Искусственный интеллект (ИИ) оказывает все большее влияние на различные отрасли, но в некоторых секторах его воздействие проявляется сильнее. Медицина и другие науки, связанные с большим объемом данных и требующие высокой скорости и точности, могут извлечь значительную пользу из этой технологии. В этих областях редактирование генов является особенно многообещающим направлением для применения ИИ.
Практика модификации генов для управления конкретными результатами в живых организмах впервые появилась в научной фантастике, но реальные эксперименты начались примерно в 1960-х годах. За прошедшие десятилетия она развивалась, приведя к ряду передовых медицинских открытий и исследовательских возможностей. Тем не менее, ученые лишь прикоснулись к тому, чего может достичь редактирование генов. ИИ может стать следующим большим шагом.
Исследователи уже начали экспериментировать с ИИ в области исследований и редактирования генов. Несмотря на то, что это относительно новая концепция, она уже принесла впечатляющие результаты.
Одним из наиболее заметных преимуществ ИИ в редактировании генов является его способность повышать точность этого процесса. Классификация того, какие гены вызывают те или иные изменения, имеет решающее значение для надежного редактирования генов, но исторически была сложной и подверженной ошибкам. ИИ может определять эти взаимосвязи с большей точностью.
В исследовании 2023 года разработали модель машинного обучения, которая достигла точности до 90% в определении того, являются ли мутации вредными или доброкачественными. Это понимание помогает медицинским работникам определить, на что обращать внимание, или определить, какие гены следует лечить, чтобы предотвратить определенные последствия для здоровья.
Точность в редактировании генов также связана с пониманием сложных взаимосвязей между ДНК и белками. Использование соответствующей структуры белка имеет важное значение при присоединении и удалении последовательностей генов. Ученые недавно обнаружили, что ИИ может анализировать 49 миллиардов взаимодействий белок-ДНК для разработки надежных механизмов редактирования определенных генетических нитей.
Помимо обеспечения ясности в вопросах геномного редактирования, ИИ ускоряет этот процесс. Модели прогнозной аналитики могут моделировать взаимодействия между различными комбинациями генетического материала гораздо быстрее, чем ручное тестирование в реальных условиях. В результате они могут выделить перспективные области исследований, что приведет к открытиям в более короткие сроки.
Этот вариант использования ИИ помог биофармацевтическим компаниям создать вакцины против COVID-19 в рекордно короткие сроки. Moderna производила и тестировала более 1000 нитей РНК в месяц, в то время как ручные методы позволили бы создать только 30. Без скорости машинного обучения, вероятно, потребовалось бы гораздо больше времени, чтобы распознать, какие генетические взаимодействия наиболее перспективны для борьбы с COVID-19.
Эти приложения могут принести результаты и за пределами медицины. Прогнозная аналитика может моделировать возможности редактирования генов, чтобы предложить способы модификации сельскохозяйственных культур, чтобы сделать их более устойчивыми к изменению климата или требующими меньше ресурсов. Ускорение исследований в таких областях помогло бы ученым внести необходимые улучшения для смягчения последствий изменения климата до того, как наступят наихудшие последствия.
Некоторые из наиболее революционных применений ИИ в редактировании генов выводят его на более целенаправленный уровень. Вместо того чтобы рассматривать общие генетические тенденции, модели машинного обучения могут анализировать геномы конкретных людей. Этот детальный анализ позволяет проводить персонализированную медицину — адаптировать генетическое лечение к конкретному человеку для достижения лучших результатов лечения.
Врачи уже начали использовать ИИ для анализа изменений белков в раковых клетках, чтобы точно определить, какое лечение будет наиболее эффективным в конкретном случае. Аналогичным образом, прогнозная аналитика может учитывать уникальный генетический состав пациентов, который может влиять на эффективность лечения, побочные эффекты или вероятность некоторых изменений.
Когда системы здравоохранения могут адаптировать лечение к конкретному человеку на генетическом уровне, они могут свести к минимуму нежелательные побочные эффекты и гарантировать, что они в первую очередь выберут наилучшее лечение. В результате больше людей могут получить необходимую помощь с меньшими рисками.
