Cerebrus Systems współpracuje z Mayo Clinic nad modelem genomowym w celu przewidywania leczenia zapalenia stawów

Cerebras Systems współpracowało ze sobą Klinika Mayo Budowanie podstawowego modelu genomu AI, który przewiduje najlepsze leczenie dla osób cierpiących na reumatoidalne zapalenie stawów.

Może być również przydatny w przewidywaniu najlepszych metod leczenia osób chorych na raka i choroby serca, powiedział Andrew Feldman, dyrektor generalny firmy układ mózgowyW wywiadzie dla GamesBeat.

Podczas konferencji JPMorgan Healthcare w San Francisco Mayo Clinic ogłosiła dziś znaczne postępy w opracowywaniu narzędzi sztucznej inteligencji w celu poprawy opieki nad pacjentami.

W ramach zaangażowania Mayo Clinic w przekształcanie opieki zdrowotnej Instytut kierował rozwojem światowej klasy podstawowego modelu genomu, zaprojektowanego w celu wspierania lekarzy i pacjentów.

Podobnie jak Nvidia i inne firmy produkujące półprzewodniki, Cerebras koncentruje się na superkomputerach AI. Jednak jej podejście bardzo różni się od podejścia Nvidii, która opiera się na indywidualnych procesorach AI. Cerebras Systems projektuje całą płytkę – z wieloma chipami na jednej płytce krzemowej – która wspólnie rozwiązuje duże problemy związane ze sztuczną inteligencją i inne zadania obliczeniowe przy znacznie niższym zużyciu energii. Feldman powiedział, że obliczenie podstawowego modelu genomu zajęło kilka miesięcy. Mimo to wymagało to znacznie mniej czasu, wysiłku, mocy i kosztów niż tradycyjne rozwiązania komputerowe – stwierdził. PitchBook przewidział niedawno, że Cerebras będzie miał pierwszą ofertę publiczną w 2025 roku.

Opierając się na wiodącej pozycji Mayo Clinic w dziedzinie medycyny precyzyjnej, model ten został zaprojektowany w celu poprawy diagnostyki i personalizacji wyboru leczenia, ze szczególnym uwzględnieniem reumatoidalnego zapalenia stawów (RZS). Leczenie RZS stanowi istotne wyzwanie kliniczne i często wymaga wielu prób znalezienia skutecznych leków dla poszczególnych pacjentów.

Tradycyjne podejścia do badania pojedynczych markerów genetycznych wykazały ograniczony sukces w przewidywaniu odpowiedzi na leczenie.

Model genomowy wspólnego zespołu został przeszkolony poprzez połączenie publicznie dostępnych danych referencyjnych ludzkiego genomu z obszernymi danymi dotyczącymi egzomu pacjentów Mayo. Ludzki genom referencyjny to cyfrowa sekwencja DNA, która reprezentuje złożoną, „wyidealizowaną” wersję ludzkiego genomu. Służy jako standardowe ramy, z którymi można porównywać indywidualne genomy ludzkie, pomagając badaczom identyfikować różnice genetyczne.

W przeciwieństwie do modeli wyszkolonych wyłącznie na ludzkim genomie referencyjnym, model Genomic Foundation firmy Mayo wykazał znacznie lepsze wyniki w zakresie klasyfikacji wariantów genomowych, ponieważ został przeszkolony na danych uzyskanych od 500 pacjentów Mayo Clinic. Zespół ma nadzieję na dalszą poprawę jakości modelu w miarę włączania do szkolenia większej liczby danych pacjentów.

Zespół stworzył nowe punkty odniesienia w celu oceny klinicznie istotnych możliwości modelu, takich jak wykrywanie określonych schorzeń na podstawie danych DNA, eliminowanie luk w publicznie dostępnych wzorcach, które skupiają się głównie na obszarach regulacyjnych lub funkcjonalnych, takich jak skupienie się na identyfikacji elementów strukturalnych.

Model Mayo Clinic Genomic Foundation wykazuje najnowocześniejszą dokładność w kilku kluczowych obszarach: dokładność 68–100% w testach porównawczych RZS, 96% dokładność w przewidywaniu predyspozycji do raka i 83% dokładność w przewidywaniu fenotypu układu sercowo-naczyniowego. Możliwości te są zgodne z wizją Mayo Clinic polegającą na zapewnianiu wiodącej na świecie opieki zdrowotnej dzięki technologii AI. Feldman powiedział, że konieczne będzie przeprowadzenie dalszych testów, aby zweryfikować wyniki.

„Mayo Clinic angażuje się w wykorzystywanie najbardziej zaawansowanej technologii sztucznej inteligencji do szkolenia modeli, które zasadniczo zmienią opiekę zdrowotną” – powiedział w oświadczeniu Matthew Kallstrom, dyrektor medyczny ds. strategii i kierownik radiologii w Mayo Clinic. „Nasza współpraca z Cerebras umożliwiła nam zbudowanie najnowocześniejszego modelu sztucznej inteligencji na potrzeby genomiki. W niecały rok opracowaliśmy obiecujące narzędzia sztucznej inteligencji, które pomogą naszym lekarzom podejmować bardziej świadome decyzje w oparciu o dane genomiczne.

