Wie das "ChatGPT des Gesundheitswesens" die Behandlung von rheumatoider Arthritis beschleunigen könnte
Das KI-Computer-Start-up Cerebras und die Mayo Clinic schlagen ein Grundlagenmodell für Genomik und Krankheit vor.
Nach dem Erfolg der GPT-Serie großer Sprachmodelle von OpenAI schlagen immer mehr Institutionen "Grundlagen"-Modelle für künstliche Intelligenz vor, die wie GPT "vortrainiert" sind, um über sehr breite Fähigkeiten in einem Wissensbereich zu verfügen. Wir haben dies letzte Woche gesehen, als Nvidia-CEO Jensen Huang ein "Weltbasismodell" für autonome Fahrzeuge und Roboter vorschlug.
Am Dienstag präsentierten das KI-Computer-Startup Cerebras Systems und das medizinische Forschungsunternehmen Mayo Clinic auf der jährlichen JP Morgan Healthcare Conference in San Francisco die Ergebnisse eines so genannten Grundlagenmodells für die Genomik, das die genetische Wurzel von Erbkrankheiten herauskitzeln kann. Ziel ist es, "das ChatGPT des Gesundheitswesens aufzubauen", so Cerebras und die Mayo Clinic.
Der erste Durchbruch der einjährigen Zusammenarbeit ist die potenzielle Fähigkeit, das Ansprechen von Patienten mit rheumatoider Arthritis auf Medikamente vorherzusagen. Dieser potenzielle Durchbruch könnte, so die Unternehmen, "die Diagnosezeit erheblich verkürzen und die Genauigkeit verbessern".
"Es ist aufregend die Arbeit, die unsere Teams gemeinsam geleistet haben, etwas, von dem wir schon immer gehört haben, nämlich dass man in der Lage sein wird, das Ansprechen auf die Therapie vorherzusagen", sagte Dr. Matthew Callstrom, M.D., medizinischer Direktor für Strategie und Vorsitzender der Radiologie der Mayo Clinic, in einem Interview, das wir vor der Präsentation geführt haben. Callstrom beaufsichtigt die Teams bei Mayo, die mit Cerebras arbeiten.
"Es wird wahrscheinlich in den nächsten Jahren Realität werden, wenn wir die Vorteile der Verwendung dieser Grundlagenmodelle und der Verwendung von Daten, die kein Text sind, nutzen", sagte Callstrom.
Matthew Callstrom [links], medizinischer Direktor für Strategie der Mayo Clinic, und Andrew Feldman, CEO von Cerebras.
"Es gab ein Grundlagenmodell für die Sprache, es gab Grundlagenmodelle für die Proteinfaltung, und die Arbeit, die Mayo an unseren Geräten geleistet hat, ist ein Grundlagenmodell für die Genomik", sagte Andrew Feldman, Mitbegründer und CEO von Cerebras, im selben Interview.
Cerebras und die Mayo Clinic kündigten vor einem Jahr erstmals eine Partnerschaft zur Zusammenarbeit mit Cerebras CS-3 KI-Computern an. Cerebras verbrachte mehrere Monate damit, die HIPPAA-Zertifizierung für die Arbeit mit privaten Patientendaten zu erhalten. Die Experimente wurden auf Einheiten des CS-3 durchgeführt, die in einer Cerebras-Cloud-Computing-Einrichtung betrieben wurden, die der Mayo Clinic vorbehalten war, und alle verwendeten Daten wurden lokal gespeichert, um den HIPAA-Anforderungen zu entsprechen.
"Diese Partnerschaft hat sich genau so entwickelt, wie man es sich von einer Partnerschaft erhofft hatte, bei der sie ihr Fachwissen einbrachten und über enorme Datenbestände und KI-Expertise verfügten", sagte Feldman. "Und wir brachten KI-Know-how und erstklassige Rechenleistung mit."
In den Biowissenschaften werden seit langem neuronale Netze verwendet, um vorherzusagen, ob eine Veränderung eines DNA-Nukleotids (eine der einzelnen Nukleinsäuren der DNA), Guanin, Adenin, Cytosin oder Thymin eine vererbbare Erkrankung wie rheumatoide Arthritis vorhersagen kann.
