“AI先驱达芙妮·科勒看到生成AI将导致癌症突破”

AI先驅達芙妮·科勒預見生成AI將引發癌症治療的突破

生成人工智能，如OpenAI的，ChatGPT和其他热门程序所采用的方式，据Daphne Koller表示，将成为肿瘤学突破的重要工具。 Daphne Koller是AI先驱、生命科学AI公司Insitro的联合创始人兼首席执行官。

“我们所承担的任务是真正学习组织病理学[组织学的研究]的语言……然后利用它来为我们提供潜在的[药物]靶点，” Koller在周二由斯坦福大学人工智能研究所主办的为期一天的研讨会上发表讲话，题为《生成人工智能的新视野：科学、创造力和社会》。

还有：生成人工智能无处不在

Koller是斯坦福大学计算机科学的兼职教授。 Koller解释了一种可以为癌症找到新型药物靶点的两步过程。

在第一步中，Insitro的机器学习AI技术能够分析癌组织的图像，即通过活检生成的组织学图像。她解释说，人类病理学家通常会将这些数十亿像素的图像简化为三个数字，“明显有更多的信息可供利用”，但目前还未被使用。

通过使用机器学习，计算机将“真正学习组织病理学的语言”，从而能够以90%至95%的准确率预测癌症患者的基因变化。

她解释说：“因此，基本上通过查看一张切片，您可以说这个患者有这个基因突变，而另一位患者没有。这是任何临床医生无法真正做到的。”

这是第一步。要找到药物靶点，您需要比实际收集到的组织样本还多得多的样本 – 成千上万个对比数十个。为了解决这些图像供应问题，Insitro团队使用生成人工智能创建了组织图像的“深度伪造”，Koller表示：“我们生成的不是电影明星的图像，而是病理切片的图像。”

通过将组织样本从数百个增加到数千个，并使用史丹福开发的“ATAC-seq”分析工具进行分析，Insitro团队能够将癌症组织图像样本从400个增加到近10万个。这种规模使得能够提出在少量样本下无法做到的问题。

生成人工智能用于创建组织图像的“深度伪造”，从而大大扩展可以使用遗传分析的样本规模。

例如，通过使用ATAC-seq对数千个三阴性乳腺癌的深层伪造图像进行分析，该技术揭示了以前未知的基因变化，可以作为药物靶点候选。 Koller表示：“这些靶点在三阴性乳腺癌中是新颖的，但已在其他癌症中被证明。”“这使您对其扮演的因果作用具有信心，并且它们可能是非常有趣的新药物靶点。”

Koller将生成AI在生物学中的整体程序描述为处理一种“人类大脑永远无法真正理解”的复杂程度。

“为了应对这个领域，我们首先需要收集大量的数据，以前所未有的保真度和规模，在不同层次的生物粒度上，然后让机器做它们现在比人类更擅长的事情，即理解这些数据中微妙的模式，帮助我们重新定义人类疾病的异质性和复杂性，并寻找可能产生在临床中起作用的治疗方法。”

另外： 生成AI将远远超越ChatGPT的能力。以下是技术进步的详细信息

该研讨会的联合组织者、斯坦福大学计算机科学副教授Percy Liang将Koller称为斯坦福教授，他“激发了整整一代研究人员”在人工智能领域。Koller还是在线学习公司Coursera的联合创始人。

Liang指出研讨会的各位发言人，包括Koller在内，提供了许多“多模态”示例，即相同种类的生成AI程序在非常不同类型的数据上操作，从生物数据到声音数据，甚至包括鲸鱼的歌声。正如ENBLE所指出的那样，融合不同数据类型的多模态是该领域最重要的未来方向之一。

在结束演讲时，Koller提到科学经历了巨大进步的时期。她提到了19世纪末的化学，揭示了元素周期表，以及20世纪初的物理学，关于能量与物质、空间与时间的联系。

Koller说，19世纪90年代两个学科也出现了类似的爆炸性发现，“数据/机器学习/AI在那时真正开始，并且是定量生物学，可以以前所未有的保真度测量生物学。”

她说，这两个学科现在正在融合，创造了一个称为数字生物学的新领域，这是“以令人难以置信的保真度以数字方式阅读生物学，在前所未有的规模上，使用机器学习和AI等工具来解读我们所看到的，然后使用CRISPR和组合化学等技术编写生物学，在生物上做出其他非自然现象。”

Koller说，这个新领域将对人类健康以及环境、能源、生物材料、可持续农业和许多其他学科产生“巨大影响”，从而使我们的世界变得更美好，这就是我为什么认为这是一个非常令人兴奋的领域。

完整的研讨会日程安排在网上发布，您可以在YouTube上观看整个活动的回放。