AlphaFold3 può scrivere la storia del cancro?

//

Alexandre


Nel 20° secolo, tecniche biologiche rivoluzionarie come il sequenziamento del DNA, la PCR e nuovi metodi di imaging hanno cambiato permanentemente il volto dell’assistenza sanitaria. Ora possiamo vedere l’intelligenza artificiale che inizia a fare lo stesso. Ha il potenziale per gestire gli enormi set di dati biologici generati dalla tecnologia e persino per prevedere la struttura delle proteine, sbloccando potenzialmente una cura per centinaia di malattie.

Proprio la scorsa settimana DeepMinds di Google ha rilasciato AlphaFold3. Questo software aggiornato utilizza l’intelligenza artificiale per prevedere la struttura delle proteine. Queste previsioni raggiungono un grado di precisione senza precedenti. Il DNA ha una sequenza specifica di basi che, come un manuale di istruzioni, codifica per una sequenza di amminoacidi. Questi amminoacidi si uniscono nell’ordine codificato e si piegano in modo specifico per formare una proteina. Le proteine ​​sono fondamentali per la vita e tutti i processi cellulari. AlphaFold3 può prevederne la struttura 3D e i gruppi residui o nucleotidi associati basandosi solo sulla sequenza aminoacidica di input.

“Un millimetro cubo conteneva circa 150 milioni di sinapsi, quindi questo sarebbe praticamente impossibile senza l’intelligenza artificiale”

Comprendere la struttura delle proteine ​​è fondamentale per trattare meglio molte malattie, compreso il cancro. Il termine “cancro” si riferisce a qualsiasi malattia in cui la regolazione della divisione cellulare non funziona correttamente e diventa quindi incontrollabile, e come tale è una malattia incredibilmente diversificata. Questo è in parte ciò che lo rende così difficile da trattare. Comprendere le strutture proteiche coinvolte nelle vie di segnalazione nella divisione cellulare e come possono andare storte può portare a un targeting farmacologico più specifico. Inoltre, con questo strumento le malattie legate al misfolding delle proteine ​​come l’Alzheimer e il Parkinson possono migliorare la comprensione biomolecolare, rendendole più facili da trattare. AlphaFold 3 è solo un esempio di ciò che l’intelligenza artificiale può fare per lo sviluppo di farmaci.

In precedenza, l’analisi dei dati biologici richiedeva molto tempo poiché l’analisi doveva essere eseguita manualmente; l’utilizzo di strumenti di machine learning aumenta notevolmente l’efficienza e riduce i costi. Ad esempio, l’imaging spesso produce grandi quantità di dati. L’intelligenza artificiale è stata recentemente utilizzata per creare una mappa 3D di un pezzo del cervello di un paziente basata su sezioni di immagine. Il millimetro cubo conteneva circa 150 milioni di sinapsi, quindi questo sarebbe praticamente impossibile senza l’intelligenza artificiale. Studiare questo può aiutare gli scienziati a comprendere meglio le malattie del cervello che colpiscono milioni di persone, come la demenza.

Il ritmo rapido con cui l’intelligenza artificiale si sta sviluppando solleva giustamente molte domande etiche sul suo potenziale. Nel settore sanitario, un problema è la protezione dei dati poiché le informazioni sui pazienti sono molto sensibili. Tuttavia, questi dati esistono già indipendentemente dal fatto che vengano studiati dall’intelligenza artificiale. Un’altra preoccupazione è che l’apprendimento automatico è valido quanto il set di dati su cui è stato addestrato, il che può facilmente portare a pregiudizi. Ad esempio, se uno strumento di intelligenza artificiale fosse utilizzato per confrontare gli SNP (brevi sezioni di DNA che vengono spesso utilizzate per tracciare l’eredità della malattia) tra le popolazioni, sarebbe necessario differenziare gli SNP che hanno maggiori probabilità di essere associati a una particolare malattia a seconda dell’etnia. ascendenza del paziente. Inoltre, l’intervallo sano atteso per una particolare caratteristica può dipendere da attributi come il sesso del paziente, quindi l’intelligenza artificiale deve essere addestrata su un set di dati con una rappresentazione uniforme. Tuttavia, ottenere un campione di dati completamente rappresentativo è molto difficile.

“Gli studi AlphaFold3 hanno mostrato una precisione fino al 76%. Sebbene si tratti di una soluzione rivoluzionaria, un esperto dovrebbe comunque filtrare manualmente i risultati dell’intelligenza artificiale in base alle proprie conoscenze o esperimenti”.

È dispendioso in termini di tempo garantire che vi sia un set di dati etichettati manualmente abbastanza grande da cui l’intelligenza artificiale possa attingere. Alcuni progetti utilizzano piattaforme open source semplicemente per un gran numero di “formatori” manuali per i loro strumenti di apprendimento automatico: Zooniverse è una piattaforma online in cui chiunque può contribuire a progetti scientifici, anche aiutando ad addestrare l’intelligenza artificiale.

Questi inconvenienti sono incredibilmente importanti da considerare quando l’intelligenza artificiale viene applicata ai campi medici, perché imprecisioni come una diagnosi errata o una malattia mancata potrebbero essere fatali. Questo è il motivo per cui sembra che l’intelligenza artificiale diventerà semplicemente una piccola parte degli strumenti dei professionisti medici nel prossimo futuro, richiedendo ancora un operatore manuale. Gli studi AlphaFold3 hanno mostrato una precisione fino al 76%. Sebbene si tratti di una soluzione rivoluzionaria, un esperto dovrebbe comunque filtrare manualmente i risultati dell’intelligenza artificiale in base alle proprie conoscenze o agli esperimenti.

Ma l’imprecisione può essere sfruttata. Se, ad esempio, l’intelligenza artificiale fosse troppo sensibile nel rilevare una particolare malattia, potrebbe comunque essere utile come sistema di allarme precoce che indica ai professionisti medici che potrebbe essere necessario eseguire più test, come un recente elettrocardiogramma (ECG) sperimentazioni effettuate dal National Defense Medical Center di Taiwan. L’intelligenza artificiale ha studiato gli ECG e li ha segnalati ai professionisti medici. Rispetto a un gruppo di controllo, ciò ha comportato un tasso di mortalità inferiore nei pazienti ad alto rischio.

Il potenziale dell’intelligenza artificiale nel settore sanitario è illimitato. Nel corso della nostra vita, la diagnostica e il livello al quale le malattie possono essere studiate saranno trasformati dall’apprendimento automatico. Tuttavia, c’è ancora molta strada da fare prima che i professionisti medici non scelgano più la decisione finale.