Stefano Pacifico e David Heeger, Co-Fondatori di Epistemic AI – Serie di Interviste

Epistemic AI utilizza algoritmi di elaborazione del linguaggio naturale (NLP), apprendimento automatico e apprendimento profondo di stato dell’arte per mappare le relazioni all’interno di una crescente quantità di conoscenze biomediche, provenienti da molteplici fonti pubbliche e private, tra cui documenti e banche dati. Attraverso un processo di mappatura delle conoscenze, gli utenti lavorano interattivamente con la piattaforma per mappare e comprendere sottinsiemi di conoscenze biomediche, rivelando concetti e relazioni che altrimenti verrebbero persi con la ricerca tradizionale.

Abbiamo intervistato entrambi i co-fondatori di Epistemic AI per discutere questi ultimi progressi.

Stefano Pacifico proviene da oltre 10 anni di sviluppo di AI e NLP applicati. In precedenza alla Bloomberg, dove ha trascorso 7 anni, e alla Elemental Cognition prima di fondare Epistemic.

David Heeger è un professore di scienze dei dati e neuroscienze alla NYU e ha trascorso la sua carriera collegando l’informatica, l’AI e la bioscienza. È un membro della National Academy of Sciences. In quanto fondatori, riuniscono l’esperienza di costruire sistemi di AI e NLP applicati su larga scala per la comprensione di grandi raccolte di conoscenze, con l’esperienza in biologia computazionale e scienze biomediche derivata da anni di ricerca in questo settore.

Cosa ti ha introdotto e attratto verso l’AI e l’elaborazione del linguaggio naturale (NLP)?

Stefano Pacifico: Quando ero al college a Roma, e l’AI non era popolare per niente (in realtà era molto di nicchia), chiesi al mio allora consigliere quale specializzazione avrei dovuto scegliere tra quelle disponibili. Disse: “Se vuoi fare soldi, ingegneria del software e banche dati, ma se vuoi essere strano ma molto avanzato, allora scegli l’intelligenza artificiale”. Ero convinto a “strano”. Poi iniziai a lavorare sulla rappresentazione delle conoscenze e sul ragionamento per studiare come gli agenti autonomi potessero giocare a calcio o salvare le persone. Poi due realizzazioni mi fecero innamorare dell’NLP: in primo luogo, gli agenti autonomi potrebbero dover comunicare con linguaggio naturale tra loro! In secondo luogo, costruire basi di conoscenza formali a mano è difficile, mentre il linguaggio naturale (nel testo) già fornisce la più grande base di conoscenze di tutte. So oggi che queste potrebbero sembrare osservazioni ovvie, ma non lo erano prima.

Qual è l’ispirazione dietro il lancio di Epistemic AI?

Stefano Pacifico: Sto per fare una dichiarazione audace. Nessuno oggi ha strumenti adeguati per comprendere e collegare le conoscenze presenti in grandi raccolte di documenti e dati in continua crescita. In precedenza, avevo lavorato su quel problema nel mondo della finanza. Pensate a notizie, bilanci, dati di prezzo, azioni societarie, depositi, ecc. Trovai che il problema fosse intossicante. E naturalmente, è un problema difficile; e importante! Quando incontrai il mio co-fondatore, il dottor David Heeger, trascorremmo un po’ di tempo valutando opportunità di startup nel settore biomedico. Quando ci rendemmo conto della quantità di informazioni generate in questo campo, fu come se tutto si mettesse al suo posto. I ricercatori biomedici lottano con il sovraccarico di informazioni, cercando di affrontare la vasta e rapidamente crescente base di conoscenze biomediche, compresi documenti (ad esempio, articoli, brevetti, trial clinici) e banche dati (ad esempio, geni, proteine, percorsi, farmaci, malattie, termini medici). Questo è un grande punto dolente per i ricercatori e, senza una soluzione adeguata, sono costretti a utilizzare strumenti di ricerca di base (PubMed e Google (GOOGL ) Scholar) e esplorare banche dati curate manualmente. Questi strumenti sono adatti per trovare documenti che corrispondono a parole chiave (ad esempio, un singolo gene o un articolo pubblicato), ma non per acquisire conoscenze complete su un argomento o sottodominio (ad esempio, COVID-19), o per interpretare i risultati di esperimenti di biologia ad alto rendimento, come la sequenza del gene, l’espressione proteica o la selezione di composti chimici. Abbiamo fondato Epistemic AI con l’idea di affrontare questo problema con una piattaforma che consenta loro di lavorare in modo iterativo:

