DeepMind ของ Google สามารถนำไปสู่ยุคใหม่ของการแพทย์

เมื่อเร็ว ๆ นี้ วงการเทคโนโลยีต่างพากันตกตะลึงกับข่าวที่ว่า DeepMind ของ Google มีแอปพลิเคชันในระดับที่สูงขึ้นไปอีก ไปเป็นวันที่เล่นปิงปองหรือหมากรุก ในช่วงต้นปี 2559 DeepMind เริ่มมีผลกระทบในภาคการดูแลสุขภาพ เมื่อเร็ว ๆ นี้ ความสามารถของ DeepMind อาจสามารถเปลี่ยนเราไปสู่ยุคใหม่ของการแพทย์ได้โดยสิ้นเชิง มาสำรวจกันว่า DeepMind มาจากไหน ปัญญาประดิษฐ์มากขนาดนี้ได้อย่างไร และอาจเปลี่ยนแปลงอนาคตของการแพทย์ไปโดยสิ้นเชิงได้อย่างไร

ต้นกำเนิดของ DeepMind

DeepMind เป็นสตาร์ทอัพปี 2010 ที่ก่อตั้งโดยคนสามคน ได้แก่ Shane Legg, Demis Hassabis และ Mustafa Suleyman ในการให้สัมภาษณ์ Hassabis ตั้งข้อสังเกตว่าพวกเขาทำงานเกี่ยวกับเทคโนโลยีปัญญาประดิษฐ์โดยเลือกเกมดั้งเดิมจากปี 1970 และ 1980 เพื่อให้ AI เล่น ราวกับว่าออกมาจาก Ready Player One เครื่อง AI เล่นเช่น Space Invaders, Breakout และแม้แต่คลาสสิกย้อนยุค Pong

เมื่อมีการแนะนำ AI มันเรียนรู้ผ่านการเล่นเกมโดยไม่ต้องบอกกฎก่อนหน้านี้ หลังจากเล่นเกมและล้มเหลวไปชั่วขณะหนึ่ง AI จะเรียนรู้และเชี่ยวชาญในเกม ตัวอย่างเช่น วิดีโอนี้แสดงให้เห็นถึงการควบคุม AI Atari Breakout ตามบทความของ Forbes กระบวนการคิดของ AI นั้น "เหมือนกับที่มนุษย์ไม่เคยเห็นมาก่อนเลย" เพื่อที่จะเข้าใจแนวคิดหลักและเชี่ยวชาญ

การเล่นเกมเป็นเครื่องมือวิวัฒนาการ

AlphaGo ซึ่งเป็นโปรแกรมคอมพิวเตอร์ Go ที่พัฒนาโดย DeepMind เอาชนะแชมป์ European Go Fan Hui (สองจากเก้า) 5 ต่อ 0 ในเดือนตุลาคม 2015 นั่นเป็นก้าวที่สำคัญสำหรับเทคโนโลยี AI เนื่องจากเป็นครั้งแรกที่ คอมพิวเตอร์สามารถเอาชนะผู้เล่นโกมืออาชีพได้ เหตุผลเบื้องหลังนั้นเป็นระดับของความซับซ้อน Go นั้นยากกว่ามากสำหรับคอมพิวเตอร์ที่จะชนะ เมื่อเทียบกับเกมอื่นๆ เช่น หมากรุก เนื่องจากมีความเป็นไปได้มากมาย ทำให้ AI ใช้วิธีการค้นหาอย่างละเอียดถี่ถ้วนเพื่อเอาชนะได้ยากขึ้น

จากนั้นในเดือนมีนาคมปี 2016 AlphaGo เอาชนะ Lee Sedol (9 แดนจากทั้งหมด 9 แต้ม) หนึ่งในผู้เล่น Go ที่มีอันดับสูงที่สุดในโลกในการแข่งขันแบบ 4 ต่อ 1 ในปีหน้า AlphaGo ชนะการแข่งขันสามเกมกับ Ke Jie ซึ่งครองตำแหน่งอันดับ 1 ของโลกสำหรับ Go ในช่วงสองปีที่ผ่านมา เพื่อเรียนรู้ AI ใช้เทคนิคการเรียนรู้ภายใต้การดูแล โดยศึกษาเกมมากมายที่มนุษย์เล่นกันเอง

