پلتفرم K Pro با ترکیب داده‌های بیمار و آزمایشگاه، اهداف دارویی AI را اعتبارسنجی

تصور کنید دانشمندی هستید که یک همبستگی خیره‌کننده در داده‌های دیجیتال پیدا کرده، اما نمی‌داند آیا این یافته در بدن واقعی انسان هم اثر دارد یا خیر. برای توماس کلوزل، مدیرعامل Owkin، هر پیش‌بینی هوش مصنوعی تنها یک فرضیه است و نه یک حقیقت؛ تبدیل این شکاف به حقیقت پزشکی نیازمند سیستمی است که هر سرنخ دیجیتال را روی نمونه‌های بیولوژیکی واقعی آزمایش کند. او این رویکرد را «سیستم آزمایشگاه-در-حلقه» (lab-in-the-loop) می‌نامد که در آن هر خروجی دیجیتال باید توسط شواهد بیولوژیکی تأیید شود.

این رویکرد در حالی مطرح می‌شود که صنعت داروسازی با محدودیت‌های «مقیاس انسانی» در زیست‌شناسی دست‌وپنجه نرم می‌کند. تحقیقات سنتی اغلب نمی‌توانند توضیح دهند چرا یک بیمار ۳۵ ساله به‌طور ناگهانی دچار سرطان می‌شود یا چرا یک درمان خاص که روی کاغذ درست به نظر می‌رسید، در عمل شکست می‌خورد. کلوزل که پیش‌تر استادیار انکولوژی-هماتولوژی بالینی در بیمارستان هنری موندور پاریس بود و در آزمایشگاه دکتر آری ملنیک در کالج پزشکی ویل کورنل فعالیت می‌کرد، مشاهده کرد که حتی یک قرن پژوهش علمی هم نتوانسته است دانش لازم برای توضیح این عودهای بیماری را فراهم کند.

مقیاس پیچیدگی بیولوژیکی

زیست‌شناسی نیازمند استدلال در مقیاس‌های مختلف است؛ از سطح مولکول‌ها گرفته تا کل ارگانیسم. همچنین باید انواع مختلفی از داده‌ها را به‌طور هم‌زمان تحلیل کرد، از نمونه‌های بیوپسی بافت گرفته تا تاریخچه کامل درمان یک بیمار. این پیچیدگی به‌شدت از ظرفیت ذهن انسان به تنهایی فراتر است. کلوزل معتقد است تنها داده‌ای که قادر است این شکاف را پر کند، داده‌های واقعی بیماران است.

او اشاره می‌کند که زیست‌شناسی یک مسئله در مقیاس انسانی نیست. برای درک واقعی یک بیماری، پژوهشگران باید بتوانند اطلاعات را در این مقیاس‌های ناهمگون به‌طور هم‌زمان ترکیب و سنتز کنند. اینجاست که هوش مصنوعی ضروری می‌شود، زیرا می‌تواند داده‌های چندوجهی (Multimodal) را پردازش کند تا الگوهای زیربنایی را بیابد که منجر به یک توضیح علی (Causal) شوند، نه فقط یک همبستگی آماری.

شرکت Owkin که در سال ۲۰۱۶ توسط کلوزل و ژیلس وینریب (Gilles Wainrib)، پژوهشگر یادگیری ماشین، تأسیس شد، بر باز کردن قفل داده‌های بیماران تمرکز دارد. آن‌ها پیشگام روش «یادگیری فدرال» (Federated Learning) شدند؛ متدی که اجازه می‌دهد مدل‌های هوش مصنوعی از داده‌های بیمارستانی یاد بگیرند بدون اینکه این اطلاعات حساس هرگز از محیط امن بیمارستان خارج شوند. این استراتژی به شرکت اجازه می‌دهد به بینش‌های حیاتی دست یابد و در عین حال حریم خصوصی سخت‌گیرانه داده‌ها را حفظ کند.

