Pētnieki izstrādā plānu AI vadītai ilgmūžības pētniecībai un attīstībai

Nesen kompānijas Deep Longevity pētnieki ierosināja metodi AI algoritmu un metožu pielietošanai ilgmūžības pagarināšanas tehnoloģijās. Metodes tika ierosinātas rakstā, kas publicēts žurnālā Nature Aging, ar nosaukumu "Mākslīgais intelekts ilgmūžības medicīnā".

Kā ziņo EurekaAlert, pētījuma autori veido ietvaru AI pielietošanai cilvēka ilgmūžības pagarināšanas tehnoloģiju izstrādē. Viņi iestājas par jaunas disciplīnas izveidi, kas apvieno medicīnas, tradicionālās bioloģijas un mākslīgā intelekta elementus, nodēvējot jauno jomu “Ilgmūžības medicīna”. Ilgmūžības medicīnu var definēt arī kā atjaunojošas un profilaktiskas medicīnas izveidi, ko nodrošina novecošanās pētījumi un mākslīgais intelekts.

Tradicionālās pieejas cilvēka vidējā dzīves ilguma pagarināšanai ir saistītas ar slimību ārstēšanu. Tomēr noteiktā brīdī ir vērojama mazāka atdeve no sasniegumiem šajā dzīves pagarināšanas formā, un pētnieki lēš, ka pat pilnīga vēža izskaušana palielinātu tikai aptuveni 2.3 gadus ASV vidējam paredzamajam dzīves ilgumam dzimšanas brīdī un tikai 1.3 gadi 65 gadu vecumā. gadu vecumā. Tāpat pat tādu izplatītu slimību kā pneimonijas un gripas likvidēšana tikai palielinātu vidējo dzīves ilgumu attiecīgi par aptuveni 0.2 gadiem un 0.5 gadiem.

Iemesls tam, ka, likvidējot šīs slimības, kopējais dzīves ilgums nav lielāks, ir tas, ka tās ir tikai lielākas problēmas, novecošanās, izpausmes. Novecošana ir saistīta ar visu veidu slimībām, kas ir galvenais cēlonis, nevis tuvākais cēlonis. Iespējams, ka AI varētu panākt progresu novecošanas seku novēršanā. AI sistēmas var noteikt personas vecumu ar augstu precizitātes pakāpi, ja tās tiek apmācītas, izmantojot garengriezuma datus, tostarp pazīmes, kuru pamatā ir fizioloģiski un bioloģiski procesi.

Raksta autori izveido sistēmu, lai vadītu dziļās mācīšanās un citu AI metožu pielietošanu ilgmūžības pētījumos, kā arī iespējas, kas var rasties no šī pētījuma. Sākot ar bioloģiskā vecuma prognozēšanu un uzraudzību, zinātnieki var izstrādāt biomarķierus, izmantojot šos biomarķierus, lai vadītu ar novecošanu saistīto bioloģisko mērķu izveidi. No turienes olbaltumvielas un molekulas var sintezēt, lai risinātu bioloģiskos procesus, kas saistīti ar novecošanu, un tiek veikti klīniskie pētījumi. Datu analītika tiek izmantota, lai atrastu labāko veidu, kā izmantot visas daudzsološās terapijas, kā rezultātā tiek radītas precīzas zāles, kas uzlabo cilvēku fizisko un garīgo veselību. Šis cikls atkārtojas, jo tiek savākti vairāk datu, lai uzlabotu bioloģiskos modeļus.

Iepriekš aprakstītā cikla pamatā ir dziļi ģeneratīvs pastiprināšanas mācību tīkls. Tīkls tiek ievadīts dažādās disciplīnās, tostarp novecošanās pētījumos, bioloģijā, ķīmijā, medicīnā un psiholoģijā.

Saskaņā ar Evelyne Yehudit Bischof, cilvēka ilgmūžības ārste un Šanhajas universitātes profesore, izmantojot EurekaAlert, skaidroja, ka mākslīgais intelekts ir ļāvis izveidot pilnīgi jaunu medicīnas jomu.

“Mākslīgais intelekts sniedz lielu potenciālu medicīnā kopumā; tomēr spēja izsekot un apgūt sīkās izmaiņas, kas notiek cilvēka organismā ik sekundi pacienta dzīves laikā un lielam skaitam pacientu, ļauj attīstīt jaunu medicīnas jomu – ilgmūžības medicīnu”, sacīja Bišofs.

Rakstu veidoja Bišofs un citi pētnieki. Raksta tapšanā piedalījās arī Alekss Žavoronkovs, Deep Longevity galvenais ilgmūžības darbinieks, kā arī AI eksperts un datorzinātnieks Kai-Fu Lee.