เสริมการเรียนรู้เชิงลึก

เทคโนโลยี AlphaGo สร้างขึ้นโดยใช้วิธีการเรียนรู้เชิงลึกแบบเสริมกำลัง ซึ่งเป็นประเภทของการเรียนรู้ของเครื่อง ตามบทความของ Artificial Intelligence Depot "อนุญาตให้เครื่องและตัวแทนซอฟต์แวร์กำหนดพฤติกรรมในอุดมคติโดยอัตโนมัติภายในบริบทเฉพาะเพื่อเพิ่มประสิทธิภาพสูงสุด" ตัวอย่างเช่น เมื่อ AI เล่น Go การตอบรับรางวัลอย่างง่ายช่วยให้ AI เรียนรู้จากประสบการณ์และสิ่งนี้เรียกว่า “สัญญาณเสริมแรง”

AlphaGo & AlphaGo Zero

เนื่องจาก AlphaGo เรียนรู้จากการดูผู้อื่นและเล่นเกม Go มากขึ้นด้วยตัวมันเอง มันไม่เพียงเรียนรู้จากความล้มเหลวเท่านั้น แต่ยังเรียนรู้จากชัยชนะด้วย จากนั้นข้อมูลในอดีตก็ถูกเพิ่มเข้าไปในความรู้เกี่ยวกับเกมจนกว่าจะมีการประมวลผลเกมมากกว่า 30 ล้านเกม AlphaGo Zero ซึ่งเป็นเวอร์ชันที่ปรับปรุงใหม่ เอาชนะ AlphaGo 100 เกมให้เป็นศูนย์ในปี 2017 ได้อย่างน่าทึ่ง ความสำเร็จนี้เกิดขึ้นได้หลังจาก AlphaGo Zero ได้เรียนรู้เกมเพียงสามวัน นอกจากนี้ AlphaZero ซึ่งเป็น AlphaGo Zero ที่ได้รับการดัดแปลง กลายเป็นทักษะเหนือมนุษย์ในการเรียนรู้หมากรุกและโชกิด้วยการเล่นด้วยตนเองอย่างหมดจด

DeepMind Health & การระบุโรคตา

ในปี 2559 DeepMind ได้ร่วมมือกับ Moorsfield Eye Hospital เพื่อพัฒนาแอปพลิเคชั่น AI สำหรับการดูแลสุขภาพ พวกเขามุ่งเน้นที่การปรับปรุงวิธีการที่ผู้ป่วยได้รับการรักษาและส่งต่อโรคตา

ปัจจุบัน ผู้เชี่ยวชาญด้านการดูแลดวงตาใช้การสแกนด้วยเอกซเรย์คอมพิวเตอร์ (OCT) เพื่อช่วยในการวินิจฉัยโรคตา การสแกน OCT เป็นภาพ 3 มิติที่แสดงด้านหลังของดวงตา พวกเขาอ่านยากและต้องการการวิเคราะห์จากผู้เชี่ยวชาญเพื่อทำความเข้าใจเพิ่มเติม ระหว่างเวลาการวิเคราะห์ที่ยืดเยื้อและจำนวนการสแกนที่แท้จริงต่อวัน (ประมาณ 1,000 ครั้งต่อวันที่ Moorfields) เวลาระหว่างการสแกนและการรักษาอาจล่าช้าออกไปมาก แม้ในกรณีของการดูแลอย่างเร่งด่วน น่าเสียดาย นี่หมายความว่าหากเกิดปัญหาอย่างกะทันหัน เช่น มีเลือดออก ความล่าช้าในการสแกนไปยังการรักษาอาจทำให้ผู้ป่วยสูญเสียการมองเห็น

