Dokáže umelá inteligencia pomôcť vyliečiť choroby? Claude už prešiel dôležitým testom
Claude navrhol proteíny, ktoré fungujú v laboratórnych testoch. Tieto výsledky poskytujú prvý náhľad na to, ako by umelá inteligencia mohla urýchliť vývoj liekov.
Zátišie AI Claude Science. Foto: Getty Images
|
Milióny ľudí stále trpia ochoreniami, na ktoré medicína nemá liek ani dostatočne účinnú liečbu. Niektoré problémy, ktoré sa kedysi považovali za mimoriadne zložité, sa tak môžu stať ľahšie riešiteľnými. Lieky na báze GLP-1 priniesli zásadnú zmenu v liečbe obezity, zatiaľ čo imunoterapia, cielené terapie a zdokonalená diagnostika zmenili vyhliadky pri niektorých druhoch rakoviny.
V centre mnohých z týchto pokrokov sú proteíny – mikroskopické stroje života.
Proteíny umožňujú bunkám komunikovať, transportovať látky po tele, bojovať s infekciami a vykonávať nespočetné množstvo ďalších funkcií, ktoré nás udržujú nažive. Keď nefungujú správne, dôsledky môžu siahať od zriedkavých genetických porúch až po rakovinu.
Generálny riaditeľ spoločnosti Anthropic Dario Amodei vyslovil mimoriadnu predpoveď: dostatočne výkonná umelá inteligencia by mohla skrátiť desaťročia medicínskeho pokroku na niekoľko rokov, čo by podľa neho umožnilo vyliečiť alebo predísť väčšine ľudských chorôb v priebehu približne piatich až 10 rokov.
Amodei zároveň priznáva, že odvetvie umelej inteligencie zatiaľ neprinieslo dostatočné hmatateľné prínosy, ktoré by takýto optimizmus odôvodňovali. Dôvera verejnosti, tvrdí, bude vychádzať skôr zo skutočných medicínskych prelomov než z lepšieho marketingu.
Spoločnosť Anthropic teraz tvrdí, že má prvé dôkazy o tom, ako by umelá inteligencia mohla urýchliť jednu časť tohto procesu.
V jednom experimente výskumníci požiadali Clauda, aby navrhol malé proteíny, ktoré sa viažu na špecifické cieľové proteíny, známe ako proteínové väzby.
Základnú myšlienku možno pochopiť ako zámok a kľúč. Proteín zapojený do ochorenia má určitý trojrozmerný tvar. Vedci môžu chcieť vytvoriť iný proteín, ktorý sa hodí na jeho konkrétnu časť, podobne ako pri navrhovaní kľúča k zámku. Ak sa viaže dostatočne pevne, mohol by potenciálne blokovať, aktivovať alebo inak ovplyvniť činnosť cieľového proteínu.
Nájdenie tohto kľúča je mimoriadne náročné. Bielkoviny majú zložité trojrozmerné štruktúry a počet možných návrhov je obrovský. Nástroje strojového učenia tento proces výrazne urýchlili, ale inžinieri zaoberajúci sa bielkovinami môžu stále stráviť dni či týždne nastavovaním špecializovaného softvéru. V minulosti mohlo navrhovanie a overovanie novej väzbovej molekuly zameranej na jediný cieľ trvať aj niekoľko mesiacov.
Spoločnosť Anthropic otestovala, či by Claude mohol prevziať veľkú časť tejto práce.
Nebola to bežná relácia s četbotom. Claude dostal prístup k špecializovanému softvéru na navrhovanie proteínov a k značným výpočtovým zdrojom. Vybral miesta na proteínoch, na ktoré sa má zamerať, vygeneroval potenciálne štruktúry a sekvencie, vyhodnotil ich pomocou vedeckého softvéru a zúžil výber na kandidátov, ktorých stojí za to fyzicky otestovať.
Kľúčový test sa odohral mimo počítača. Vedci vyrobili proteíny navrhnuté systémom Claude a overili, či sa skutočne viažu na zamýšľané ciele.
Podľa spoločnosti Anthropic experimenty s využitím systému Claude Opus 4.8 a experimentálneho modelu s názvom Mythos Preview sa podarilo vytvoriť úspešné väzby pre 14 z 15 cieľov.
V rámci všetkých experimentov bolo 354 z 1 320 testovaných návrhov potvrdených ako väzobné molekuly. V závislosti od experimentálneho nastavenia sa 22 až 35 percent jednotlivých návrhov úspešne viazalo na svoje ciele. Spoločnosť Anthropic uvádza, že bežné kampane na návrh proteínov dnes dosahujú úspešnosť okolo 10 až 15 percent.
Tieto dva údaje vyjadrujú rôzne veci: číslo 14 z 15 udáva, koľko cieľových proteínov viedlo k vytvoreniu aspoň jednej úspešnej väzby, zatiaľ čo 22 až 35 percent udáva podiel jednotlivých návrhov, ktoré úspešne fungovali.
Niektoré z najsilnejších návrhov systému Claude sa viazali aj niekoľkonásobne pevnejšie ako najlepšie doteraz publikované výsledky pre dané ciele.
To však neznamená, že Claude objavil 14 nových liekov.
Navrhnutie proteínu, ktorý sa úspešne viaže na cieľ, je len prvým krokom vo vývoji liekov. Potenciálna liečba by sa ešte musela správať podľa očakávaní vedcov v bunkách a živých organizmoch, preukázať bezpečnosť a účinnosť a nakoniec prejsť klinickými skúškami.
Spoločnosť Anthropic oznámila podobne pozoruhodný výsledok pri bežnejšej chemickej úlohe.
