بوستون–با توجه به اینکه کنفرانس و نمایشگاه جهانی Bio-IT امسال شامل سه آهنگ در مورد برنامه های کاربردی مبتنی بر هوش مصنوعی (AI) از جمله آهنگ جدید با تمرکز بر هوش مصنوعی مولد بود، واضح بود که جلسه امسال تمرکز بسیار قوی بر هوش مصنوعی خواهد داشت. این همچنین از اولین سخنرانی اصلی که توسط دان استانزیونه، دکترا، مدیر اجرایی مرکز محاسبات پیشرفته تگزاس (TACC) و معاون پژوهشی دانشگاه تگزاس در آستین ارائه شد، مشهود بود.
استانزیونه در سخنرانی خود با عنوان «آزادسازی قدرت محاسبات پیشرفته در بیوانفورماتیک» خاطرنشان کرد که در حالی که از نظر تاریخی، بیوانفورماتیک باعث تکامل TACC شد، که چند سال پیش به دلیل ادامه تولید مقادیر زیادی از مجموعه داده‌های چندوجهی توسط دانشمندان به هوش مصنوعی تغییر کرد.
او گفت: “بیست و پنج سال پیش، شما به مردم یک کامپیوتر بزرگ و یک فرترن دادید و به آنها گفتید که سر کار بروند (اما) دیگر کارها اینطور نیست.” اکنون پروژه‌های علوم زیستی امور چند تیمی هستند و هر گروه وظیفه اجرای جنبه‌های مختلف پروژه را دارد. او ادامه داد که علم مدرن به چیزی بیش از نرم افزار نیاز دارد.
با توجه به اندازه مجموعه داده های امروزی، نیازهای سخت افزاری و انرژی مورد نیاز برای محاسبات به شدت افزایش یافته است. TACC خانه فرانترا است، یک ابررایانه 60 میلیون دلاری که توسط بنیاد ملی علوم تامین می شود و به عنوان بیست و نهمین سیستم قدرتمند جهان رتبه بندی می شود. TACC همچنین دارای Stampede3 است، یک ابررایانه جدید که با کمک 10 میلیون دلاری بنیاد ملی علوم پشتیبانی می‌شود و محاسبات با کارایی بالا برای هوش مصنوعی و یادگیری ماشین را پیش می‌برد، که امسال در میان سایر پلتفرم‌ها به تولید کامل رسید.
این سیستم‌ها و سایر سیستم‌های TACC در مراکز داده بزرگی قرار دارند که انرژی کافی برای تامین انرژی کل یک ایالت را مصرف می‌کنند و میلیون‌ها هزینه برای ساخت و نگهداری آن هزینه می‌کنند، که Stanzione را به شوخی می‌آورد که ممکن است قفسه‌های محاسباتی را به جای جعبه‌ها با شمش‌های طلا بارگذاری کند.
تشنه قدرت
اگر روند فعلی ادامه یابد، پیش بینی می شود که تقاضا برای نیرو و هزینه در سال های آینده به سرعت افزایش یابد. در یکی از جلسات همیشه محبوب کنفرانس، “روندها در سنگرها” که توسط اعضای مشاور علمی فناوری اطلاعات BioTeam ارائه شد، مدیر عامل شرکت آری برمن خاطرنشان کرد که انتظار می رود صنعت هوش مصنوعی 85 مورد مصرف کند.–135 تراوات برق در سال تا سال 2027. در مقایسه، این انرژی برای تامین انرژی هلند برای یک سال کافی است.
چنین مصرف انبوه انرژی هم گران و هم ناپایدار است. شرکت هایی مانند NVIDIA که اخیراً اعلام کرد پلتفرم‌های محاسباتی جدید و قدرتمند هوش مصنوعی برای کشف دارو و ژنومیک، بهره وری انرژی واحدهای پردازش گرافیکی خود را تبلیغ کرده اند. اما اینها نمی توانند تنها راه حل باشند، برمن خاطرنشان کرد که روش های خنک کننده جدید و همچنین سیستم هایی که از نیرو به طور موثرتری استفاده می کنند بسیار مورد نیاز هستند.
