Một Tiến Bộ AI Mới Mở Cơ Hội Chẩn Đoán Bệnh Tệ Thuộc Giân Giáo.

(SeaPRwire) –   អ្នកស្រាវជ្រាវនៅ Mayo Clinic និង Goodfire ដែលជាស្ថាប័នស្រាវជ្រាវថ្មីនៅសាន់ហ្វ្រាន់ស៊ីស្កូ បាននិយាយថាពួកគេបានប្រើម៉ូដែល AI ដើម្បីព្យាករណ៍ថាការផ្លាស់ប្តូរហ្សែនណាដែលបណ្តាលឱ្យមានជំងឺ—ហើយសំខាន់បំផុតគឺអាចពន្យល់ពីមូលហេតុ—ដែលផ្តល់វិធីសាស្រ្តថ្មីសម្រាប់ការធ្វើរោគវិនិច្ឆ័យ និងសិក្សាជំងឺហ្សែនក្នុងមាត្រដ្ឋានធំ។

ការស្រាវជ្រាវនេះប្រើបច្ចេកទេសពីវិស័យសិក្សាភាពអាចយល់បានរបស់ AI—ដែលជាវិទ្យាសាស្រ្តថ្មីដែលផ្តោតលើការយល់ដឹងអំពីខួរក្បាលសិប្បនិម្មិតដែលមិនច្បាស់លាស់នៃប្រព័ន្ធ AI—ដើម្បីព្យាករណ៍ និងយល់ដឹងថាការផ្លាស់ប្តូរហ្សែនណាដែលអាចជា “មានគ្រោះថ្នាក់បណ្តាលជំងឺ”។

លោក Matthew Callstrom ជាសាស្រ្តាចារ្យវិទ្យាសាស្រ្តរូបភាព និងប្រធានកម្មវិធី AI បង្កើតជំនាន់ថ្មីនៅ Mayo Clinic បាននិយាយថា ការធ្វើរោគវិនិច្ឆ័យ និងព្យាបាលជំងឺមហារីកជាក់លាក់នៅដំបូងអាចជាភាពខុសគ្នារវាងជីវិត និងសេចក្តីស្លាប់។ ទោះយ៉ាងណា ហ្សែនមនុស្សមានចំនួនគូមូលដ្ឋានជាង 3 ពាន់លានដង—ដែលជាបញ្ហាធំដូចជារក្សាទុកក្បាលក្នុងស្នោដ៏ធំ។

អ្នកស្រាវជ្រាវបានធ្វើការជាមួយ Evo 2—ដែលជាម៉ូដែលមូលដ្ឋានហ្សែនប្រភពបើកចំហ ដែលបានបណ្តុះបណ្តាលដោយ Arc Institute—ដើម្បីព្យាករណ៍ថាការផ្លាស់ប្តូរ DNA ណាដែលបណ្តាលឱ្យមានជំងឺ និងយល់ដឹងថាលក្ខណៈជីវសាស្រ្តណាដែលអាចទទួលខុសត្រូវ។ Evo 2 ត្រូវបានបណ្តុះបណ្តាលដើម្បីព្យាករណ៍ “អក្សរ” បន្ទាប់នៅក្នុងលំដាប់ DNA—ដូចគ្នានឹងម៉ូដែលភាសាធំ (LLMs) ដូចជា ChatGPT ដែលត្រូវបានបណ្តុះបណ្តាលដើម្បីព្យាករណ៍ពាក្យបន្ទាប់នៅក្នុងផ្នែកអត្ថបទ។ សម្រាប់ ChatGPT ការបណ្តុះបណ្តាលដោយប្រើអត្ថបទភាគច្រើននៅលើអ៊ិនធឺរណែតអាចបង្រៀនវាអំពីរចនាសម្ព័ន្ធភាសា និងអង្គហេតុអំពីពិភពលោក។ និកូឡាស វ៉ាង ជាអ្នកនិពន្ធឯកសារមួយបាននិយាយថា Evo 2 ត្រូវបានបណ្តុះបណ្តាលដោយប្រើ 128,000 ហ្សែនដែលគ្របដណ្តប់លើគ្រប់ដែននៃជីវិត—ដែលនីមួយៗមានតែ 4 អក្សរ (G, T, C, និង A) ដែលជាម៉ូលេគុលដែលបង្កើតជា DNA—ដែល Evo 2 អាចរៀនដឹងថាលំដាប់ហ្សែនណាដែល “ផ្តល់អត្ថប្រយោជន៍ដល់ជីវិត”។