1. Ridurre il tempo necessario per raccogliere informazioni e costruire mappe di conoscenze complete
2. Portare alla luce informazioni interdisciplinari che possono essere altrimenti difficili da trovare (le scoperte importanti spesso derivano dal guardare lo spazio bianco tra le discipline);
3. Identificare ipotesi causali trovando percorsi e collegamenti mancanti nella tua mappa di conoscenze.

Quali sono alcune delle fonti pubbliche e private utilizzate per mappare queste relazioni?

Stefano Pacifico: Al momento, stiamo ingerendo tutte le fonti pubblicamente disponibili che possiamo ottenere, comprese Pubmed e clinicaltrials.gov. Ingeriamo banche dati di geni, farmaci, malattie e loro interazioni. Includiamo anche fonti di dati private per clienti selezionati, ma non siamo in grado di divulgare dettagli al riguardo.

Quali tecnologie di apprendimento automatico vengono utilizzate per la mappatura delle conoscenze?

Stefano Pacifico: Una delle convinzioni profondamente radicate in Epistemic AI è che il fanatismo non è utile per costruire prodotti. La costruzione di un’architettura che integra diverse tecniche di apprendimento automatico è stata una decisione presa fin dall’inizio, e queste vanno dalla rappresentazione delle conoscenze ai modelli Transformer, passando per l’incorporazione di grafi, ma includono anche modelli più semplici come regressioni e foreste casuali. Ogni componente è semplice quanto necessario, ma non più semplice. Mentre crediamo di aver già costruito componenti NLP che sono all’avanguardia per determinati compiti, non esitiamo a utilizzare modelli di base più semplici quando possibile.

Puoi nominare alcune delle aziende, organizzazioni no-profit o istituzioni accademiche che utilizzano la piattaforma Epistemic?

Stefano Pacifico: Mentre mi piacerebbe, non abbiamo concordato con i nostri utenti di farlo. Posso dire che abbiamo avuto persone che si sono iscritte da istituzioni di alto profilo in tutti e tre i settori (aziende, organizzazioni no-profit e istituzioni accademiche). Inoltre, intendiamo mantenere la piattaforma gratuita per scopi accademici/no-profit.

Come Epistemic aiuta i ricercatori nell’identificazione di biomarcatori specifici di malattie del sistema nervoso centrale (CNS) e altri?

Dott. David Heeger: La neuroscienza è un campo molto interdisciplinare che include biologia molecolare e cellulare e genetica, ma anche psicologia, chimica e principi di fisica, ingegneria e matematica. È così ampia che nessuno può essere un esperto in tutto. I ricercatori nelle istituzioni accademiche e nelle aziende farmaceutiche/biotech sono costretti a specializzarsi. Ma sappiamo che le intuizioni importanti sono interdisciplinari, combinando conoscenze dalle sottospecialità. La piattaforma software AI-powered che stiamo costruendo consente a tutti di essere più interdisciplinari, di vedere le connessioni tra la loro area di expertise individuale e altri argomenti, e di identificare nuove ipotesi. Ciò è particolarmente importante nella neuroscienza perché è un campo così fortemente interdisciplinare. La funzione e la disfunzione del cervello umano sono il problema più difficile che la scienza abbia mai affrontato. Siamo in missione per cambiare il modo in cui i ricercatori biomedici lavorano e pensano.

Epistemic consente anche la scoperta dei meccanismi genetici delle malattie del CNS. Puoi spiegarci come funziona?