در چندین نقطه در طول کنفرانس، یک سوال تکراری شنیده می شد: دقیقاً کجا هوش مصنوعی می تواند در علوم زیستی مفیدتر باشد؟
استانزیونه خاطرنشان کرد که عرصه هایی وجود دارد که ممکن است تاثیرگذاری کمتری داشته باشد. او و دیگران در کنفرانس اشاره کردند که یکی از زمینه‌هایی که هوش مصنوعی می‌تواند مفید باشد، کمک به سنتز، تقطیر و استخراج دانش از ادبیات علمی است. استانزیونه همچنین خاطرنشان کرد که هوش مصنوعی ممکن است در پزشکی شخصی سازی شده کاربرد کمتری داشته باشد، زیرا الگوریتم های یادگیری عمیق به داده های زیادی نیاز دارند تا به درستی آموزش داده شوند. او افزود، با این حال، می تواند برای استخراج بینش از داده های سطح جمعیت در مورد مواردی مانند اثربخشی واکسن مفید باشد.
برمن خواستار رویکردی محترمانه تر و مسئولانه تر برای به کارگیری هوش مصنوعی در علوم زیستی شد. اگر “فوق العاده مفید” نبود و کاربردهای روشنی وجود نداشت که بتوان از آن با موفقیت استفاده کرد، مانند آسیب شناسی و جراحی به کمک ربات، علاقه به این فناوری افزایش نمی یافت. اما، او خاطرنشان کرد، مولدترین کاربردهای هوش مصنوعی در علوم زیستی هنوز حدود 2 تا 5 سال دیگر باقی مانده است. برمن گفت در حال حاضر، تبلیغات زیادی در مورد یک فناوری وجود دارد که در نهایت به خوبی درک نشده است.–و نه چیزی است که ما باید 100٪ به آن تکیه کنیم.
کشف دوقلو
در حالی که به طور مستقیم در مورد هوش مصنوعی نیست، دومین سخنرانی اصلی کنفرانس بر روی دوقلوهای دیجیتال در انکولوژی متمرکز بود. این سخنرانی توسط Caroline Chung، MD، MSc، معاون رئیس، مدیر ارشد داده، و مدیر توسعه و پیاده سازی علوم داده در مرکز سرطان MD Anderson ارائه شد.
چانگ در طی سخنرانی خود با عنوان «پرده برداری از احتمالات فردا: قدرت دوقلوهای دیجیتال در مراقبت و تحقیق سرطان را در آغوش بگیرید»، هم وعده و هیاهوی دوقلوهای دیجیتالی و هم اهمیت اندیشمند بودن در اتخاذ این فناوری را برای اطمینان از اینکه این دوقلوها تایید می کند، تصدیق کرد. بهبود کیفیت مراقبت از بیماران
چانگ در یک ابتکار با حمایت چند آژانس به رهبری آکادمی های ملی علوم، مهندسی و پزشکی با تمرکز بر فناوری های دوقلو دیجیتال و کاربرد آنها در مراقبت های بهداشتی و سایر بخش ها شرکت کرد. تلاش های آنها که در گزارشی با عنوان “شکاف های تحقیقاتی بنیادی و جهت گیری های آینده برای دوقلوهای دیجیتال،” توسط چانگ در سخنرانی اصلی خود خلاصه شد.
برای کار این ابتکار، درک روشنی از اینکه دوقلو دیجیتال چیست و چه نیست، حیاتی بود. همانطور که چانگ خاطرنشان کرد، دوقلوهای دیجیتالی بسیار بیشتر از شبیه سازی و مدل سازی هستند و جامعه باید “در مورد آنچه ما به عنوان یک دوقلو دیجیتال تعریف می کنیم، انتقاد داشته باشد تا از وارد شدن به هیاهو جلوگیری شود.” او همچنین برخی از الزامات و چالش‌های پیاده‌سازی دوقلوهای دیجیتال در زمینه مراقبت‌های بهداشتی از جمله نیاز به شفافیت، خطرات قرار گرفتن در معرض بیماران و اهمیت تغییر فرهنگ را برجسته کرد.