Какими бы многообещающими ни были эти ранние варианты использования, применение ИИ в редактировании генов сопряжено с некоторыми потенциальными подводными камнями. Рассмотрение этих опасностей в свете преимуществ может помочь ученым определить, как лучше всего применять эту технологию.
Как и многие новые технологии, передовые системы ИИ, необходимые для редактирования генов, стоят дорого. Редактирование генов уже является дорогостоящим процессом — некоторые виды генной терапии стоят до 3,5 миллионов долларов за курс лечения — и машинное обучение может сделать его еще дороже. Добавление еще одной технологической стоимости может сделать его недоступным.
Этот финансовый барьер поднимает этические вопросы. Редактирование генов — это мощная технология, поэтому, если она доступна только богатым, это может увеличить существующий разрыв в равенстве медицинской помощи. Такой разрыв нанесет ущерб здоровью рабочих и семей среднего класса и станет проблемой социальной справедливости.
С другой стороны, ИИ также может снизить затраты. Оптимизированные исследования и меньшее количество ошибок могут привести к более быстрому технологическому развитию и оправдать более низкие цены со стороны разработчиков. В результате редактирование генов может стать более доступным, но только если компании будут использовать ИИ с этой целью.
Надежность ИИ — еще одна проблема. Хотя машинное обучение во многих случаях отличается поразительной точностью, оно несовершенно, но люди склонны чрезмерно полагаться на него из-за громких заявлений о его точности. В контексте редактирования генов это может привести к значительным упущениям, потенциально приводящим к причинению вреда здоровью или повреждению сельскохозяйственных культур, если люди не смогут обнаружить ошибки ИИ.
Помимо галлюцинаций, модели машинного обучения склонны преувеличивать человеческие предубеждения. Эта тенденция особенно тревожна в здравоохранении, где существующий массив исследований содержит исторические предубеждения. Из-за этих упущений модели ИИ, обнаруживающие меланому, точны лишь наполовину при диагностике чернокожих пациентов по сравнению с белым населением. Подобные тенденции могут иметь ужасные последствия, когда врачи основывают решения о редактировании генов на таком анализе.
Если не выявить или не учесть такие ошибки, это может свести на нет основные преимущества персонализированной медицины, улучшения сельскохозяйственных культур и аналогичных применений редактирования генов. Проблемы с надежностью, подобные этим, также может быть сложно обнаружить, что еще больше усложняет практику.
Будущее редактирования генов с помощью ИИ зависит от того, как разработчики и конечные пользователи смогут устранить препятствия, опираясь на преимущества. Объяснимые модели ИИ станут позитивным шагом вперед. Когда ясно, как алгоритм машинного обучения приходит к решению, его легче оценить на предмет предвзятости и ошибок, что позволяет принимать более безопасные решения.
Акцент на ИИ для повышения эффективности и снижения количества ошибок, а не на впечатляющих, но дорогостоящих процессах, поможет учесть проблемы с затратами. Некоторые исследователи считают, что ИИ может снизить стоимость генной терапии почти до 0 долларов, устранив многие сложности в исследованиях, производстве и доставке. Ранние эксперименты уже привели к экспоненциальному повышению эффективности доставки, поэтому дальнейшие достижения могут сделать редактирование генов доступным.
В конечном счете, это зависит от того, на чем сосредоточены исследования генной терапии с помощью ИИ и как быстро эта технология может развиваться. Машинное обучение может полностью изменить эту область, если организации будут использовать его правильно.
Редактирование генов уже открыло новые возможности в медицине, сельском хозяйстве и других областях. ИИ может еще больше расширить эти преимущества. Несмотря на то, что остаются значительные препятствия, будущее ИИ в генной инженерии выглядит многообещающим. Понимание того, что он может изменить и какие проблемы он может повлечь за собой, является первым шагом к тому, чтобы эта область достигла того, к чему она стремится.