Introduction: The Next Leap for AI in Medicine වෛද් ය විද් යාව සඳහා ඊළඟ පියවර අපි වෛද්ය විද්යාව තුළ AI ගැන හිතන විට, අපි බොහෝ විට එය මනුෂ්ය උපාංග හඳුනාගැනීමේ කාර්යයන් ඉටු කරන බව සිතුවෙමු; රෝගයේ සංකීර්ණ සංඥා සඳහා වෛද්ය ස්කෑන් විශ්ලේෂණය කිරීම හෝ රෝගියා ප්රතිඵල අනාවැකි කිරීමට විශාල දත්ත සංකේත ප්රදර්ශනය කිරීම.මෙය බලවත් යෙදුම් වේ, නමුත් ඒවා බොහෝ විට පවතින දැනුම ඇතුළත සම්බන්ධතා සොයා ගැනීම සම්බන්ධ වේ. විද් යාත්මක සොයාගැනීම් ? නව Google සහ යේල් විශ්ව විද්යාලයේ පර්යේෂකයන්ගේ සහයෝගයෙන් ප්රතිඵලයක් ලෙස ඔවුන් C2S-Scale, Google හි Gemma ප්රංශයේ විවෘත ආකෘති මත ගොඩනැගුණු බිලියන 27 ප්රමාණ මූලික ආකෘති ආකෘති ආකෘතියක් නිර්මාණය කර ඇත. මෙම ආකෘතිය සාර්ථක විය, දැනටමත් නොදන්නා ජීව විද්යාත්මක මාර්ගය සොයා ගැනීමට අපගේ ස්වයංක්රීය පද්ධති සටන් කිරීමට උදව් කළ හැකි.මේ සාර්ථකත්වය එක් එක් සොයා ගැනීමකට වඩා වැඩි වේ; එය AI විද්යාත්මක පර්යේෂණවල නිර්මාණශීලී සහකරු ලෙස ක්රියාත්මක කළ හැකි ආකාරය සඳහා නව ව්යාපෘතියක් සපයයි, ආකෘතිය ආකෘතිය ආකෘති නිෂ්පාදනය සඳහා නැවතත් ක්රමයක් නිර්මාණය. පළමුව, AI ජීවිතයේ භාෂාව කියවීමට ඉගෙන ගත්තේය මෙම සොයාගැනීමේ මූලධර්මය වන්නේ "Cell2Sentence" (C2S) යන බුද්ධිමත් පද්ධතියකි. සරල වචනවලින්, මෙම ප්රවේශය එක් තනි සෛලයෙන් සංකීර්ණ ජාන ප්රකාශය දත්ත විශාල භාෂා ආකෘතිය (LLM) තේරුම් ගත හැකි ආකාරයට පරිවර්තනය කරයි: වචනයක්. මෙම ක්රමයක් ශක්තිමත් නිසා එය විද්යාඥයන් විසින් මනුෂ්ය භාෂාව ක්රියාත්මක කිරීම සඳහා ආරම්භයේ දී ගොඩනැගුණු state-of-the-art LLMs, සෘජු ජීව විද්යාත්මක දත්ත සඳහා සෘජුවම භාවිතා කිරීමට හැකි වේ.විද්යාත්මක සඳහා සම්පූර්ණයෙන්ම නව, පරිශීලක AI ආකෘති නිර්මාණය වෙනුවට, C2S ජීව විද්යාත්මක ප්රශ්නය ශක්තිමත් පවතින මෙවලමක් ගැලපෙන පරිදි වෙනස් කරයි. එය වඩාත් බුද්ධිමත් වැඩ කරන ප්රතිකාර සොයාගෙන ඇත, වඩාත් දුෂ්කර නොවේ පිළිකාව ප්රතිකාරයේ ප්රධාන අභියෝගයක් වන්නේ "සීතල" පිළිකාව - ශරීරයේ ආබාධ පද්ධතියට සැබවින්ම නොපෙනෙන පිළිකාව. ආබාධ ප්රතිකාරයේ ප්රධාන ඉලක්කය වන්නේ මෙම පිළිකාවන්ට ආබාධ ප්රදර්ශනය කිරීමේ සංඥා ප්රදර්ශනය කිරීමෙන් "උණුසුම්" කිරීමයි. C2S-Scale AI හි පර්යේෂකයන් විසින් "ඩූලල් කොන්ක්ටෙට් වෘත්තීය ස්කෑන්" ලෙස හැඳින්වෙන ඉංජිනේරු ක්රමයක් භාවිතා කිරීමෙන් ඉතා සංකීර්ණ කාර්යයක් ලබා දුන් අතර, ඔවුන් සෑම විටම ප්රතිජන් ප්රදර්ශනය වැඩි දියුණු කරන ඖෂධයක් අවශ් ය වූයේ නැත; ඔවුන් මෙම ආකෘතියට "විශීලි පුළුල්කමක්" සොයා ගැනීමට ඉල්ලා සිටියේය. පළමු පරිච්ඡේදයට විතරක් මෙය 27 බිලියන ප්රමාණ ආකෘති ආකෘති ආකෘතියෙහි වර්ධනය වන හැකියාවක් බව පෙන්නුම් කරන කොන්දේසිගත සාක්ෂි මට්ටමක් අවශ්ය වන අතර, කුඩා ආකෘති මෙම කොන්දේසි මත පදනම් වූ බලපෑම විසඳීමට නොහැකි බව පෙන්නුම් කරන ලදී. 