuestros usuarios hacerlo. Puedo decir que hemos tenido personas que se han registrado desde instituciones de muy alto perfil en los tres segmentos (empresas, organizaciones sin fines de lucro e instituciones académicas). Además, tenemos la intención de mantener la plataforma gratuita para fines académicos y sin fines de lucro.

¿Cómo asiste Epistemic a los investigadores para identificar biomarcadores específicos de enfermedades del sistema nervioso central (SNC) y otros?

Dr. David Heeger: La neurociencia es un campo muy interdisciplinario que incluye biología molecular y celular y genómica, pero también psicología, química y principios de física, ingeniería y matemáticas. Es tan amplio que nadie puede ser experto en todo. Los investigadores en instituciones académicas y empresas farmacéuticas y biotecnológicas se ven obligados a especializarse. Pero sabemos que las ideas importantes son interdisciplinarias, combinando conocimiento de las subespecialidades. La plataforma de software impulsada por IA que estamos construyendo permite que todos sean más interdisciplinarios, que vean las conexiones entre su área individual de especialización y otros temas, y que identifiquen nuevas hipótesis. Esto es especialmente importante en neurociencia porque es un campo tan interdisciplinario para empezar. La función y disfunción del cerebro humano es el problema más difícil que la ciencia ha enfrentado. Estamos en una misión para cambiar la forma en que los científicos biomédicos trabajan y piensan.

Epistemic también permite el descubrimiento de mecanismos genéticos de trastornos del SNC. ¿Puedes explicarnos cómo funciona?

Dr. David Heeger: La mayoría de las enfermedades neurológicas, trastornos psiquiátricos y trastornos del desarrollo no tienen una explicación simple en términos de diferencias genéticas. Hay un puñado de trastornos sindrómicos para los que se conoce una mutación específica que causa el trastorno. Pero eso no es típicamente el caso. Hay cientos de diferencias genéticas, por ejemplo, que se han asociado con trastornos del espectro autista (TEA). Hay alguna comprensión para algunos de estos genes sobre las funciones que sirven en términos de biología básica. Por ejemplo, algunos de los genes asociados con TEA mantienen las sinapsis unidas en el cerebro (nota, sin embargo, que los mismos genes típicamente realizan funciones diferentes en otros sistemas del cuerpo). Pero hay muy poca comprensión sobre cómo estas diferencias genéticas pueden explicar la suite compleja de diferencias de comportamiento exhibidas por individuos con TEA. Para empeorar las cosas, dos individuos con la misma diferencia genética pueden tener resultados completamente diferentes, uno diagnosticado con TEA y el otro, no. Y dos individuos con perfiles genéticos completamente diferentes pueden tener el mismo resultado con déficits de comportamiento muy similares. Para entender todo esto se requiere hacer la conexión desde la genómica y la biología molecular hasta la neurociencia celular (cómo las diferencias genéticas hacen que las neuronas individuales funcionen de manera diferente) y luego a la neurociencia de sistemas (cómo esas diferencias en la función celular causan que las redes de neuronas interconectadas funcionen de manera diferente) y luego a la psicología (cómo esas diferencias en la función de la red neural causan diferencias en la cognición, la emoción y el comportamiento). Y todo esto necesita ser entendido desde una perspectiva de desarrollo. Una diferencia genética puede causar un déficit en un aspecto particular de la función neural. Pero el cerebro no se queda simplemente ahí y lo acepta. Los cerebros son altamente adaptables. Si hay un mecanismo faltante o roto, el cerebro se desarrollará de manera diferente para compensar tanto como sea posible. Esta compensación puede ser molecular, por ejemplo, regulando al alza otro receptor sináptico para reemplazar la función de un receptor sináptico roto. O la compensación puede ser conductual. El resultado final depende no solo de la diferencia genética inicial, sino también de los intentos de compensación que dependen de otros mecanismos moleculares, celulares, de circuitos, de sistemas y conductuales.

Nadie tiene el conocimiento para entender todo esto. Todos necesitamos ayuda. La plataforma de software impulsada por IA que estamos construyendo permite que todos recolecten y enlacen todo el conocimiento biomédico relevante, que vean las conexiones y que identifiquen nuevas hipótesis.

¿Cómo están utilizando Epistemic las instituciones farmacéuticas y académicas para abordar el desafío del COVID-19?

Stefano Pacifico: Hemos lanzado una versión pública de nuestra plataforma que incluye conjuntos de datos específicos de COVID y es accesible gratuitamente para cualquier persona que realice investigaciones sobre COVID-19. Está disponible en https://covid.epistemic.ai

¿Cuáles son algunas de las otras enfermedades o problemas genéticos para los que se ha utilizado Epistemic?

Stefano Pacifico: Hemos colaborado con investigadores del autismo y estamos poniendo en marcha un nuevo esfuerzo de investigación para la fibrosis quística. Pero estamos dispuestos a colaborar con cualquier otro investigador o institución que pueda necesitar ayuda con su investigación.

¿Hay algo más que te gustaría compartir sobre Epistemic?

Stefano Pacifico: Estamos construyendo un movimiento de personas que quieren cambiar la forma en que los investigadores biomédicos trabajan y piensan. Esperamos sinceramente que muchos de tus lectores quieran unirse a nosotros.

Gracias a ambos por tomarse el tiempo para responder a nuestras preguntas. Los lectores que deseen aprender más pueden visitar Epistemic AI.