Im Fall des Cerebras-Mayo-Modells arbeitet die Technologie stattdessen mit Gruppen von Nukleotidänderungen, um die Schnittmenge der DNA-Veränderungen zu nutzen, um eine größere Vorhersagekraft zu erzielen.
Das Basismodell besteht aus einer Milliarde Parametern oder neuronalen Gewichten, um die Daten zu sichten, was laut Feldman 10-mal größer ist als AlphaFold von Google DeepMind, das als Grundlagenmodell für Proteinfaltungsprobleme gilt.
Das Cerebras-Mayo-Modell wurde mit einer Billion Token, einer Mischung aus Open-Source-Genomdaten und Mayos hauseigenen Patientendaten namens Tapestry für insgesamt 100.000 Patientendaten vortrainiert.
Laut Feldman und Callstrom tragen diese spezifischen, individuellen genomischen Daten in Tapestry -- und nicht die idealisierten, generischen Daten aus dem öffentlichen Bereich -- zur erhöhten Genauigkeit des Modells bei.
"Mayo hat einen der größten Datensätze der Welt", sagte Feldman. "Sie sind seit Jahrzehnten führend darin, sorgfältig über Daten im medizinischen Bereich nachzudenken, und jetzt finden sie Erkenntnisse darin, und das ist genau das, was man vor Jahren vorhergesagt hätte."
Rheumatoide Arthritis ist eine lähmende Erkrankung, von der 1,3 Millionen Menschen betroffen sind. Bisher bestand der Behandlungsstandard darin, das Fortschreiten der Entzündung durch eine Trial-and-Error-Behandlung mit einem Chemotherapeutikum namens Methotrexat zu verhindern.
Wissenschaftler haben herausgefunden, dass die Erkrankung zu 60 % vererbbar ist, was bedeutet, dass die Wahrscheinlichkeit, dass jemand die Erkrankung aufgrund seiner genetischen Ausstattung entwickelt, bei mehr als 50:50 liegt.
"Rheumatoide Arthritis ist eine recht häufige Autoimmunerkrankung, die Entzündungen der Gelenke verursacht", erklärte Callstrom. "Knorpel wird erodiert, und man bekommt Knochen auf Knochen und ziemlich oft eine Fehlstellung der Gelenke."
"Das Ziel ist es, die Entzündung frühzeitig zu stoppen", sagte Callstrom, denn rheumatoide Arthritis ist eine dauerhafte Erkrankung. "Und das Problem bei rheumatoider Arthritis ist, dass man nicht weiß, worauf die Patienten ansprechen werden." Nur 40 % der Patienten sprechen im Durchschnitt auf Methotrexat an, sagte er. Diejenigen, die nicht ansprechen, müssen eine weitere monatelange Behandlung mit einer anderen Therapie durchlaufen.
"Es ist nicht ungewöhnlich, dass Patienten mehrere Medikamente einnehmen, um zu sehen, ob sie den Krankheitsverlauf aufhalten können", sagte Callstrom.
Das neue Grundlagenmodell konzentriert sich nicht nur auf die speziellen Patientengenome von Tapestry, sondern "verfeinert" das Modell auch anhand von Daten der Mayo Clinic von 500 Patienten, von denen bekannt ist, dass sie auf die Behandlung angesprochen haben.
"Der Schlüssel ist, dass unser Rheumatologie-Team die Patienten und ihr Ansprechen auf die Therapie mit Methotrexat und anderen zielgerichteten Therapien tatsächlich verfolgte und eine unglaubliche Datenbank mit 6.000 Patienten führte", erklärte Callstrom. "Wenn Sie das nicht hätten, hätten Sie einen Haufen Patientendaten, aber Sie wüssten nicht, gegen was Sie sie testen sollen."
Das Modell wird dann einem Backtest unterzogen, um vorherzusagen, was mit einer zurückgehaltenen Stichprobe von Patienten passiert ist, die Methotrexat erhalten haben - mit anderen Worten, das Modell wird getestet, um zu sehen, ob es genau vorhersehen kann, was tatsächlich in historischen Therapiestudien passiert ist.
