อัลกอริทึมที่ใช้โดยบริษัทอย่าง Netflix สามารถถอดรหัสภาษาทางชีววิทยาของโรคเกี่ยวกับระบบประสาท

อัลกอริธึมอันทรงพลังที่บริษัทต่างๆ เช่น Netflix, Facebook และ Amazon ใช้อาจมีนัยสำคัญในด้านการดูแลสุขภาพ พวกเขาได้แสดงความสามารถในการทำนายภาษาทางชีววิทยาของโรคมะเร็งและโรคเกี่ยวกับความเสื่อมของระบบประสาทอื่นๆ เช่น อัลไซเมอร์

ความคิดริเริ่มนี้ดำเนินการโดยนักวิชาการที่ St. John's College, University of Cambridge ซึ่งป้อนข้อมูลขนาดใหญ่ที่ผลิตขึ้นเป็นเวลาหลายทศวรรษในรูปแบบภาษาคอมพิวเตอร์ เป้าหมายคือเพื่อดูว่าปัญญาประดิษฐ์ (AI) สามารถค้นพบขั้นสูงกว่ามนุษย์ได้หรือไม่ และพบว่าด้วยความสามารถของเทคโนโลยีในการถอดรหัสภาษาทางชีววิทยา

การศึกษาได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์ พีนัส, หัวข้อ "การเรียนรู้ไวยากรณ์ระดับโมเลกุลของโปรตีนคอนเดนเสทจากตัวกำหนดลำดับและการฝังตัว". ตามที่ผู้เชี่ยวชาญกล่าวว่าสามารถใช้เพื่อ "แก้ไขข้อผิดพลาดทางไวยากรณ์ภายในเซลล์ที่ทำให้เกิดโรคได้"

ศาสตราจารย์ Tuomas Knowles เป็นผู้เขียนนำบทความนี้และเป็นเพื่อนที่ St. John's College 

“การนำเทคโนโลยีแมชชีนเลิร์นนิงมาใช้ในการวิจัยเกี่ยวกับโรคเกี่ยวกับความเสื่อมของระบบประสาทและมะเร็งถือเป็นจุดเปลี่ยนเกมอย่างแท้จริง ท้ายที่สุดแล้ว เป้าหมายคือการใช้ปัญญาประดิษฐ์เพื่อพัฒนายาที่ตรงเป้าหมายเพื่อบรรเทาอาการอย่างมากหรือเพื่อป้องกันไม่ให้เกิดภาวะสมองเสื่อมเลย”

อัลกอริทึมที่มีประสิทธิภาพ

อัลกอริทึมการเรียนรู้ของเครื่องที่ใช้โดยบริษัทต่างๆ เช่น Netflix และ Facebook ทำให้การคาดการณ์ที่มีการศึกษาสูงเกี่ยวกับผู้บริโภคและสิ่งที่พวกเขาจะทำต่อไป นี่คือสิ่งที่เกิดขึ้นเมื่อ Netflix แนะนำภาพยนตร์ใหม่หรือ Facebook แนะนำเพื่อนใหม่ ผู้ช่วยเสียงเช่น Alexa และ Siri สามารถจดจำบุคคลและตอบสนองได้ทันที 

ดร. คาดี ลิอิส ซาร์ เป็นผู้เขียนบทความคนแรกและเป็นนักวิจัยที่วิทยาลัยเซนต์จอห์น เธอใช้เทคโนโลยีที่คล้ายกันในการฝึกโมเดลภาษาขนาดใหญ่ ซึ่งมุ่งระบุสิ่งที่เกิดขึ้นกับโปรตีนในระหว่างเกิดโรค 

“ร่างกายมนุษย์เป็นที่อยู่ของโปรตีนหลายพันชนิด และนักวิทยาศาสตร์ยังไม่ทราบการทำงานของโปรตีนหลายชนิด เราถามโมเดลภาษาที่ใช้โครงข่ายประสาทเทียมเพื่อเรียนรู้ภาษาของโปรตีน” เธอกล่าว

“เราขอให้โปรแกรมเรียนรู้ภาษาของคอนเดนเสทชีวโมเลกุลที่เปลี่ยนรูปร่าง ซึ่งเป็นหยดของโปรตีนที่พบในเซลล์ ซึ่งนักวิทยาศาสตร์จำเป็นต้องเข้าใจจริงๆ เพื่อถอดรหัสภาษาของการทำงานทางชีวภาพและการทำงานผิดปกติที่ก่อให้เกิดมะเร็งและโรคเกี่ยวกับความเสื่อมของระบบประสาท เช่น อัลไซเมอร์ เราพบว่ามันสามารถเรียนรู้สิ่งที่นักวิทยาศาสตร์ได้ค้นพบแล้วเกี่ยวกับภาษาของโปรตีนในการวิจัยหลายทศวรรษโดยไม่ต้องมีการบอกอย่างชัดเจน”