บทความ DeepMind รายงานว่าระบบ AI ของพวกเขา “สามารถตีความการสแกนดวงตาได้อย่างรวดเร็วจากการปฏิบัติทางคลินิกตามปกติด้วยความแม่นยำที่ไม่เคยมีมาก่อน” จากนั้นจึงแนะนำหลักสูตรการรักษา “ได้อย่างแม่นยำเท่ากับแพทย์ผู้เชี่ยวชาญชั้นนำของโลก” ระบบสามารถตรวจพบโรคตาได้ภายในไม่กี่วินาที และจัดลำดับความสำคัญของผู้ป่วยที่ต้องการการดูแลอย่างเร่งด่วนที่สุด ด้วยเทคโนโลยีนี้ เวลารอระหว่างการสแกนและการรักษาจะลดลงอย่างมาก ช่วยผู้ที่มีความเสี่ยงและลดโอกาสที่จะสูญเสียดวงตาอันเนื่องมาจากเวลาล่วงเลยไป

DeepMind Health & การระบุโรคตา

เมื่อต้นปีนี้ DeepMind ได้ร่วมมือกับ Cancer Research UK Imperial Center เพื่อประเมินว่าเทคโนโลยี AI สามารถช่วยเหลือผู้เชี่ยวชาญในการวินิจฉัยมะเร็งเต้านมด้วยแมมโมแกรมได้อย่างมีประสิทธิภาพและเร็วกว่าที่ผู้เชี่ยวชาญของมนุษย์สามารถทำได้หรือไม่ งานยังคงดำเนินต่อไปเนื่องจาก DeepMind หวังว่าจะช่วยให้การจดจำมะเร็งเต้านมดีขึ้นเช่นเดียวกับโรคตา

เมื่อวันที่ 4 ตุลาคม 2018 บทความ DeepMind ประกาศว่าโครงการ DeepMind Health กำลังขยายไปยังโรงพยาบาลมหาวิทยาลัย Jikei ซึ่งเป็นหนึ่งในสถาบันทางการแพทย์ชั้นนำของญี่ปุ่น โดยเป็นพันธมิตรกันเป็นเวลาห้าปี วัตถุประสงค์ของการจับคู่คือเพื่อวิเคราะห์ประวัติแมมโมแกรมที่ไม่ระบุตัวตนจากผู้หญิงประมาณ 30,000 คน ควบคู่ไปกับฐานข้อมูลประวัติศาสตร์แมมโมแกรมที่ไม่ระบุตัวตนซึ่งจัดทำโดยสหราชอาณาจักร เพื่อดูว่าเทคโนโลยีสามารถระบุสัญญาณของเนื้อเยื่อมะเร็งบนรังสีเอกซ์ได้อย่างมีประสิทธิภาพมากขึ้นหรือไม่ กว่าเทคนิคปัจจุบัน

อย่างไรก็ตาม การวิจัยจะต้องดำเนินการอย่างระมัดระวัง เนื่องจากความลำเอียงอาจเกิดขึ้นได้เมื่อระบบ AI ได้รับการฝึกอบรมเกี่ยวกับข้อมูลซึ่งไม่ได้สะท้อนถึงข้อมูลที่พยายามช่วยหรือประเมินอย่างถูกต้อง ตัวอย่างเช่น อาจมีความแตกต่างของความหนาแน่นของเต้านมระหว่างกลุ่มชาติพันธุ์ ซึ่งเป็นปัจจัยที่อาจทำให้ผู้ป่วยบางรายถูกระบุว่าเป็นมะเร็งโดยไม่ได้ตั้งใจ เมื่อความหนาแน่นของพวกเขาสูงขึ้นจริงๆ

DeepMind & ทำนายโรคตา

เช่นเดียวกับที่ DeepMind Health ใช้การสแกน OCT เพื่อสังเกตการปรากฏตัวของโรค ผู้เชี่ยวชาญก็พยายามที่จะดูว่าสามารถใช้เพื่อทำนายโรคที่กำลังจะเกิดขึ้นก่อนที่จะเกิดขึ้นได้หรือไม่ โดยการวิเคราะห์ผู้ป่วย 7,000 รายที่โรงพยาบาลตา Moorfield ที่ได้รับการรักษาตาในตาข้างเดียว เครื่องสามารถลองทำนายการเสื่อมสภาพในตาอีกข้างหนึ่งได้