"Sie können sich vorstellen, einen A/B-Vergleich durchzuführen", sagte Callstrom, bei dem eine Gruppe die Therapie und die andere ein Placebo erhält.
"Ihre Gene werden im Grunde gegen das allgemeine Modell geschoben, um zu sehen, ob man für den neuen Patienten vorhersagen kann, ob er ansprechen wird oder nicht", sagte Callstrom und meinte damit die Feinabstimmungskohorte von Patienten mit rheumatoider Arthritis.
"Was wir herausgefunden haben, ist, dass es so aussieht, als ob es vielversprechend ist, dies für Methotrexat tun zu können", um die Reaktion vorherzusagen, sagte er.
Der Einsatz eines KI-Modells zur Vorhersage einer Reaktion auf Methotrexat ist eine Premiere in der Medizin, sagte Callstrom. "Es gibt kein Modell, das das Ansprechen von Patienten mit rheumatoider Arthritis vorhersagt", sagte er. "Sie könnten nicht sagen: 'Sie werden auf Methotrexat ansprechen' - Sie könnten diese Worte nicht sagen."
Die Hypothese, so Callstrom, sei, dass das neue Grundlagenmodell auf die zugrunde liegende Genetik der Krankheit hinweist.
"Die Hypothese ist, dass das Ansprechen eines Patienten auf die Therapie zumindest teilweise in seiner DNA kodiert ist", sagte er. "Ihre DNA erzeugt bestimmte Proteine, die entweder auf die Therapie ansprechen oder nicht. Das war schon immer die Hypothese für eine gemischte Reaktion, egal ob es sich um ein bestimmtes Enzym oder eine zelluläre Reaktion handelt oder was auch immer."
Die Ergebnisse seien "vorläufig", warnte Callstrom, und basieren auf einer kleinen Anzahl historischer Daten von Patienten. Obwohl das Basismodell "eine hohe Leistung im Vergleich zu Benchmarks zeigt", sei es noch zu früh, um zu erklären, dass das Modell das Problem gelöst habe, sagte er. Eine Veröffentlichung über die Ergebnisse befinde sich "in der Endphase" der Zusammenstellung, sagte er.
Die Arbeit "fand ein ziemlich gutes Signal", sagte er. "Wir erweitern das, wir werden mehr tun." Selbst die Möglichkeit, zu sagen, dass einige Patienten nicht auf ein Medikament ansprechen, kann ein früher Vorteil des Tools sein, sagte er. "Wenn man einige Menschen mit einiger Sicherheit von Methotrexat entfernen kann, ist das ein Gewinn."
Für Cerebras, das es sich zur Gewohnheit gemacht hat, besonders große Aufgaben neuronaler Netze zu bewältigen, ist die Geschwindigkeit vom Konzept bis zum Ergebnis eine Bestätigung seiner überlegenen Hardware, sagte Feldman.
"Mit blitzschneller Rechenleistung waren wir in der Lage, Ergebnisse zu erzielen, und obwohl sie noch früh sind, war dies viel schneller, als es in der medizinischen Forschung historisch üblich ist", sagte er.
Der nächste Schritt bestehe darin, die Genauigkeit des Gründungsmodells weiter zu verbessern. Dazu kann gehören, dass nicht nur die genomischen Daten, sondern auch andere Datenpunkte, einschließlich radiologischer Filme von Händen und Füßen, in das Modell eingespeist werden. Die Proteomik, die Untersuchung exprimierter Proteine, könnte sehr wohl Teil der Daten werden.
"Die Expression dieser Gene ist wirklich wichtig", was bedeutet, wie DNA in Proteine umgewandelt wird, sagte Callstrom. "Also, Proteomik und all die Dinge auf der Ebene der Genexpression, das wird eine weitere Phase dessen sein, was wir tun werden."
Der wahre Test wird mit echten Patienten in Behandlung kommen.
"Was in Zukunft getan werden muss, ist, diese frühen Ergebnisse, diesen Anwendungsfall, zu nehmen und tatsächlich die Arbeit zu leisten, die wir in der Medizin leisten, nämlich sie in Zukunft an Patienten zu beweisen", sagte Callstrom.