معماری K Pro

در مرکز استراتژی فعلی آن‌ها، پلتفرم K Pro قرار دارد. این سامانه برخلاف مدل‌های زبانی بزرگ (LLM) ساده — که شبیه کتابخانه‌داری هستند که میلیاردها صفحه خوانده و حالا با همان لحن جواب می‌دهند — یک «دانشمند AI» است که برای سازماندهی مدل‌های تخصصی و ابزارهای پژوهشی طراحی شده است. این رویکرد مبتنی بر ارکستراسیون ابزارها، در مقایسه با مدل‌های بنیادی ساده، انعطاف‌پذیری بیشتری در محیط‌های سازمانی فراهم می‌کند. K Pro چهار نوع داده مختلف (Modality) را ترکیب می‌کند تا تصویر کاملی از علت بیماری یک فرد به دست آورد:

• تصاویر پاتولوژی: عکس‌های بصری از ساختار بافت‌ها.
• ژنومیک: کد ژنتیکی زیربنایی و میزان فعالیت ژن‌ها.
• زیست‌شناسی فضایی (Spatial Biology): نحوه ساختار فیزیکی بافت و رابطه ژن‌ها با این ساختار.
• نتایج بالینی: سوابق پزشکی و نحوه پاسخ بیماران به درمان‌های خاص.

K Pro با پیوند دادن فعالیت ژن به ساختار فیزیکی بافت و پاسخ بالینی، سعی می‌کند به جای تطبیق ساده الگوها، یک توضیح علی برای بیماری بسازد. طبق اعلام Owkin، هیچ‌یک از این داده‌ها به تنهایی نمی‌توانند توضیح کاملی ارائه دهند؛ تنها با نگاه از زوایای مختلف است که K Pro الگوهای زیربنایی را می‌یابد که شناسایی آن‌ها برای یک انسان به‌طور مستقل بسیار دشوار است.

خط لوله اعتبارسنجی چهار مرحله‌ای

برای جلوگیری از ورود توهمات (Hallucinations) یا همبستگی‌های کاذب تولید شده توسط AI به خط تولید دارو، Owkin هر فرضیه K Pro را از یک فیلتر چهار مرحله‌ای عبور می‌دهد. کلوزل معتقد است تمام فرضیات باید «غلط» فرض شوند تا زمانی که خلاف آن ثابت شود. این طراحی تضمین می‌کند که عامل‌های پیشرو AI برای تولید فرضیه استفاده شوند، اما اثبات تجربی همچنان «استاندارد طلایی» باقی بماند.

۱. تکرار محاسباتی (Computational Replication): در این مرحله، سیگنال شناسایی شده با مجموعه‌داده‌های مستقل از بیماران دیگر که در تولید فرضیه اولیه شرکت نداشتند، چک می‌شود. این گام از نظر محاسباتی ارزان است و اکثریت کاندیداهای غلط را در همان ابتدای مسیر حذف می‌کند.
۲. بررسی مکانیکی (Mechanistic Scrutiny): یک تیم متخصص از زیست‌پزشکان شواهد را بازجویی می‌کنند تا مطمئن شوند یک توضیح بیولوژیکی منسجم و علی وجود دارد. آن‌ها به جای پذیرفتن نتیجه، شواهد زیربنایی را بررسی می‌کنند تا مطمئن شوند بیولوژی مورد نظر منطقی است. این مرحله به‌شدت به ورودی‌های تیم متخصص Owkin وابسته است.
۳. تست آزمایشگاهی (Laboratory Testing): پیش‌بینی‌ها با استفاده از مدل‌های مشتق‌شده از بیمار تست می‌شوند. این شامل ارگانوئیدها (نسخه‌های مینیاتوری تومور بیمار که در آزمایشگاه رشد می‌کنند)، کو-کالچرها (رشد انواع مختلف سلول‌ها در کنار هم برای مشاهده تعاملات) و آزمایش‌های اختلال ژنتیکی (که در آن ژن‌های خاص روشن یا خاموش می‌شوند) است. این مرحله‌ای است که در آن یک همبستگی به یک ادعای علی واقعی تبدیل می‌شود.
۴. کارآزمایی‌های بالینی (Clinical Trials): مرحله نهایی روی بیماران انسانی است. در حال حاضر داروی OKN4395 که بیولوژی زیربنایی آن از طریق K Pro درک شده بود، در کارآزمایی بالینی INVOKE تست می‌شود. این کارآزمایی هدف دوگانه دارد: هم اثر دارو را می‌سنجد و هم استدلال AI را تست می‌کند؛ زیرا با جمع‌آوری داده‌های دقیق بیمار، بررسی می‌کند که آیا مدل به‌درستی مکانیسم بیماری و جمعیت مناسب بیمار را شناسایی کرده است یا خیر.

