H χρήση της τεχνητής νοημοσύνης στην σχεδίαση και δοκιμή νέων εμβολίων και φαρμάκων

0
2410

Είναι σαφές ότι μια σειρά από εμβόλια κατά της covid-19 αναπτύχθηκαν σε χρόνο ρεκόρ. Αναμφίβολα τον πρωταρχικό ρόλο στο επίτευγμα αυτό τον έπαιξε η διεθνής ιατρική επιστημονική κοινότητα. Στην εν λόγω περίσταση/συγκυρία όμως υπήρξε κυριολεκτικά μια διεθνής παν-επιστημονική κινητοποίηση που σπάνια έχει συμβεί στο παρελθόν (αν έχει όντως ποτέ συμβεί) μαζί με έναν πακτωλό χρημάτων που διατέθηκαν για την σχετική έρευνα. Αυτά και τα δύο είχαν σαν αποτέλεσμα την σημαντική επιτάχυνση των διαδικασιών παρασκευής και διάθεσης εμβολίων στον γενικό πληθυσμό χωρίς—ευελπιστούμε-- εκπτώσεις στην ασφάλεια. Παραθέτουμε ένα παράδειγμα. Κατά τις 18-22 Μαΐου 2020, το Ίδρυμα του Αμερικανού δισεκατομμυριούχου Μπιλ Γκέιτς (Bill and Melinda Gates Foundation)  διοργάνωσε ένα εικονικό διεθνές συνέδριο με τον γενικό τίτλο «Χρήση της Τεχνητής νοημοσύνης στη σχεδίαση και δοκιμή νέων φαρμάκων και εμβολίων». Το συνέδριο ήταν υπό την αιγίδα του FDA (Food and Drug Administration, USA, ο αντίστοιχος ΕΟΦ των ΗΠΑ) και υποστηρίχθηκε από το CERN Computing (το οποίο βοήθησε με προσομοιώσεις), τη NASA, την ESA, τα Oak Ridge και Los Alamos National Labs στις ΗΠΑ κ.λπ. Οι συμμετέχοντες περιελάμβαναν μερικές από τις κορυφαίες ιατρικές σχολές στον κόσμο (Οξφόρδη, Χάρβαρντ, Κέιμπριτζ, Στάνφορντ  κ.λπ.), μερικές από τις κορυφαίες φαρμακευτικές εταιρείες στον κόσμο (όπως J & J, Pfizer US, Glaxo UK, AstraZeneca, Sanofi France, Beyer Germany, Roche & Novartis Switzerland κ.λπ.) μαζί με κορυφαίες βιομηχανίες από τον χώρο της άμυνας  (Locheed Martin, Dassault, British Aerospace, Boeing), εταιρείες υπολογιστών (IBM, Microsoft, Intel) κ.λ.π. Το προεδρείο του συνεδρίου αποτελείτο  από 3 επιστήμονες παγκόσμιας κλάσης:

Sir Peter J. Ratcliffe (Πανεπιστήμιο της Οξφόρδης, βραβείο Νόμπελ ιατρικής 2019),

William G. Kaelin (Πανεπιστήμιο του Χάρβαρντ, βραβείο Νόμπελ ιατρικής 2019) και

Geoffrey Hinton (Πανεπιστήμια Cambridge & Toronto, Turing Award 2018 για Deep machine learning , μηχανική μάθηση και τεχνητά νευρωνικά δίκτυα).

Ο υπογράφων ήταν μέλος της οργανωτική επιτροπής του συνεδρίου και η ομάδα που συμμετέχει ανέπτυξε και παρουσίασε ένα περίγραμμα μιας προηγμένης έκδοσης κάποιων αλγορίθμων στην Τεχνητή Νοημοσύνη που λέγεται MCDAΑ [1] (Multi Criteria Decision Aiding Algorithms, Αλγόριθμοι Υποβοήθησης Λήψης Αποφάσεων με την βοήθεια Πολλαπλών Κριτηρίων, ο τίτλος είναι λίγο-πολύ αυτό-επεξηγηματικός). H καινοτομία ήταν η χρήση προχωρημένων μαθηματικών όπως η λεγόμενη μη-αθροιστική θεωρία μέτρου και μη γραμμική θεωρία ολοκλήρωσης. Οι αλγόριθμοι αυτοί βοηθούν στην αυτοματοποίηση και επιτάχυνση της διαδικασίας των δοκιμών νέων φαρμάκων και εμβολίων τόσο στις λεγόμενες δοκιμές φάσης ΙΙΙ (όπου συμμετέχουν χιλιάδες εθελοντές, 30.000-40.000 άτομα) αλλά και στην μελέτη πιθανών παρενεργειών μέσω προσομοιώσεων. Σημαντική συνεισφορά ήταν και αυτή του Τμήματος Υπολογιστών του CERN που διέθεσε τμήμα της κολοσσιαίας υπολογιστικής ισχύος του (κορυφαία στον κόσμο, 18 Exaflops).

H χρήση των MCDAA πραγματικά έχει ένα τεράστιο πεδίο πιθανών εφαρμογών. Για παράδειγμα—και αυτό δικαιολογεί και την συμμετοχή βιομηχανιών από τον χώρο της άμυνας- οι αλγόριθμοι MCDAA χρησιμοποιούνται από τα σύγχρονα ραντάρ (αεροσκαφών-πλοίων κλπ) για να κάνουν εκτίμηση επικινδυνότητας και ιεράρχηση απειλών/στόχων  των ιχνών που ανιχνεύουν.

[1] Zois, I.P., Rogers, T. and Hill, S.: «Generalised Non-additive measure theory and Non-linear integration in Deep Machine Learning and Multi Criteria Decision Aiding Algorithms: An example in the probabilistic assessment of hypercytokinemia from covid-19 viral vector vaccines» , New England Journal of Medicine Special issue Vol. I on Artificial Intelligence in Drug and Vaccine Design and Testing, Boston, MA, 2020.

Σχολιάστε:

Πληκτρολογήστε το σχόλιό σας
παρακαλώ εισάγετε το όνομά σας εδώ