A Demis Hassabis által adott friss interjú egyik legérdekesebb része nem egy új AI-modellről vagy chatbotról szólt, hanem arról, hogy a mesterséges intelligencia hosszú távon teljesen átalakíthatja a gyógyszerfejlesztést és az orvostudományt.
A Google DeepMind vezetője szerint ma már nem az a kérdés, hogy az AI segíthet-e új gyógyszerek fejlesztésében, hanem inkább az, hogy milyen gyorsan jutunk el odáig, ahol ez tömegesen működik.
Hassabis szerint nincs fizikai akadálya a „betegségek gyógyításának”
Az interjú egyik legerősebb mondata akkor hangzott el, amikor Hassabis arról beszélt, hogy szerinte a következő 10–20 évben akár az összes betegség kezelésében áttörést hozhat az AI.
A kutató szerint jelenleg még rengeteg lépésből áll a gyógyszerfejlesztés folyamata, viszont az AI-modellek egyre több kritikus részt képesek automatizálni vagy felgyorsítani.
Az Google DeepMind által fejlesztett AlphaFold már önmagában hatalmas előrelépést jelentett a fehérjeszerkezetek modellezésében, de Hassabis szerint ez csak az első lépés volt. A vállalat most több, AlphaFold-szintű rendszeren dolgozik egyszerre, amelyek különböző biológiai és gyógyszerkutatási problémákat próbálnak megoldani.
Nem csak fehérjéket modelleznek
Hassabis szerint az egyik legnagyobb kihívás jelenleg nem maga a molekulatervezés, hanem annak előrejelzése, hogy egy adott vegyület hogyan viselkedik az emberi szervezetben.
Az AI-nak többek között olyan dolgokat kell megtanulnia modellezni, mint:
- a molekulák kötődése,
- a felszívódás,
- a toxicitás,
- a mellékhatások,
- vagy éppen az, hogyan reagál rájuk az emberi szervezet.
A cél egy olyan komplett platform létrehozása, amely a gyógyszerfejlesztés szinte teljes folyamatát képes támogatni — a hipotézisgenerálástól egészen a potenciális gyógyszermolekulák tervezéséig.
A következő nagy lépés az automatizált labor lehet
Az interjú egyik legérdekesebb része az volt, amikor Hassabis az automatizált laborokról beszélt.
A DeepMind jelenleg olyan rendszereken dolgozik, amelyek AI-val összekapcsolt robotizált laborokat használhatnak új anyagok és gyógyszerek tesztelésére. A vállalat állítólag már több mint 200 ezer új anyagtervvel rendelkezik, köztük potenciális szupravezetőkkel is — egyszerűen csak nincs elég gyors kapacitás ezek fizikai tesztelésére.
Ezért a jövőben az AI nemcsak új ötleteket generálhat, hanem automatikusan ellenőrizheti is azokat valódi laboratóriumi környezetben.
Az AI még nem helyettesíti a klinikai teszteket
Hassabis ugyanakkor hangsúlyozta: attól még, hogy az AI képes lehet potenciális gyógyszereket tervezni, a klinikai vizsgálatok továbbra is kulcsszerepet játszanak majd.
Szerinte a következő nagy áttörés az lehet, amikor az AI már a klinikai teszteket is segíteni tudja — például pontosabb dózisbecsléssel, betegcsoportok optimalizálásával vagy mellékhatások előrejelzésével.
A kutató szerint ez jelentheti majd az igazi „step change”-et az emberi egészségügyben.
Az AI már most is kutatótársként működik
Az interjúban Hassabis arról is beszélt, hogy a Gemini rendszereit már most is rendszeresen használja ötletelésre és kutatási „sparring partnerként”.
A DeepMind emellett egy „Co-Scientist” nevű rendszeren is dolgozik, amely lényegében AI-alapú kutatási asszisztensként működik: segít hipotéziseket generálni, szakirodalmat összefoglalni és adatokat elemezni.
Hassabis szerint ez még csak a kezdet, de hosszabb távon ezek a rendszerek akár teljesen új tudományos áttörésekhez is hozzájárulhatnak.
A teljes beszélgetésben a Demis Hassabis többek között az AI-alapú gyógyszerkutatásról, az automatizált laborokról, a Co-Scientist rendszerről és a jövő tudományos AI-modelljeiről beszélt.
