Hoe DeepMind een technologische wapenrace in de gezondheidszorg veroorzaakte

De overwinning van AI-specialist DeepMind op doorgewinterde biologen in het voorspellen van de vorm van eiwitten, heeft een technologische wapenrace in de gezondheidszorg ontketend.

Afgelopen december voorspelde Alphabets DeepMind tijdens de CASP1-bijeenkomst in Mexico de vorm van eiwitten, de basisbouwstenen van ziektes, met behulp van AI. Het AI-systeem kraakte daardoor een probleem dat biologen al geruime tijd in de ban hield.

Nauwkeuriger

Het succes van DeepMind heeft serieuze implicaties. Een hulpmiddel dat nauwkeurig eiwitstructuren kan modelleren, zou de ontwikkeling van nieuwe medicijnen kunnen versnellen.

Het ontleden van de structuur van eiwitten, om manieren te vinden voor medicijnen om ziekten aan te vallen, is een enorm complex probleem. Onderzoekers begrijpen nog steeds niet volledig de regels hoe eiwitten worden gebouwd. Bovendien zijn er meer mogelijke eiwitvormen dan dat er atomen in het universum zijn, waardoor een voorspelling bijzonder ingewikkeld is. Biologen zijn dan ook al een kwart eeuw bezig met het ontwikkelen van software, die deze taak aan kan.

 

Onderzoekers begrijpen nog steeds niet volledig de regels hoe eiwitten worden gebouwd.

 

DeepMind wist met zijn nieuwste neuraal-netwerkalgoritmen meer te bereiken dan vijftig toplaboratoria over de hele wereld. Dat alles ondanks beperkte ervaring in het vouwen van eiwitten, een fysiek proces waardoor een eiwit zijn driedimensionale vorm verkrijgt, aldus Bloomberg. De eiwitmodellen van DeepMind zijn veel nauwkeuriger dan alle voorgaande modellen, waardoor een nieuw potentieel binnen de ontdekking van medicijnen is ontstaan.

Mensoverstijgend

Ondanks de doorbraak, produceert DeepMinds simulatie nog niet het atomaire resolutie-niveau, dat nodig is voor het ontdekken van medicijnen. Ook zijn er nog maar weinig op machine learning gebaseerde medicijnen, die zo vergevorderd zijn dat ze op mensen getest kunnen worden. Het zal dan ook nog jaren duren alvorens de technologie zichzelf kan bewijzen.

Toch wijst de overwinning van DeepMind op een mogelijke praktische toepassing van de technologie in een van de duurste en meest kwetsbare delen van de farmaceutische industrie. Er zijn ongeveer 20.000 genen die op ten minste 100.000 manieren defect kunnen raken. Bovendien is er sprake van miljoenen mogelijke interacties tussen de resulterende eiwitten.

 

Het zal nog jaren duren alvorens de technologie zichzelf kan bewijzen.

 

Het is onmogelijk voor menselijke ‘medicijn-jagers’ om al deze combinaties met de hand te onderzoeken. AI kan worden gebruikt om miljoenen cellulaire beelden met hoge resolutie te scannen, meer dan mensen ooit zelf zouden kunnen verwerken. Langs deze weg kunnen therapieën worden geïdentificeerd, die zieke cellen op onverwachte manieren gezonder kunnen maken

“Als we de resterende 97 procent van de menselijke biologie willen begrijpen, zullen we moeten erkennen dat het te complex is voor mensen”, zegt Chris Gibson, mede-oprichter en CEO van Recursion Pharmaceuticals tegen Bloomberg. Zijn start-up gebruikt machine learning om op zoek te gaan naar nieuwe therapieën.

Bedrijven zoals Recursion trekken massaal investeerders aan. Er werd vorig jaar alleen al zo’n 1,08 miljard dollar geïnvesteerd in start-ups gericht op de ontdekking van nieuwe medicijnen met behulp van AI.

2,5 petabytes aan data

Bij Recursion Pharmaceuticals passen robots elke week duizenden potentiële geneesmiddelen toe op verschillende soorten zieke cellen. Ze doen dit in 400.000 tot 500.000 miniatuurexperimenten, die 5 tot 10 miljoen cellulaire beelden genereren. Algoritmen scannen vervolgens de afbeeldingen en zoeken naar stoffen die de ziekte verstoren. Dit alles zónder schade aan te richten aan gezonde cellen.

 

Het doel is het beslissingsvermogen van wetenschappers te vergroten.

 

Het bedrijf maakt in toenemende mate gebruik van neurale netwerken voor zijn algoritmen. Deze interpreteren de beelden direct en kunnen patronen ontdekken waar menselijke programmeurs mogelijk niet aan zouden hebben gedacht. Computerwetenschappers werken samen met biologen in het laboratorium om de leads te verfijnen. Recursion heeft de afgelopen jaren al meer dan 2,5 petabytes aan gegevens gegenereerd.

Verder zijn ook AI-onderzoekseenheden binnen Facebook en Google actief op dit gebied. Facebook bracht afgelopen april in alle stilte een rapport uit waar het bedrijf middels deep learning 250 miljoen eiwitsequenties analyseerde. AI-onderzoekers bij Google onthulden dit voorjaar een neuraal netwerk, dat de functie van een eiwit uit de aminozuursequentie kan voorspellen. Iets wat biologen kan helpen begrijpen wat een nieuw ontdekt eiwit doet.

Dit alles betekent niet dat menselijke onderzoekers niet langer nodig zijn. Het doel is het beslissingsvermogen van wetenschappers te vergroten.

Gerelateerd: Politiek en overheid mogen geen rem zijn op AI en innovatie in de gezondheidszorg