ตามบทความของ DeepMind "การทำนายตัวบ่งชี้ที่เป็นไปได้ของโรคนั้นซับซ้อนกว่ามาก - และเข้มข้นในการคำนวณ - งานมากกว่าการระบุอาการที่รู้จักที่มีอยู่" เพื่อให้ตรงกับความต้องการในการประมวลผล DeepMind และ Moorfields ได้ตกลงที่จะใช้โครงสร้างพื้นฐานการประมวลผลแบบคลาวด์ของ Google จากสหราชอาณาจักรและสหรัฐอเมริกา

การพับโปรตีน AlphaFold

เมื่อเร็ว ๆ นี้ AlphaFold ซึ่งเป็นโปรแกรม AI ล่าสุดของ DeepMind ได้เอาชนะคู่แข่งด้วยความสามารถที่ทรหดเป็นพิเศษอย่างหนึ่ง นั่นคือ การทำนายรูปร่าง 3 มิติของโปรตีน แม้ว่าอาจมีการพูดคุยกันเล็กน้อยนอกแวดวงวิชาการ แต่การพับโปรตีนเกี่ยวข้องกับทุกคน เป็นรูปแบบหนึ่งของ "การพับกระดาษระดับโมเลกุล" ตามที่บทความใน The Guardian นักวิทยาศาสตร์มักใช้กล้องจุลทรรศน์อิเล็กตรอนแบบส่องกราด ผลึกเอ็กซ์เรย์ และคลื่นสนามแม่เหล็กนิวเคลียร์เพื่อกำหนดรูปร่างของโปรตีน แต่ขึ้นอยู่กับการลองผิดลองถูก เวลา และเงิน

ยิ่งโปรตีนมีขนาดใหญ่เท่าใด การสร้างแบบจำลองอย่างถูกต้องยิ่งยากขึ้นเท่านั้น เนื่องจากมีปฏิสัมพันธ์ที่ต้องคำนึงถึงมากขึ้น ตัวอย่างเช่น DNA มีข้อมูลเกี่ยวกับกรดอะมิโนซึ่งสร้างเป็นสายยาว การคาดคะเนโครงสร้างของโซ่เหล่านั้นและวิธีที่พวกมันก่อตัวเป็นรูปร่าง 3 มิติคือ “ปัญหาการพับของโปรตีน” ตามบทความของ DeepMind ที่กล่าวถึงความขัดแย้งของ Levinthal ว่า "จะใช้เวลานานกว่าอายุของจักรวาลในการแจกแจงรูปแบบที่เป็นไปได้ทั้งหมดซึ่งเป็นโปรตีนทั่วไปก่อนที่จะไปถึงโครงสร้าง 3 มิติที่ถูกต้อง"

การเข้าใจรูปร่างของโปรตีนคือการทำความเข้าใจหน้าที่ของมันอย่างมาก การกระทำนี้เพียงอย่างเดียวของการพับโปรตีนที่คาดการณ์โดย AI อาจนำมาซึ่งกระบวนการขนาดใหญ่สำหรับสาขาวิทยาศาสตร์และการแพทย์ ให้คำนึงว่าเมื่อโปรตีนพันกันหรือพันกัน พวกมันสามารถนำไปสู่โรคเบาหวาน พาร์กินสัน ฮันติงตัน ซิสติก ไฟโบรซิส และโรคอัลไซเมอร์ได้

ความหวังก็คือถ้านักวิทยาศาสตร์สามารถทำนายรูปร่างของโปรตีนจากองค์ประกอบทางเคมีของโปรตีนได้ พวกเขาก็จะสามารถคำนวณได้ว่าโปรตีนทำหน้าที่อะไรและจะพับอย่างไม่ถูกต้องและก่อให้เกิดอันตรายได้อย่างไร นอกจากนี้ แอปพลิเคชัน AI ยังสามารถออกแบบโปรตีนใหม่เพื่อต่อสู้กับโรคหรือปฏิบัติหน้าที่ นำไปสู่ยุคใหม่ของการแพทย์