Natalia Vassilieva, CTO w firmie Cerebras, powiedziała: „Genomic Foundation Model firmy Mayo wyznacza nowy standard dla modeli genomowych, doskonale radząc sobie nie tylko ze standardowymi zadaniami, takimi jak przewidywanie właściwości funkcjonalnych i regulacyjnych DNA, ale także z przewidywaniem wariantów genetycznych, a także umożliwia odkrycie złożonych korelacji między schorzeniami.” System w oświadczeniu. „W przeciwieństwie do obecnych podejść skupiających się na powiązaniach jednego wariantu, model ten umożliwia odkrywanie powiązań, w których zbiór wariantów przyczynia się do określonego stanu”.

Szybki rozwój tych modeli – zwykle wieloletni wysiłek – został przyspieszony poprzez szkolenie niestandardowych modeli Mayo Clinic na platformie Cerebras AI. Model podstawy genomowej Mayo stanowi ważny krok w kierunku poprawy wsparcia decyzji klinicznych i rozwoju medycyny precyzyjnej.

Flagowym produktem Cerebry jest CS-3, system napędzany silnikiem Wafer-Scale Engine-3.

Zaawansowana sztuczna inteligencja do prześwietleń klatki piersiowej

Niezależnie od tego Mayo Clinic ogłosiła dziś przełomową współpracę z Microsoft Research i Cerebras Systems w obszarze generatywnej sztucznej inteligencji (AI), która pomoże spersonalizować opiekę nad pacjentem, skrócić czas diagnozy i poprawić dokładność.

Ogłoszone podczas konferencji JPMorgan Healthcare projekty skupiają się na opracowywaniu i testowaniu modeli podstawowych zoptymalizowanych pod kątem różnych zastosowań, łączących obrazy i dane z multimodalnej radiologii (w tym tomografii komputerowej i rezonansu magnetycznego) z danymi sekwencjonowania genomu uzyskanymi za pomocą rozwiązań Microsoft Research i Cerebras wykorzystany.

Innowacje mogą zmienić podejście lekarzy do diagnozy i leczenia, co ostatecznie doprowadzi do lepszych wyników leczenia pacjentów.

Podstawowe modele AI to duże, wstępnie wytrenowane modele, które są w stanie dostosować się do wielu zadań i je wykonać przy minimalnym dodatkowym szkoleniu. Uczą się na podstawie ogromnych zbiorów danych, zdobywając wiedzę ogólną, którą można wykorzystać w różnych zastosowaniach. Ta zdolność adaptacji sprawia, że ​​są to wydajne i wszechstronne elementy składowe wielu systemów sztucznej inteligencji.

Mayo Clinic i Microsoft Research łączą siły, aby opracować podstawowe modele integrujące tekst i obrazy. W tym przypadku Mayo i Microsoft Research współpracują nad zbadaniem zastosowania generatywnej sztucznej inteligencji w radiologii, korzystając z technologii sztucznej inteligencji firmy Microsoft Research i danych rentgenowskich Mayo Clinic.

Istotą tego projektu badawczego jest zapewnienie lekarzom natychmiastowego dostępu do potrzebnych im informacji. Celem Mayo Clinic jest opracowanie modelu, który może automatycznie generować raporty, oceniać rozmieszczenie rurek i linii na zdjęciach rentgenowskich klatki piersiowej oraz wykrywać zmiany w porównaniu z wcześniejszymi obrazami. Celem tego modelu weryfikacji koncepcji jest usprawnienie pracy lekarzy i opieki nad pacjentem poprzez zapewnienie bardziej wydajnej i wszechstronnej analizy obrazów radiograficznych.

Mayo Clinic zatrudnia 76 000 osób i każdego roku przyjmuje dużą liczbę pacjentów.

„Nawiązaliśmy współpracę, aby wprowadzić technologię sztucznej inteligencji do opieki zdrowotnej. „Pozwoliło nam to połączyć ich wiedzę dziedzinową, niezwykłe dane z naszą wiedzą na temat sztucznej inteligencji i naszymi obliczeniami” – powiedział Feldman.

Powiedział, że duże modele językowe przewidują słowa, ale modele genomowe przewidują nukleotydy. Kiedy nukleotyd zostanie odwrócony w wyniku mutacji lub błędu transkrypcji, może spowodować chorobę lub przewidzieć początek choroby.

Istniejące modele mogą jedynie zadać pytanie, czy odwrócenie pojedynczego nukleotydu pozwala przewidzieć chorobę. Ale Cerebras przygląda się odwróceniu więcej niż jednego nukleotydu i tworzy dokładniejszy model.

„Wspólnie z Mayo Clinic wykorzystujemy tę wiedzę do przewidywania, który lek będzie skuteczny u konkretnego pacjenta” – powiedział Feldman.

Jest to model podstawowy o miliardach parametrów, czyli 10 razy większy niż AlphaFold, i został wytrenowany na bilionach tokenów. Dzięki temu jest dokładniejszy, powiedział Feldman.

Często pacjenci muszą przejść metodę prób i błędów, aby znaleźć odpowiedni lek. Feldman uważa jednak, że dzięki temu modelowi można przewidzieć, który lek będzie skuteczny dla konkretnej osoby. Pierwszym celem jest reumatoidalne zapalenie stawów, na które cierpi 1,3 miliona Amerykanów.

„Chociaż jest jeszcze wcześnie, udało nam się wykazać, że potrafiliśmy przewidzieć z imponującą dokładnością, który lek będzie skuteczny u danego pacjenta” – powiedział.

W przypadku zapalenia stawów dokładność przewidywania wyniosła 87%. Dane muszą być nadal publikowane i recenzowane.