به گزارش شبکه اطلاع‌رسانی طلا و ارز، یک استارتاپ فعال در حوزه زیست‌فناوری هوش‌مصنوعی روز پنجشنبه (۲۹ مرداد) با انتشار بیانیه‌ای، بخشی از هیاهوی رسانه‌ای درباره «درمان سرطان با هوش مصنوعی» را نادرست خواند. مدیران این شرکت می‌گویند مدل‌های فعلی هوش مصنوعی هنوز فاصله زیادی تا کشف درمان قطعی سرطان دارند و این فاصله را نه در قدرت پردازشی، بلکه در نبود داده کافی از بدن انسان می‌بینند.
این هشدار در روزهایی مطرح می‌شود که سرمایه‌گذاری در استارتاپ‌های هوش مصنوعی سلامت با شتاب بالایی رشد کرده است. بخش بزرگی از این سرمایه به وعده کوتاه‌کردن مسیر طولانی و پرهزینه تولید داروهای ضدسرطان گره خورده. طبق برآوردهای رایج در صنعت دارویی، ساخت یک داروی جدید ضدسرطان به‌طور میانگین بیش از یک دهه زمان و بودجه‌ای در حد چند میلیارد دلار می‌طلبد؛ رقمی که هر گونه تسریع واقعی در آن می‌تواند مسیر سرمایه‌گذاری در این حوزه را تغییر دهد.
چرا داده انسانی کم است؟
به گفته این استارتاپ، مشکل اصلی مدل‌های هوش مصنوعی پزشکی، تنوع بسیار بالای تومورهای سرطانی در بدن افراد مختلف است. هر بیمار ترکیب ژنتیکی و بافتی متفاوتی دارد، در حالی که پایگاه‌های داده موجود عمدتاً کوچک، پراکنده و به‌دلیل قوانین حریم خصوصی، دشوار برای اشتراک‌گذاری هستند. نتیجه این محدودیت، مدل‌هایی است که در آزمایشگاه خوب عمل می‌کنند اما در بدن بیماران واقعی نتایج قابل‌اتکایی ارائه نمی‌دهند.
این موضوع برای مخاطب عادی صرفاً یک بحث فنی نیست. وقتی مدل هوش مصنوعی روی داده ناقص آموزش ببیند، پیش‌بینی نادرست می‌تواند به شکست آزمایش‌های بالینی و هدررفت سرمایه سرمایه‌گذاران بینجامد. چنین شکست‌هایی معمولاً با افت ارزش سهام شرکت‌های زیست‌فناوری و کاهش اعتماد به این بخش از بازار سرمایه همراه است.
راهکار پیشنهادی
این استارتاپ مدعی است برای دور زدن کمبود داده، به‌جای تکیه صرف بر پرونده‌های بیمارستانی موجود، ترکیبی از همکاری مستقیم با مراکز درمانی برای دسترسی به داده‌های ناشناس‌سازی‌شده و تولید داده مصنوعی زیستی را دنبال می‌کند. داده مصنوعی در این مدل به معنای شبیه‌سازی رایانه‌ای رفتار سلول‌های سرطانی بر پایه الگوهای واقعی است، نه جایگزین کامل داده انسانی.
مدیران شرکت تأکید دارند این رویکرد هنوز در مرحله آزمایش قرار دارد و نباید با وعده درمان قطعی اشتباه گرفته شود. به گفته آن‌ها، هدف کوتاه‌مدت افزایش دقت پیش‌بینی اثر داروها پیش از ورود به آزمایش‌های بالینی انسانی است، نه جایگزین‌کردن این آزمایش‌ها.
پیشینه این بحث به دوره اوج‌گیری هوش مصنوعی در علوم زیستی طی سال‌های اخیر بازمی‌گردد؛ دوره‌ای که با موفقیت‌هایی مانند پیش‌بینی ساختار پروتئین‌ها همراه بود اما هنوز به کشف گسترده داروهای جدید ضدسرطان منجر نشده است. تحلیل‌گران این حوزه معتقدند فاصله میان موفقیت‌های آزمایشگاهی هوش مصنوعی و کاربرد بالینی واقعی، همچنان یکی از چالش‌های اصلی این صنعت باقی می‌ماند.
نظرات کاربران