ទោះយ៉ាងណា ចំណេះដឹងនេះត្រូវបានចាក់សោរនៅក្នុងលេខ 7 ពាន់លានដែលអ៊ិនកូដខួរក្បាលសិប្បនិម្មិតរបស់ម៉ូដែល: អ្នកស្រាវជ្រាវអាចឃើញលេខទាំងនោះ ប៉ុន្តែអត្ថន័យរបស់វាមិនច្បាស់លាស់។ ដូចគ្នានឹង EEG ដែលវាស់សកម្មភាពអគ្គិសនីនៅក្នុងខួរក្បាលមនុស្សមិនអាចប្រាប់អ្នកស្រាវជ្រាវខួរក្បាលថាតើអ្នកជំងឺកំពុងគិតអ្វីដែរ អ្នកស្រាវជ្រាវ AI ក៏អាចឃើញអ្វីដែលកំពុងកើតឡើងនៅខាងក្នុងខួរក្បាល AI ប៉ុន្តែពិបាកក្នុងការបកស្រាយវា។

អ្នកស្រាវជ្រាវរបស់ Goodfire បានបង្ហាញឧទាហរណ៍ការផ្លាស់ប្តូរហ្សែនដែលមានគ្រោះថ្នាក់បណ្តាលជំងឺ និងដែលមិនមានគ្រោះថ្នាក់ដល់ Evo 2 ហើយវាស់ផ្នែកខួរក្បាលណាដែលបានប្រតិកម្ម—ដែលអាចឱ្យពួកគេបំបែកការឆ្លើយតបរបស់ AI ទៅនឹងការផ្លាស់ប្តូរហ្សែនដែលមានគ្រោះថ្នាក់បណ្តាលជំងឺ។ ពួកគេបានរកឃើញថាពួកគេអាចប្រើវាដើម្បីព្យាករណ៍ការផ្លាស់ប្តូរដែលបណ្តាលឱ្យមានជំងឺបានល្អជាងឧបករណ៍គណនាដែលមានស្រាប់ទាំងអស់ដែលពួកគេបានសាកល្បង—ទោះបីជា Evo 2 មិនបានបណ្តុះបណ្តាលជាក់លាក់លើភារកិច្ចព្យាករណ៍ការផ្លាស់ប្តូរដែលបណ្តាលឱ្យមានជំងឺក៏ដោយ។ ដូចជាម៉ូដែលភាសាធំ (LLMs) ទំហំទិន្នន័យដែល Evo 2 ត្រូវបានបណ្តុះបណ្តាល—ប្រហែល 10 ដងច្រើនជាងម៉ូដែលមូលដ្ឋានហ្សែនធំបំផុតពីមុន—បានអនុញ្ញាតឱ្យវាដឹងគំរូនៃអ្វីដែល DNA សុខភាពមានរួមគ្នា។

ទោះយ៉ាងណា នៅក្នុងគ្លីនិក ការព្យាករណ៍មិនគ្រប់គ្រាន់ទេ។ លោក Matt Redlon ជាប្រធានកម្មវិធី AI របស់ Mayo Clinic និងជាអ្នកនិពន្ធដធរបាននិយាយថា “ការយល់ដឹងពីមូលហេតុដែលម៉ូដែលធ្វើការសម្រេចចិត្តគឺសំខាន់បំផុតណាស់”។

ការស៊ើបអង្កេតបន្ថែមទៀតបានបង្ហាញថា Evo 2 បានស្រាយលក្ខណៈជីវសាស្រ្តដែលមានអត្ថន័យនៃលំដាប់ DNA។ ឧទាហរណ៍ Evo 2 បានរៀនដើម្បីកំណត់ព្រំដែនរវាងផ្នែកផ្សេងគ្នានៃ DNA ទោះបីជាហ្សែនដែលវាត្រូវបានបណ្តុះបណ្តាលមិនមានស្លាកច្បាស់លាស់សម្រាប់ព្រំដែនទាំងនោះក៏ដោយ។

លក្ខណៈជីវសាស្រ្តទាំងនេះជួយពន្យល់ពីមូលហេតុដែលការផ្លាស់ប្តូរខ្លះបណ្តាលឱ្យមានជំងឺ និងខ្លះមិន។ ការផ្លាស់ប្តូរនៅព្រំដែនរវាងពីរផ្នែកនៃ DNA ទំនងជាបង្កើតប្រូតេអ៊ីនដែលខូចខាត ដែលនាំឱ្យមានជំងឺហ្សែន។ ការផ្លាស់ប្តូរនៅខាងក្នុងផ្នែកដែលត្រូវបានបោះបង់មុនពេលបង្កើតប្រូតេអ៊ីនជាធម្មតាមិនមានគ្រោះថ្នាក់ទេ។

