In che modo il "ChatGPT dell'assistenza sanitaria" potrebbe accelerare il trattamento dell'artrite reumatoide
La start-up di computer AI Cerebras e la Mayo Clinic propongono un modello di base per la genomica e la malattia.
Dopo il successo della serie GPT di OpenAI di modelli linguistici di grandi dimensioni, un numero crescente di istituzioni sta proponendo modelli "di base" per l'intelligenza artificiale che, come GPT, sono "pre-addestrati" per avere capacità molto ampie in un dominio della conoscenza. Lo abbiamo visto la scorsa settimana con il CEO di Nvidia Jensen Huang che ha proposto un "modello di base mondiale" per veicoli autonomi e robot.
Martedì, alla conferenza annuale JP Morgan Healthcare a San Francisco, la startup di computer AI Cerebras Systems e la potente società di ricerca medica Mayo Clinic hanno presentato i risultati di quello che chiamano un modello di base per la genomica in grado di individuare la radice genetica delle condizioni ereditarie. L'obiettivo è "costruire il ChatGPT dell'assistenza sanitaria", secondo Cerebras e Mayo Clinic.
La prima svolta della collaborazione durata un anno è la potenziale capacità di prevedere la risposta ai farmaci da parte dei pazienti con artrite reumatoide. Questa potenziale svolta potrebbe, hanno detto le aziende, "accelerare significativamente i tempi diagnostici e migliorare l'accuratezza".
"È entusiasmante il lavoro che i nostri team hanno svolto insieme, qualcosa di cui abbiamo sempre sentito parlare, ovvero che sarai in grado di prevedere la risposta alla terapia", ha detto il dottor Matthew Callstrom, MD, direttore medico della Mayo Clinic per la strategia e presidente della radiologia, in un'intervista che abbiamo condotto prima della presentazione. Callstrom supervisiona i team di Mayo che lavorano con Cerebras.
"Probabilmente diventerà reale nei prossimi anni, quando trarremo vantaggio dall'utilizzo di questi modelli di base e dall'utilizzo di dati che non sono testo", ha detto Callstrom.
Matthew Callstrom [a sinistra], direttore medico per la strategia della Mayo Clinic, e Andrew Feldman, CEO di Cerebras.
"C'è stato un modello di base per il linguaggio, ci sono stati modelli di base per il ripiegamento delle proteine, e il lavoro che Mayo ha fatto sulle nostre apparecchiature è un modello di base per la genomica", ha detto il co-fondatore e CEO di Cerebras Andrew Feldman nella stessa intervista.
Cerebras e Mayo Clinic hanno annunciato per la prima volta una partnership per lavorare con i computer AI Cerebras CS-3 un anno fa. Cerebras ha impiegato diversi mesi per ottenere la certificazione HIPPAA per lavorare con i dati dei pazienti privati. Gli esperimenti sono stati eseguiti su unità del CS-3 operanti in una struttura di cloud computing Cerebras riservata alla Mayo Clinic e tutti i dati utilizzati sono stati archiviati localmente per essere conformi ai requisiti HIPAA.
"Questa partnership si è svolta esattamente come si sperava in una partnership in cui hanno portato competenze di dominio e avevano enormi risorse di dati e competenze di intelligenza artificiale", ha affermato Feldman. "E abbiamo portato l'esperienza dell'intelligenza artificiale e l'elaborazione di livello mondiale".
Le scienze della vita hanno a lungo utilizzato le reti neurali per prevedere se un cambiamento in un nucleotide del DNA (uno dei singoli acidi nucleici del DNA), guanina, adenina, citosina o timina può prevedere una condizione ereditaria come l'artrite reumatoide.
Nel caso del modello di Cerebras-Mayo, la tecnologia opera invece su gruppi di cambiamenti nucleotidici, per utilizzare l'intersezione dei cambiamenti del DNA per ottenere un maggiore potere predittivo.
Il modello di base è costituito da un miliardo di parametri, o pesi neurali, per setacciare i dati, che Feldman osserva essere 10 volte più grande di AlphaFold di Google DeepMind, che è considerato un modello di base per i problemi di ripiegamento delle proteine.
Il modello Cerebras-Mayo è stato pre-addestrato su un trilione di token, un mix di dati genomici open-source e dati dei pazienti interni di Mayo, chiamati Tapestry, per un totale di 100.000 dati di pazienti.
Secondo Feldman e Callstrom, quei dati genomici specifici e individuali in Tapestry - piuttosto che i dati idealizzati e generici di pubblico dominio - contribuiscono ad aumentare l'accuratezza del modello.
"Mayo ha uno dei più grandi set di dati sulla terra", ha detto Feldman. "Sono stati leader per decenni nel pensare attentamente ai dati nel dominio medico, e ora stanno trovando informazioni in essi, ed è esattamente quello che avresti previsto anni fa".
L'artrite reumatoide è una condizione paralizzante che colpisce 1,3 milioni di persone. Ad oggi, lo standard di cura è stato quello di prevenire la progressione dell'infiammazione attraverso un trattamento per tentativi ed errori con un farmaco chemioterapico chiamato metotrexato.
Gli scienziati hanno scoperto che la condizione è ereditaria al 60%, il che significa che c'è una probabilità superiore al 50-50 che qualcuno sviluppi la condizione in base al proprio corredo genetico.