در انکولوژی، دوقلوهای دیجیتالی می‌توانند در آزمایش‌های بالینی، کشف و توسعه دارو، آزمایش‌های پیش بالینی و موارد دیگر استفاده شوند. در حالی که دوقلوهای دیجیتال آواتار نیستند، اما «ساختار، زمینه و رفتار» یک سیستم فیزیکی را تقلید می کنند و یک تعامل دو طرفه بین همتای مجازی و فیزیکی وجود دارد. او گفت که یکی از پیامدهای آن “افزایش خطر قابلیت شناسایی در داده هایی است که با آنها سر و کار داریم.”
علاوه بر این، راستی‌آزمایی و اعتبارسنجی مدل معمولاً در یک نقطه انجام می‌شود، اما با توجه به ارتباطات دوطرفه درگیر در استفاده از دوقلوهای دیجیتال، چانگ پرسید: «چگونه می‌توانیم تأیید و اعتبارسنجی و تولید کمی‌سازی عدم قطعیت را برای مدلی که به طور مداوم در حال تغییر است مدیریت کنیم؟»
توسعه دهندگان دوقلوهای دیجیتال نیز باید با برخی از چالش های داده مشابه با توسعه دهندگان هوش مصنوعی مقابله کنند.
او خاطرنشان کرد: «تولید و جریان داده‌ها امروزه در مراقبت‌های بهداشتی به هم ریخته و کار فشرده است» با استانداردها و اصطلاحات متفاوت که منجر به داده‌های تکراری زیادی در پرونده‌های پزشکی الکترونیکی می‌شود. همچنین اطلاعات مرتبطی وجود دارد که برای پزشکانی که در حال حاضر در EMR ثبت نشده اند و همچنین یک سوگیری انتشار مثبت مهم است، زیرا نتایج منفی ممکن است از داده های آموزشی حذف شود.
چانگ برای نشان دادن چالش‌های داده‌ای که او و همکارانش با آن سروکار دارند، از نمونه‌ای از تصویربرداری تومور استفاده کرد که در آن تغییرات در پروتکل‌های مورد استفاده می‌تواند بر تشخیص و ردیابی تومور تأثیر بگذارد. پزشکان در MD Anderson ممکن است از روش های تصویربرداری استفاده کنند که تومورهای 2 میلی متری را در بیمار تشخیص می دهد. اما ممکن است همان بیمار قبل از اینکه از روش‌هایی برای تشخیص تومورهای 3 میلی‌متری استفاده کند، به مرکز دیگری مراجعه کرده باشد. بر اساس نتایج یک مرکز، یک پزشک ممکن است به اشتباه بیمار را در یک کارآزمایی بالینی ثبت نام کند که فکر می‌کند تومور در حال پیشرفت است یا بر اساس نتیجه دوم با این تصور که دیگر نیازی به درمان ندارد، او را از فهرست خارج کند.
چانگ سخنان اصلی خود را با برجسته کردن برخی از توصیه‌های گزارش NAS از جمله نیاز به تعامل و همکاری گسترده‌تر، حصول اطمینان از اینکه راستی‌آزمایی، اعتبارسنجی و کمی‌سازی عدم قطعیت بخش مهمی از برنامه‌های دوقلو دیجیتال هستند، پایان داد. او همچنین خواستار بررسی دقیق جنبه‌های اخلاقی دوقلوهای دیجیتال قبل از اینکه این فناوری به سمت استفاده گسترده‌تر حرکت کند، شد.
کنفرانس و نمایشگاه جهانی Bio-IT که در سال 2002 راه اندازی شد، حدود 3000 شرکت کننده از 30 کشور را به صورت حضوری در خانه جدید رویداد (هتل Omni در بندر بوستون) و به صورت آنلاین جذب کرد.