Chemici pravidelne analyzujú experimentálne údaje, aby zistili, či vyprodukovali zlúčeninu, ktorú zamýšľali vyrobiť, a aká je jej čistota. Claude Opus 5 dostal nespracované dáta od zmluvného laboratória a pokyn pozostávajúci len z dvoch viet.
Dve analýzy dokončil za 23 a 19 minút. Spoločnosť Anthropic uvádza, že model Claude sa zhodoval so závermi laboratória v kľúčových meraniach, vrátane odhadu čistoty jednej vzorky na 96,4 percenta, v porovnaní s hodnotou 96,33 percenta stanovenou laboratóriom.
Význam nespočíva v tom, že Claude objavil liek. Ide o to, že univerzálny model umelej inteligencie začína vykonávať časť špecializovanej práce, ktorá sa nachádza medzi vedeckou hypotézou a experimentálnym výsledkom – navrhovanie kandidátov, obsluha špecializovaných nástrojov a interpretácia laboratórnych údajov.
Širšou otázkou je, do akej miery nám tieto experimenty skutočne poskytujú informácie o schopnosti umelej inteligencie urýchliť objavovanie liekov.
Čísla sú pôsobivé. Martin Shkreli, bývalý manažér vo farmaceutickom priemysle, ktorý sa naďalej aktívne vyjadruje k vývoju liekov, tvrdí, že vďaka nim môže úspech Clauda vyznievať významnejšie, než v skutočnosti je.
Jeho kritika sa zameriava na rozdiel medzi vytvorením niečoho, čo sa viaže na proteín, a vytvorením niečoho, čo je užitočné ako liek.
Afinita, čiže sila, s akou sa molekula viaže na svoj cieľ, má obrovský význam. Spoločnosť Anthropic informovala o niektorých dizajnoch s vysokou afinitou a uviedla, že Claude dosiahol alebo prekonal najlepšiu doteraz zaznamenanú afinitu aspoň pri štyroch cieľoch.
Výkonnosť sa však značne líšila. V prípade jedného obzvlášť náročného cieľa sa Claudovi podarilo vytvoriť látky so schopnosťou viazať sa, ktoré vykazovali len miernu afinitu v rozmedzí od submikromolárnej po mikromolárnu. V prípade iného cieľa sa u žiadneho z 90 testovaných návrhov nepotvrdila schopnosť viazania.
Spoločnosť Anthropic sama uvádza, že na potvrdenie úspešnosti a meranie afinity budú potrebné rozsiahlejšie testy.
Námietka Martina Shkreliho spočíva v tom, že medicína už disponuje mimoriadne účinnými nástrojmi na viazanie proteínov, predovšetkým monoklonálnymi protilátkami. Relevantnou otázkou teda nie je len to, či Claude dokáže vytvárať proteíny, ktoré sa viažu, ale či jeho návrhy dokážu nakoniec dosiahnuť to, čo existujúce terapeutické technológie nedokážu.
Menšie proteíny by mohli potenciálne ponúknuť výhody oproti bežným protilátkam, vrátane väčšej flexibility pri ich modifikácii a schopnosti zasiahnuť niektoré ciele, ku ktorým sa existujúce lieky dostávajú len ťažko. Obzvlášť cennou možnosťou by bolo zameriavanie sa na proteíny vo vnútri buniek, ktoré sú pre bežné protilátky z veľkej časti nedostupné.
Experiment spoločnosti Anthropic zatiaľ nepreukazuje, že Claude tento problém vyriešil. Jeho proteínové väzby sa fyzicky vyrobili a v laboratórnych experimentoch sa preukázalo, že sa viažu na svoje ciele. To je však niečo úplne iné ako preukázanie toho, že molekuly dokážu vstúpiť do živých buniek, nájsť správny cieľ, zmeniť jeho správanie a nakoniec vyvolať terapeutický účinok.
Skutočný prelom, ak k nemu vôbec dôjde, preto nemusí spočívať v žiadnej konkrétnej bielkovine navrhnutej systémom Claude, ale v procese, ktorým boli vytvorené.
Claude vykonal veľkú časť práce na návrhu proteínov autonómne – vyberal, kam proteíny zamerať, generoval štruktúry a sekvencie, vykonával cykly optimalizácie a skríning kandidátov, skôr než boli odoslané na fyzické testovanie.
To by však mohlo mať stále obrovský význam. Objavovanie liekov nepokračuje len vďaka spektakulárnym vedeckým prelomom. Pokrok prináša aj zníženie nákladov na experimenty, ich zrýchlenie a zjednodušenie ich opakovania. Ak umelá inteligencia dokáže skrátiť časti vedeckého výskumu, ktoré si v súčasnosti vyžadujú dni či týždne vysoko kvalifikovanej ľudskej práce, výskumníci by mohli testovať viac nápadov a rýchlejšie vyradiť neúspešné riešenia.
Medzi automatizáciou kampane na návrh proteínov a oveľa väčšou ambíciou spoločnosti Anthropic – využiť umelú inteligenciu na pomoc pri liečbe väčšiny ľudských chorôb v priebehu piatich až 10 rokov – stále zostáva značná vzdialenosť.
Experiment Anthropicu nepreukazuje, že umelá inteligencia dokáže liečiť choroby. Ponúka niečo skromnejšie, ale hmatateľnejšie: dôkaz, že umelá inteligencia možno začína automatizovať časti vedeckého procesu, ktoré by nakoniec mohli pomôcť ľuďom rýchlejšie objavovať nové lieky. Od jej úspechu môže závisieť mnoho ľudských životov.