"L'artrite reumatoide è una malattia autoimmune abbastanza comune che causa infiammazione delle articolazioni", ha spiegato Callstrom. "La cartilagine viene erosa e si ottiene osso su osso e, molto spesso, disallineamento delle articolazioni".
"L'obiettivo è arrestare l'infiammazione precocemente", ha detto Callstrom, perché l'artrite reumatoide è una condizione permanente. "E il problema con l'artrite reumatoide è che non sai a cosa risponderanno i pazienti". Solo il 40% dei pazienti, in media, risponde al metotrexato, ha detto. Coloro che non rispondono devono sottoporsi a un altro ciclo di mesi di trattamento con un'altra terapia.
"Non è raro che i pazienti passino attraverso più sforzi farmacologici per vedere se possono arrestare il decorso della malattia", ha detto Callstrom.
Il nuovo modello di base non si concentra solo sui genomi dei pazienti di Tapestry, ma poi "mette a punto" il modello utilizzando i dati della Mayo Clinic di 500 pazienti noti per aver risposto al trattamento.
"La chiave è che il nostro team di reumatologia ha effettivamente monitorato i pazienti e il modo in cui rispondono alla terapia, con metotrexato e altre terapie mirate, e ha mantenuto un incredibile database di 6.000 pazienti", ha spiegato Callstrom. "Se non li avessi, avresti un mucchio di dati sui pazienti, ma non sapresti con cosa testarli".
Il modello viene quindi testato a ritroso per prevedere cosa è successo a un campione di pazienti che hanno ricevuto metotrexato - in altre parole, il modello viene testato per vedere se può anticipare con precisione ciò che è effettivamente accaduto negli studi di terapia storica.
"Puoi immaginare di fare un confronto A/B", ha detto Callstrom, in cui un gruppo riceve la terapia e l'altro riceve un placebo.
"I loro geni sono fondamentalmente spinti contro il modello generale per guardare e vedere se è possibile prevedere per il nuovo paziente se risponderà o meno", ha detto Callstrom, intendendo la coorte di pazienti con artrite reumatoide.
"Quello che abbiamo scoperto è che sembra che mostri una promessa precoce nell'essere in grado di farlo per il metotrexato", per prevedere la risposta, ha detto.
L'impiego di un modello di intelligenza artificiale per prevedere una risposta al metotrexato è una novità assoluta in medicina, ha affermato Callstrom. "Non esiste un modello là fuori che preveda la risposta per i pazienti con artrite reumatoide", ha detto. "Non si poteva dire: 'Risponderai al metotrexato', non si potevano dire quelle parole".
L'ipotesi, ha detto Callstrom, è che il nuovo modello di fondazione stia puntando alla genetica sottostante della malattia.
"L'ipotesi è che la risposta di un paziente alla terapia sia almeno parzialmente codificata nel suo DNA", ha detto. "Il tuo DNA genera alcune proteine che rispondono o non rispondono alla terapia. Questa è sempre stata l'ipotesi per la risposta mista, indipendentemente dal fatto che si tratti o meno di un particolare enzima o di una risposta cellulare o di qualsiasi altra cosa".
I risultati sono "preliminari", ha avvertito Callstrom, sulla base di un piccolo numero di dati storici dei pazienti. Sebbene il modello di base "dimostri prestazioni elevate rispetto ai benchmark", è troppo presto per dichiarare che il modello ha risolto il problema, ha detto. Una pubblicazione che copre i risultati è "nelle fasi finali" della messa a punto, ha detto.
Il lavoro "ha trovato un segnale abbastanza buono", ha detto. "Lo stiamo espandendo, faremo di più". Anche essere in grado di dire che alcuni pazienti non risponderanno a un farmaco può essere un vantaggio iniziale dello strumento, ha detto. "Se riesci a rimuovere alcune persone con una certa certezza dal metotrexato, questa è una vittoria".
Per Cerebras, che ha preso l'abitudine di affrontare compiti di rete neurale particolarmente grandi, la velocità dall'idea ai risultati è una convalida del suo hardware superiore, ha detto Feldman.
"Con un calcolo incredibilmente veloce, siamo stati in grado di ottenere risultati e, anche se sono ancora all'inizio, questo è stato molto più veloce di quanto sia storicamente la norma nella ricerca medica", ha detto.
Il prossimo passo è quello di migliorare ulteriormente l'accuratezza del modello di fondazione, ha detto. Ciò può includere l'inserimento nel modello non solo dei dati genomici, ma anche di altri punti dati, comprese le pellicole radiologiche delle mani e dei piedi. La proteomica, lo studio delle proteine espresse, potrebbe benissimo diventare parte dei dati.
"L'espressione di questi geni è davvero importante", cioè come il DNA si converte in proteine, ha detto Callstrom. "Quindi, la proteomica e tutte le cose a livello di espressione genica, questa sarà un'altra fase di ciò che faremo".
Il vero test arriverà con pazienti reali in trattamento.
"Quello che deve essere fatto in futuro è prendere questi primi risultati, questo caso d'uso, e fare effettivamente il lavoro che facciamo in medicina, che è quello di dimostrarlo nei pazienti in futuro", ha detto Callstrom.