4,200 කට වඩා වැඩි ඖෂධවල බලපෑම් සකස් කිරීමෙන් පසුව, AI silmitasertib (CX-4945) ලෙස නම් කරන ලද චිනේස් ආක්රමකය හඳුනා ගත්තේය. AI සැබෑවටම නව හයිප්ටෙස් නිර්මාණය කර ඇත AI හි අනාවැකි පිළිබඳ වඩාත්ම වැදගත් අංගය එහි අළුත්කම විය. ආකෘතිය එහි පුහුණු දත්ත වලින් දැනට හඳුනාගත් ජීව විද්යාත්මක සම්බන්ධතාවය පමණක් හඳුනා ගත්තේ නැත. silmitasertib (CX-4945) සහ අන්තර්ෆරෝන් අසල වැඩි දියුණු ප්රදර්ශනය අතර යෝජනා කරන සම්බන්ධතාවය විද්යාත්මක ලියවිල්ලේ මීට පෙර වාර්තා වී නොමැත. මෙම ආකෘති හඳුනා ගැනීමෙන් සැබෑ ප්රතිපත්තිය නිෂ්පාදනය කිරීමට ප්රධාන පිපිරීමක් පෙන්වයි, AI සැබෑ පර්යේෂණ සහකරුගේ ප්රදේශයට මාරු කරයි. "CK2 ආබාධක පද්ධති මොඩියුලකයෙකු ලෙස ඇතුළත් බොහෝ සෛල ක්රියාකාරකම් වලට සම්බන්ධ වී ඇති අතර, silmitasertib හරහා CK2 ෙසේප් කිරීම MHC-I ප්රකාශය හෝ ප්රතිජන් ඉදිරිපත් කිරීම පැහැදිලිව වැඩි දියුණු කිරීම සඳහා ලේඛනයේ වාර්තා වී නොමැත. ඩිජිටල් අනාවැකියෙන් Lab-Verified Reality වෙත AI හි අනාවැකි, කොතරම් විශ්වාසදායක වුණත්, එය පරීක්ෂා කරන තුරු ප්රශ්නීය අවසාන පියවර වන්නේ ආකෘතියට ගනුදෙනු කිරීමයි. (Computer-based) අනාවැකි සහ එය තහවුරු කිරීම පර්යේෂකයන් මනුෂ්ය neuroendocrine සෛල ආකෘති (මර්කල් සෛල සහ වැළැක්වීමෙන්) මත පර්යේෂණය කරන ලදී - මොඩියුලයේ පුහුණු දත්ත තුළ අවම වශයෙන් ප්රදර්ශනය වූ සෛල වර්ග, සහ එය තවදුරටත් ආකර්ෂණය කරන ලදී. Silikon වල in vitro සඳහා පර්යේෂණ පර්යේෂණවල ප් රතිඵල පුදුමාකාර නිවැරදිතාවයකින් AI හි අනාවැකි තහවුරු කර ඇත: මත්ද්රව්ය silmitasertib සමඟ තනිව සෛල ප්රතිකාර ප්රතිදානය මත කිසිදු බලපෑමක් තිබුණේ නැත. කුඩා මාත්රාවකින් අන්තර්ෆෙරෝන් ප්රතිකාර කිරීම පමණක් කුඩා ප්රතිඵලයක් විය. ඉන්ටර්ෆෙරෝන් අඩු මාත්රාවකින් හෝ සිමිටේසර්ටබ් සහ ඉන්ටර්ෆෙරෝන් සමඟ සෛලවලට ප්රතිකාර කිරීම, AI හි අනාවැකි කළ පරිදි, "විශේෂී, සයිනර්ජිස්ටික් පුළුල් කිරීම" නිෂ්පාදනය කළේය. ප්රමාණයෙන්, සංයුක්ත ප්රතිකාර ප්රදර්ශනය 50% දක්වා වැඩි කිරීම ප්රතිජන් ප්රදර්ශනය ප්රතිඵල. මෙම ප්රතිඵලය පිළිකා ප්රතිකාර සඳහා පොදු නව මාර්ගයක් හඳුනා ගැනීම සඳහා ආකර්ෂණීය නව ප්රවේශය සපුරාලීම, ආබාධ පද්ධතිය වඩාත් ප්රවේශම් බවට පත් වනු ඇත. Discovery සඳහා නව Blueprint මෙම ප්රතිඵලයක් පමණක් නොව, පොරොන්දු වූ ඖෂධ සොයාගැනීමකට වඩා වැඩි වේ.එය විද්යාත්මක පර්යේෂණ සඳහා බලවත් නව ප්රතිඵලයක් සපයයි.එය පෙන්වා දෙයි.එය න්යාය පරීක්ෂා කිරීමෙන් නව, ජීව විද්යාත්මකව පදනම් වූ සහ පරීක්ෂා කළ හැකි ප්රතිඵලයක් නිර්මාණය කිරීම සඳහා න්යාය පරීක්ෂා කිරීමෙන් පිටතට යා හැකි බව පෙන්වයි.ජීව විද්යාත්මකව තේරුම් ගත හැකි භාෂාවට ජීවත්වන මූලික දත්ත පරිවර්තනය කිරීමෙන්, න්යාය පරීක්ෂණය අනාවැකි ආකාරයෙන් වේගවත් කිරීමට සූදානම් වේ. ප්රධාන වශයෙන්, ගූගල් සහ යේල් කණ්ඩායම් ඔවුන්ගේ සොයාගැනීම පමණක් නොව, එය සිදු කිරීමට හැකි වූ මෙවලමත් බෙදා හදාගෙන ඇත. C2S-Skala ආකෘතිය සහ එහි සම්පත් පර්යේෂක සමාජයට ලබා ගත හැක, වෙනත් විද්යාඥයන් මෙම වැඩ මත ඉදිකිරීමට බලය ලබා දෙනු ඇත. Podcast එක : Podcast එක : ඇපල් : මෙතන Spotify: මෙතනින් මෙතන මෙතන