Dott. David Heeger: La maggior parte delle malattie neurologiche, delle malattie psichiatriche e dei disturbi dello sviluppo non hanno una spiegazione semplice in termini di differenze genetiche. Ci sono un pugno di disturbi sindromici per i quali una specifica mutazione è nota per causare il disturbo. Ma non è tipicamente il caso. Ci sono centinaia di differenze genetiche, ad esempio, che sono state associate ai disturbi dello spettro autistico (ASD). C’è una certa comprensione per alcuni di questi geni riguardo alle funzioni che svolgono in termini di biologia di base. Ad esempio, alcuni dei geni associati all’ASD mantengono i sinapsi insieme nel cervello (nota, tuttavia, che gli stessi geni tipicamente svolgono funzioni diverse in altri sistemi dell’organismo). Ma c’è molto poca comprensione di come queste differenze genetiche possano spiegare la complessa serie di differenze comportamentali esibite da individui con ASD. Per peggiorare le cose, due individui con la stessa differenza genetica possono avere esiti completamente diversi, uno diagnosticato con ASD e l’altro no. E due individui con profili genetici completamente diversi possono avere lo stesso esito con deficit comportamentali molto simili. Per capire tutto ciò, è necessario stabilire una connessione dalla genetica e dalla biologia molecolare alla neuroscienza cellulare (come le differenze genetiche causano differenze individuali nella funzione dei neuroni) e poi alla neuroscienza dei sistemi (come le differenze nella funzione cellulare causano differenze nella funzione delle reti di neuroni interconnessi) e poi alla psicologia (come le differenze nella funzione della rete neurale causano differenze nella cognizione, nell’emozione e nel comportamento). E tutto ciò deve essere compreso da una prospettiva di sviluppo. Una differenza genetica può causare un deficit in un particolare aspetto della funzione neurale. Ma il cervello non si limita a starsene lì e subire. I cervelli sono altamente adattivi. Se c’è un meccanismo mancante o rotto, il cervello si svilupperà diversamente per compensare il più possibile. Questa compensazione potrebbe essere molecolare, ad esempio, aumentando un altro recettore sinaptico per sostituire la funzione di un recettore sinaptico rotto. O la compensazione potrebbe essere comportamentale. Il risultato finale dipende non solo dalla differenza genetica iniziale, ma anche dai vari tentativi di compensazione che si affidano ad altri meccanismi molecolari, cellulari, di circuito, di sistema e comportamentali.

Nessun individuo ha la conoscenza per comprendere tutto ciò. Tutti abbiamo bisogno di aiuto. La piattaforma software AI-powered che stiamo costruendo consente a tutti di raccogliere e collegare tutte le conoscenze biomediche rilevanti, di vedere le connessioni e di identificare nuove ipotesi.

Come le istituzioni accademiche e le aziende biotech stanno utilizzando Epistemic per affrontare la sfida del COVID-19?

Stefano Pacifico: Abbiamo rilasciato una versione pubblica della nostra piattaforma che include set di dati specifici per COVID e è gratuitamente accessibile a chiunque stia svolgendo ricerche su COVID-19. È disponibile all’indirizzo https://covid.epistemic.ai

Quali sono le altre malattie o problemi genetici per i quali Epistemic è stato utilizzato?

Stefano Pacifico: Abbiamo collaborato con ricercatori sull’autismo e stiamo attualmente mettendo insieme uno sforzo di ricerca per la fibrosi cistica. Ma siamo felici di collaborare con qualsiasi altro ricercatore o istituzione che possa aver bisogno di aiuto con la loro ricerca.

C’è qualcos’altro che vorresti condividere su Epistemic?

Stefano Pacifico: Stiamo costruendo un movimento di persone che vogliono cambiare il modo in cui i ricercatori biomedici lavorano e pensano. Speriamo sinceramente che molti dei nostri lettori vorranno unirsi a noi!

Grazie a entrambi per aver preso il tempo di rispondere alle nostre domande. I lettori che desiderano saperne di più possono visitare Epistemic AI.