بستن حلقه بازخورد

Owkin از یک حلقه بازگشتی (Recursive Loop) استفاده می‌کند که در آن نتایج آزمایشگاه دوباره به AI داده می‌شود تا استدلال خود را اصلاح کند. K Pro بیولوژی جدیدی را پیش‌بینی می‌کند، تیم آزمایش را طراحی می‌کند و سپس آن را با مدل‌های آزمایشگاهی مشتق‌شده از بیمار تست می‌کند. نتایج به‌دست‌آمده سپس به سیستم بازمی‌گردد تا آن را بهبود بخشد.

در حالی که برخی از بخش‌های این حلقه در حال حاضر دستی هستند، شرکت در حال حرکت به سمت اتوماسیون کامل به عنوان گام بزرگ بعدی است. این فرآیند تکرارشونده، AI را از یک پیش‌بین ایستا به یک «عامل یادگیرنده» تبدیل می‌کند.

بر اساس مطالعه‌ای که در سال ۲۰۲۴ در ArXiv منتشر شد، عامل‌های AI که این بازخورد تکرارشونده آزمایشگاهی را دریافت کردند، ۱۶۶ تا ۱۸۵ درصد بهتر از انتخاب تصادفی توانستند ژن‌هایی را شناسایی کنند که رفتار سلول را به‌طور معناداری تغییر می‌دهند؛ یعنی دقیقاً همان نوع ژن‌هایی که ارزش هدف قرار گرفتن توسط یک دارو را دارند.

تکرارپذیری و «مهارت‌ها»

برای تضمین تکرارپذیری علمی، K Pro هر گام استدلالی را مستند می‌کند. این سیستم منبع و نسخه هر مجموعه‌داده را شناسایی کرده و نحوه محدود شدن گروه بیماران را ردیابی می‌کند؛ برای مثال، دقیقاً ثبت می‌کند که چگونه یک گروه ۴۰۰۰ نفره از بیماران به ۳۰۰ نفر فیلتر شده است.

K Pro از مفهومی به نام «مهارت‌ها» (Skills) استفاده می‌کند. یک مهارت در واقع یک گردش‌کار علمی است — شامل توالی تحلیل‌ها، آستانه‌ها و استدلال‌ها — که یک‌بار کدنویسی شده است. سپس K Pro این مهارت را هر بار که مرتبط باشد، دقیقاً به همان شکل اعمال می‌کند.

این مهارت‌ها متغیرهای طبیعی سیستم‌های AI را کاهش می‌دهند و تضمین می‌کنند که اجرای یک تسک مشابه برای دو بار، پاسخ یکسانی بدهد. با نمایش هر ابزار فراخوانده شده و هر گام استدلالی، K Pro به پژوهشگران اجازه می‌دهد تا به‌طور مستقل کار AI را بررسی و تأیید کنند. این شفافیت یک مزیت کلیدی در صنعت داروسازی است، جایی که اعتبارسنجی اجباری است.

ادغام با غول‌های داروسازی

Owkin روابط استراتژیکی برقرار کرده و عامل‌های اختصاصی برای شرکت‌های AstraZeneca، Sanofi، Bristol Myers Squibb و MSD ساخته است. این همکاری‌ها در راستای مدل‌های مشابهی است که شرکت‌هایی نظیر بوهرینگر اینگلهایم نیز برای تسریع کشف دارو از عامل‌های هوش مصنوعی Owkin بهره می‌برند. این همکاری‌ها به شرکت آموخت که شرکت‌های داروسازی بیش از هر چیز به نظارت، دقت و حاکمیت (Governance) اهمیت می‌دهند. کلوزل اشاره می‌کند که رعایت این استانداردهای حاکمیتی، پیش‌نیاز حتی ورود به درهای این سازمان‌ها است.

برای جلب اعتماد در این محیط‌های به‌شدت تنظیم‌شده، شرکت K Pro را به‌گونه‌ای ساخت که دارای ویژگی‌های زیر باشد:

• تفسیرپذیر (Interpretable): کاربران می‌توانند دقیقاً ببینند AI چگونه استدلال می‌کند، چه ابزارهایی را انتخاب می‌کند و از چه داده‌هایی استفاده می‌کند.
• انعطاف‌پذیر (Flexible): سیستم در داخل زیرساخت‌های موجود شرکت‌ها کار می‌کند بدون اینکه نیاز به تغییرات زیرساختی باشد.
• امن (Secure): سیستم به داده‌های اختصاصی دقیقاً در همان جایی که ذخیره شده‌اند دسترسی دارد، بدون اینکه هرگز آن‌ها را جابه‌جا یا کپی کند.