นักวิทยาศาสตร์เชื่อว่ามีโรคเกี่ยวกับความเสื่อมของระบบประสาทหลายร้อยโรค โดยที่พบมากที่สุดคือโรคอัลไซเมอร์ โรคพาร์กินสัน และโรคฮันติงตัน โรคอัลไซเมอร์ส่งผลกระทบต่อผู้คน 50 ล้านคนทั่วโลก และในระหว่างเกิดโรค โปรตีนจะจับตัวกันเป็นก้อนและฆ่าเซลล์ประสาทที่แข็งแรง 

คอนเดนเสทของโปรตีนและเทคโนโลยี NLP

ด้วยสมองที่แข็งแรง โปรตีนจำนวนมากเหล่านี้สามารถกำจัดได้อย่างมีประสิทธิภาพ จากการค้นพบเมื่อเร็ว ๆ นี้ นักวิทยาศาสตร์เชื่อว่าโปรตีนที่ไม่เป็นระเบียบบางชนิดก่อตัวเป็นคอนเดนเสท ซึ่งเป็นหยดโปรตีนที่มีลักษณะคล้ายของเหลว สิ่งเหล่านี้ไม่มีเยื่อหุ้มและผสานเข้าด้วยกันอย่างอิสระ และพวกมันสามารถก่อตัวและปฏิรูปได้

ศาสตราจารย์โนลส์กล่าวว่า "คอนเดนเสทโปรตีนได้รับความสนใจอย่างมากในโลกวิทยาศาสตร์เมื่อเร็วๆ นี้ เพราะพวกมันควบคุมเหตุการณ์สำคัญในเซลล์ เช่น การแสดงออกของยีน - วิธีที่ DNA ของเราถูกแปลงเป็นโปรตีน - และการสังเคราะห์โปรตีน - วิธีที่เซลล์สร้างโปรตีน" ศาสตราจารย์โนลส์กล่าว

“ข้อบกพร่องใดๆ ที่เกี่ยวข้องกับหยดโปรตีนเหล่านี้สามารถนำไปสู่โรคต่างๆ เช่น มะเร็งได้ นี่คือเหตุผลว่าทำไมการนำเทคโนโลยีการประมวลผลภาษาธรรมชาติมาสู่การวิจัยเกี่ยวกับต้นกำเนิดของโมเลกุลของความผิดปกติของโปรตีนจึงมีความสำคัญ หากเราต้องการแก้ไขข้อผิดพลาดทางไวยากรณ์ภายในเซลล์ที่ทำให้เกิดโรค” เขากล่าวต่อ

 “เราป้อนอัลกอริทึมของข้อมูลทั้งหมดที่มีอยู่ในโปรตีนที่รู้จัก เพื่อให้มันสามารถเรียนรู้และทำนายภาษาของโปรตีนได้ในลักษณะเดียวกับที่โมเดลเหล่านี้เรียนรู้เกี่ยวกับภาษามนุษย์ และวิธีที่ WhatsApp รู้วิธีแนะนำคำให้คุณใช้” ดร. ซาร์กล่าวว่า 

“จากนั้นเราก็สามารถถามมันเกี่ยวกับไวยากรณ์เฉพาะที่ทำให้โปรตีนบางชนิดสร้างคอนเดนเสทภายในเซลล์ได้ มันเป็นปัญหาที่ท้าทายมาก และการปลดล็อคมันจะช่วยให้เราเรียนรู้กฎของภาษาของโรค” ดร. ซาร์กล่าวต่อ

แรงผลักดันหลักที่อยู่เบื้องหลังความก้าวหน้าทางเทคโนโลยีนี้คือปริมาณข้อมูลที่มีอยู่ที่เพิ่มขึ้น พลังการประมวลผลที่สูงขึ้น และความก้าวหน้าทางเทคนิค แมชชีนเลิร์นนิงมีศักยภาพในการเปลี่ยนแปลงการวิจัยในด้านเหล่านี้อย่างมาก ช่วยให้ค้นพบสิ่งที่ไม่เคยคาดเดาได้ 

Dr. Saar กล่าวว่า “การเรียนรู้ด้วยเครื่องสามารถปราศจากข้อจำกัดของสิ่งที่นักวิจัยคิดว่าเป็นเป้าหมายสำหรับการสำรวจทางวิทยาศาสตร์ และนั่นหมายความว่าจะพบการเชื่อมต่อใหม่ๆ ที่เรายังไม่เคยคิดด้วยซ้ำ มันน่าตื่นเต้นมากจริงๆ”

ใหม่ เครือข่าย มีให้สำหรับนักวิจัยทั่วโลก และนักวิทยาศาสตร์จำนวนมากขึ้นเรื่อยๆ ก็เข้ามามีส่วนร่วม