治疗仪

弗吉尼亚海滩—去年的诺贝尔医学奖被授予一项耗时44年、牵涉两个研究团队的发现。这项突破使新的诊断和诊疗成为可能,但如果说这样的洞见能够用计算机在几分钟而不是几十年内完成,你作何感想?最近出现的在英国和中东夺去九条任命的新型冠状病毒提醒人们,有时我们急切地需要新疗法。

基于不同的模型抽象,可能建立能设计新疗法的人工智能系统(AI)。该系统将给出惊艳的高效诊疗,因为它能以人类难以想象的方式理解疾病。这个概念听起来像是科幻小说:人人都知道AI并不特别聪明。

为了制造这样一种“治疗仪”,至少需要一项深远的创新:为整个系统建模的更加方法,该方法必须能为生物学和计算机科学带来新概念工具。

在这两个领域,传统方法都是还原论的——在最基本要素的水平上为问题建模。这使得建立在狭小领域推理的“专家系统”或是设计寻找离散事实的搜索引擎成为可能,但我们距离能够以我们的方式——在包括时间的众多环境中穿梭自如——进行推理的AI还有很长的路要走。AI无法将相去甚远的过程——比如化学、生理和心理事件——的信息整合在一起,也无法预测小说结局。我们则可以一边吃饭一边对这些话题侃侃而谈。

关键之处就在新奇。为了建造治疗仪,我们需要为计算机设计一种收集概念的方法,从而让出乎预料的安排浮出水面。

在生物学中也有类似的还原论方法,最佳的例子就是人类基因组计划,该计划把人体各个方面的分子“配方”予以归类,以便发现最基本的部分是如何互动的。可惜,预料中的诊疗革命还是没有到来。

HOLIDAY SALE: PS for less than $0.7 per week
PS_Sales_Holiday2024_1333x1000

HOLIDAY SALE: PS for less than $0.7 per week

At a time when democracy is under threat, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided. Subscribe now and save $50 on a new subscription.

Subscribe Now

放眼全球,每年用于生物化学研究的投资总额约为1100亿美元。艾滋病一项每年就要耗资好几十亿美元。可是,尽管25年来在结构生物学上投入巨大,但我们仍无法从理解分子进步到理解整个系统。关于多重过程——化学的、生理的和心理的——之间动态的模型将为发现疾病如何发展提供新洞见。

比如,我们可以考虑嗅觉。鼻腔是独特的,是唯一一个脑细胞(神经元)直接暴露在环境中的地方。如果我们用局部条件对嗅觉建模,我们可以追踪鼻腔神经元如何与气味粒子互动、通过其他神经元网络将信号输送给大脑。我们有很好的结构生物学抽象来描述这一点。

但这些神经元也是自适应再生系统的一部分。感觉神经元会按计划死亡;实际上,你的嗅觉每个月都会更新一次。对此建模要求考虑远超局部信号传递的内容。神经元就像是一个合作团队:到达某地点的数量比简单替换所需量更多。为了方便替换,多余神经元会成为与周边细胞和其他大脑深处神经元对话的一部分,然后自我牺牲。要解释为何它们会自愿死去,我们需要一套新的系统水平的术语。

到这里还没完。当你的神经元被替换时,它们会改变。如果你陷入新的爱情(或受了伤),并且有一种伴随气味,你就会对该气味极为敏感。你的生理感知设备进化了。

这一过程引起了研究者的浓厚兴趣,因为这是仅有的两个会发生神经再生的情况之一。如果我们能弄明白这一过程,就能治疗许多恶疾,既包括神经疾病(如帕金森病和老年痴呆症),也包括衰退性疾病(包括癌症等与年纪相关的疾病)。

理解这种高水平一致性如何发生的一种办法是在更易接近的形式上研究它。恰好存在一个天然发生的信息结构,在其中可以更容易地观察和解释所需要的行为。这一结构可以在故事中找到。

故事有一个卓越的特点,它能让我们理解新概念,并持续地了解它们,即使它们包括大量上下文语境和预料之外的联系。我们会把由此产生的叙事效果当成理所当然:出人意料的结局、有趣的情节以及必欲卒读而后快的感觉。如果生物学和AI模型包括这样的动态,它们就能够展示出人预料的元素如何从进化的一致性中出现。

事实上,将这一原理契合到这两个领域能形成新的诊断能力和新的个性化治疗形式,每个人都能获得不同的诊疗。冠状病毒感染等疾病现在遇到了专门针对它的疫苗。但用办法“设定”身体拒绝所有感染会怎么样?比如,对于艾滋病就存在一些自然免疫的情况,但我们还无法理解原因。

生物医学和计算研究的挑战在于在全系统水平上对多样化的过程之间的动态建模。一旦我们能够做到这一点,开发出能够在理解身体支持和拒绝疾病方面取得出人预料突破的AI工具的可能性就会大大提高。

https://prosyn.org/Vkd0IOXzh