លោក Bo Wang ជាអ្នកវិទ្យាសាស្រ្ត AI ជាន់ច្រើននៅ University Health Network ប្រទេសកាណាដា បាននិយាយថា សមត្ថភាពរបស់ឯកសារនេះក្នុងការកំណត់លក្ខណៈជីវសាស្រ្តនៃការផ្លាស់ប្តូរហ្សែន ជំនួសឱ្យការផ្តល់តែពិន្ទុភាពមានគ្រោះថ្នាក់ដែលមិនច្បាស់លាស់ គឺជា “ការជឿនលឿនយ៉ាងសំខាន់”។

លោក Redlon បាននិយាយថា នៅពេលដែលតម្លៃនៃការធ្វើលំដាប់ហ្សែនថយចុះ—ជាមួយនឹងប្រព័ន្ធថ្មីៗដែលអះអាងថាអាចធ្វើលំដាប់ហ្សែនទាំងមូលសម្រាប់ 100 ដុល្លារ—វិធីសាស្រ្តបកស្រាយទិន្នន័យហ្សែន ដូចជាវិធីនេះ អាចជួយអ្នកស្រាវជ្រាវ “ត្រឡប់ទៅវិស័យជីវសាស្រ្តវិញ” និងបង្កើត “ការព្យាបាលផ្ទាល់ខ្លួន” សម្រាប់បុគ្គលម្នាក់ៗ។

ទោះយ៉ាងណា មុនពេលវិធីសាស្រ្តរបស់ Goodfire ត្រូវបានរៀបចំសម្រាប់គ្លីនិក វាត្រូវតែធ្វើការសាកល្បងធំជាងនេះដើម្បីយល់ដឹងពីដំណើរការរបស់វាលើប្រជាជនធំជាង និងបន្ទាប់មកឆ្លងកាត់ការអនុម័តពី FDA។ លើសពីនេះ ខណៈដែលអ្នកស្រាវជ្រាវបានរកឃើញគំនិតជីវសាស្រ្តដែលបានរក្សាទុកនៅក្នុង Evo 2 វាមិនមាន “ការធានាអ្វីទាំងអស់” ថាម៉ូដែលពិតជាប្រើគំនិតទាំងនោះដើម្បីកំណត់ថាការផ្លាស់ប្តូរណាដែលមានគ្រោះថ្នាក់បណ្តាលជំងឺទេ លោក James Zou សាស្រ្តាចារ្យវិទ្យាសាស្រ្តទិន្នន័យជីវវិទ្យានៅ Stanford បាននិយាយ។

ភាពអាចយល់បានរបស់ AI កំពុងទទួលបានការពេញនិយមកាន់តែច្រើន នៅពេលដែល AI ត្រូវបានអនុវត្តទៅវិស័យវិទ្យាសាស្រ្តជីវិត និងលើសពីនេះ។ Goodfire ដែលបានបង្កើតឡើងក្នុងឆ្នាំ 2023 ដើម្បីជំរុញភាពអាចយល់បានរបស់ម៉ូដែល AI—ដែលជាបញ្ហាដែលអ្នកស្ថាបនារួម និងប្រធានបច្ចេកវិជ្ជា Dan Balsam ហៅថា “បញ្ហាសំខាន់បំផុតនៅលើពិភពលោក”—ត្រូវបានវាយតម្លៃនៅ 1.25 ពាន់លានដុល្លារក្នុងខែកុម្ភៈ។ នៅខែមករា Goodfire បានបោះពុម្ពផ្សាយការស្រាវជ្រាវដែលបានកំណត់សញ្ញាជំងឺថ្មីសម្រាប់ជំងឺអាល់ហ្សៃម័រ ដែលបានរក្សាទុកនៅក្នុងខួរក្បាលម៉ូដែល AI ដែលអាចជួយបង្កើតក្តីសង្ឃឹមថានឹងរកឃើញគំនិតថ្មីនៅខាងក្នុងខួរក្បាលម៉ូដែល AI ដែលអ្នកស្រាវជ្រាវមនុស្សមិនអាចរកឃើញបាន។

“តាមមើលរបស់ខ្ញុំ ផ្នែកដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតនៃ [ភាពអាចយល់បាន] គឺអាចបើកប្រអប់ខ្មៅ ហើយមើលថា ‘តើម៉ូដែលពិតជារៀនអំពីវិទ្យាសាស្រ្តលើសពីអ្វីដែលយើងបានដឹងទេ?’” លោក Zou បាននិយាយថា។ លោក Zou បានបន្ថែមថា ការស្រាវជ្រាវថ្មីៗដែលបានបោះពុម្ពផ្សាយរបស់ Goodfire មិនបានធ្វើរឿងនេះទេ ពីព្រោះវាគ្រាន់តែស៊ើបអង្កេត Evo 2 សម្រាប់គំនិតដែលគេស្គាល់ប៉ុណ្ណោះ។

ភាពអាចយល់បានក៏ត្រូវបានអនុវត្តទៅម៉ូដែលភាសាធំផ