مقابله با سوگیری داده‌ها

با پذیرش این واقعیت که تمام داده‌ها حاوی نوعی سوگیری (Bias) هستند — چه از آزمایشگاهی که داده از آن آمده باشد و چه از جمعیت‌هایی که نمایندگی می‌کنند — Owkin به‌طور نزدیک با پژوهشگران اصلی تولیدکننده داده‌ها همکاری می‌کند تا این محدودیت‌ها را شناسایی و لحاظ کند. این رابطه عمیق با تولیدکنندگان داده به تیم اجازه می‌دهد مجموعه‌داده‌ها را به‌طور عمیق بررسی کنند.

زمانی که شکاف‌هایی در نمایندگی داده‌ها پیدا می‌شود (مانند جمعیت‌های بیمار کمتر شناخته شده)، Owkin داده‌های جدیدی را با استانداردهای سخت‌گیرانه تولید می‌کند. نمونه‌ای از این تلاش، مجموعه‌داده MOSAIC است که با همکاری شرکای دانشگاهی برای پر کردن خلاءهای بحرانی داده‌ها ایجاد شد. این کار تضمین می‌کند که کشفیات علمی به دلیل محدودیت‌های مجموعه‌داده‌های موجود، محدود نشوند.

مسیر رسیدن به BASI

کلوزل هدف بلندمدت خود را هوش مصنوعی فوق‌بشر زیست‌شناختی (Biological Artificial Superintelligence یا BASI) تعریف می‌کند. این تنها یک ابزار سریع‌تر نیست، بلکه یک سیستم خود-بهبودبخش است که قادر است به‌طور مستقل بیولوژی‌های واقعاً جدیدی را پیشنهاد دهد که پژوهش‌های انسانی هنوز آن‌ها را کشف نکرده‌اند.

BASI با چندین قابلیت کلیدی متمایز می‌شود:

• خودمختاری (Autonomy): توانایی اصلاح فرضیات خود و طراحی و اجرای آزمایش‌ها در آزمایشگاه‌های اتوماتیک بدون نیاز به دخالت انسانی در هر گام.
• استدلال علی (Causal Reasoning): توانایی استدلال درباره علت و معلول در سیستم‌های بیولوژیکی، به جای شناسایی الگوهای پیچیده.
• قابلیت اطمینان (Reliability): توانایی پاسخ دادن به یک سؤال به یک شکل یکسان در هر بار پرسش، فارغ از تعداد دفعات تکرار.

کلوزل استدلال می‌کند که قابلیت اطمینان مهم‌ترین معیار است که AI را از یک «دموی جذاب» به زیربنای یک گردش‌کار واقعی تبدیل می‌کند. هوش مصنوعی که گاهی دقیق است، جالب است، اما تنها یک سیستم قابل اطمینان است که برای صنعت واقعاً مفید است.

از نظر کلوزل، این سؤال فلسفی که آیا AI واقعاً بیولوژی را «می‌فهمد» یا بازنمایی‌های داخلی‌اش صرفاً تطبیق الگوهای پیچیده هستند، در برابر کاربرد آن ثانویه است. دلیل موفقیت ساده است: AI باید به‌طور قابل اطمینان بیولوژی جدیدی را پیشنهاد دهد که بعدها در دنیای واقعی درست از آب درآید.

با اولویت دادن به قابلیت اطمینان بر دقت‌های اتفاقی، Owkin قصد دارد فرآیند کشف دارو را به یک رشته مهندسی تکرارپذیر تبدیل کند.

گام بعدی شما

• اگر در حوزه بیوتکنولوژی فعال هستید، مدل‌های «تولید بازیابی‌افزا» (RAG) را برای اتصال مستندات آزمایشگاهی به مدل‌های استدلالی بررسی کنید.
• روی متدهای «یادگیری فدرال» برای تحلیل داده‌های حساس بدون نقض حریم خصوصی تمرکز کنید.
• در پیگیری نتایج کارآزمایی INVOKE باشید تا ببینید آیا استدلال AI در محیط بالینی تأیید می‌شود یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و نقش آن‌ها در شبیه‌سازی‌های مولکولی مراجعه کنید.