Здравство
Секвенцирање људског генома и дубоко учење могли би довести до вакцине против коронавируса – мишљење
Заједница вештачке интелигенције мора да сарађује са генетичарима у проналажењу третмана за оне за које се сматра да су у највећем ризику од коронавируса. Потенцијални третман би могао укључивати уклањање ћелија особе, уређивање ДНК и затим убризгавање ћелија назад, сада се надамо наоружане успешним имунолошким одговором. Ово се тренутно ради радио на неким другим вакцинама.
Први корак би био секвенцирање читавог људског генома из значајног сегмента људске популације.
Секвенцирање људских генома
Секвенцирање првог људског генома коштало је 2.7 милијарди долара и требало је скоро 15 година да се заврши. Тренутни трошкови секвенцирања читавог човека су драматично опали. Од 2015. године цена је била 4000 долара, сада је цена мања од 1000 долара по особи. Овај трошак би могао пасти за неколико процентних поена више када се узме у обзир економија обима.
Морамо да секвенцирамо геном две различите врсте пацијената:
- Заражен корона вирусом; али здраво
- Заражен корона вирусом; али слаб имуни одговор
Немогуће је предвидети која тачка података ће бити највреднија, али сваки секвенцирани геном би обезбедио скуп података. Што више података има више опција за лоцирање варијација ДНК које повећавају отпорност тела на вектор болести.
Нације тренутно губе трилионе долара због ове епидемије, а цена од 1000 долара за људски геном је мала у поређењу са тим. Најмање 1,000 волонтера за оба сегмента популације би наоружало истраживаче значајним количинама великих података. Ако се проба повећа за један ред величине, АИ би имао још више података о обуци што би повећало шансе за успех за неколико редова величине. Што више података то боље, због чега треба циљати на циљ од 10,000 волонтера.
Машинско учење
Док би биле присутне вишеструке функционалности машинског учења, дубоко учење би се користило за проналажење образаца у подацима. На пример, може постојати запажање да одређене ДНК варијабле одговарају високом имунитету, док друге одговарају високом морталитету. У најмању руку бисмо научили који сегменти људске популације су подложнији и требало би да буду у карантину.
Да би се дешифровали ови подаци, вештачка неуронска мрежа (АНН) би се налазила у облаку, а секвенцирани људски геноми из целог света би били постављени. С временом, паралелно рачунарство ће смањити време потребно да АНН одради своју магију.
Могли бисмо чак да направимо корак даље и користимо излазне податке сортиране по АНН-у и убацимо их у посебан систем који се зове Рекурентна неуронска мрежа (РНН). РНН користи учење са појачањем да идентификује који је ген одабран од стране почетног АНН-а најуспешнији у симулираном окружењу. Агент за учење појачања би гамификовао цео процес креирања симулираног окружења, како би тестирао које су промене ДНК ефикасније.
Симулирано окружење је попут окружења виртуелне игре, нешто што су многе компаније са вештачком интелигенцијом у доброј позицији да искористе на основу свог претходног успеха у дизајнирању АИ алгоритама за победу у еспорту. Ово укључује компаније као што су ДеепМинд ОпенАИ.
Ове компаније могу да користе своју основну архитектуру оптимизовану за савладавање видео игара, да створе стимулисано окружење, тестирају измене гена и сазнају које измене доводе до специфичних жељених промена.
Када се ген идентификује, друга технологија се користи за уређивање.
ЦРИСПР
Недавно је прва студија која користи Одобрен је ЦРИСПР за уређивање ДНК унутар људског тела. Ово је требало да се лечи ретка врста генетског поремећаја који погађа једно од сваких 100,000 новорођенчади. Стање може бити узроковано мутацијама у чак 14 гена који играју улогу у расту и раду мрежњаче. У овом случају, ЦРИСПР намерава да пажљиво циља ДНК и да изазове незнатно привремено оштећење ДНК ланца, узрокујући да се ћелија сама поправи. Управо овај процес ресторативног зарастања има потенцијал да поврати вид.
Док још увек чекамо резултате о томе да ли ће овај третман функционисати, преседан одобрења ЦРИСПР-а за испитивање на људском телу је трансформациони. Потенцијални поремећаји који се могу лечити укључују побољшање имунолошког одговора организма на специфичне векторе болести.
Потенцијално, можемо манипулисати природном генетском отпорношћу тела на одређену болест. Болести које би потенцијално могле бити циљане су различите, али заједница би требало да се фокусира на лечење нове глобалне епидемије коронавируса. Претња која би, ако се не контролише, могла довести до смртне казне великом проценту наше популације.
ПОСЛЕДЊЕ МИСЛИ
Иако постоји много потенцијалних опција за постизање успеха, биће потребно да се генетичари, епидемиолози и стручњаци за машинско учење уједине. Потенцијална опција лечења може бити као што је горе описано, или се може открити да је незамисливо другачија, могућност лежи у секвенцирању генома великог сегмента популације.
Дубоко учење је најбољи алат за анализу који су људи икада створили; треба да покушамо да га искористимо за стварање вакцине.
Када узмемо у обзир шта је тренутно угрожено овом тренутном епидемијом, ове три научне заједнице треба да се удруже како би радиле на леку.
