Исследования
Медицинский ИИ-проект DeepMind переходит от ответов к гипотезам
Медицинская ИИ работа Google DeepMind смещается от ответов в стиле экзамена к системам, которые помогают исследователям генерировать и тестировать научные гипотезы. Стратегический прыжок заключается в переходе от помощника к сотруднику, со всеми обещаниями и рисками управления, которые это подразумевает.
Майкл Г ·
Google DeepMindМедицинская работа с ИИ становится все более чем просто ответами на клинические вопросы. Новый Бизнес Инсайдер профиль Вивек Натараджан структурирует работу вокруг более масштабной миссии: использовать ИИ, чтобы помогать исследователям и врачам искать лекарства, переходя от медицинского рассуждения к проверяемым научным гипотезам.
Это важный поворот. Первый поток медицинских языковых моделей часто оценивался по тому, может ли система отвечать на вопросы экзамена или суммировать клинический текст. Следующий поток более амбициозен: может ли ИИ помогать находить кандидатные методы лечения, объяснять механизмы, расставлять приоритеты в экспериментах и ускорять долгий путь от лабораторного открытия до пользы для пациента?
От медицинских осмотров до научных рабочих процессов
Google Med-PaLM Исследование показало, что большие языковые модели могут подходить к задачам ответов на медицинские вопросы с уровнем работы специалиста, в то время как AMIE изучали диагностические разговоры. Эти системы помогли установить, что медицинский ИИ может рассуждать о симптомах, доказательствах и языке. Они сами по себе не решали более сложную задачу открытия.
ИИ-со-учёный является более показательным направлением. Исследователи Google описывают проект как многомерную систему на базе Gemini 2.0, которая помогает учёным выдвигать новые гипотезы и готовить исследовательские предложения. In biomedical settings; система использовалась для перепрофилирования лекарств, поиска целей и анализа устойчивости к антибактериальным препаратам.
Гипотезы не являются лекарствами
Обещание очевидно, особенно при заболеваниях, где прогресс ощущается чрезвычайно медленным. Личная мотивация Натараджана, сформированная его отцом Болезнь Паркинсона, придаёт работе человеческую неотложность. Но различие между выдвижением гипотез и доказательством лекарств должно оставаться чётким.
Хорошая гипотеза, созданная ИИ, может сэкономить время, выявить упущенные связи и помочь лаборатории определить приоритеты экспериментов. Она не может заменить проверку в лаборатории, клинические испытания, регуляторный контроль или сложную работу по определению того, безопасно ли лечение и эффективно ли оно для реальных пациентов.
Вопрос управления возникает рано
Проблема управления заключается в том, что системы поиска могут выглядеть вспомогательными, одновременно тихо формируя научные программы. Если инструменты ИИ ранжируют гипотезы, предлагают цели или влияют на то, какие эксперименты получают финансирование, учреждениям понадобятся аудиторские следы. отчетность по неопределенности, контроль за конфликтом интересов и четкие границы в клиническом применении.
Темы: Google DeepMind, медицинский ИИ, ИИ со-учёный, здравоохранение