Die Anwendung künstlicher Intelligenz im medizinischen Bereich verändert sich von Tag zu Tag, insbesondere im Bereich der Genomik, wo Durchbrüche erzielt wurden. Cerebras und die Mayo Clinic haben zusammengearbeitet, um ein revolutionäres genombasiertes Modell auf den Markt zu bringen, das darauf abzielt, KI-Technologie und Hochleistungsrechnen zu nutzen, um die Genomforschung und die personalisierte Medizin zu verbessern. Das Modell bringt mit seinem Potenzial für diagnostische Genauigkeit und personalisierte Behandlungsauswahl neue Hoffnung für die Behandlung von Krankheiten wie rheumatoider Arthritis und soll die Behandlungserfahrung der Patienten deutlich verbessern.
Im Gesundheitswesen hat die Kombination von künstlicher Intelligenz (KI) und Genomik einen aufregenden neuen Meilenstein erreicht. Kürzlich stellte Cerebras in Zusammenarbeit mit der Mayo Clinic auf der J.P. Morgan Medical Conference in San Francisco ein revolutionäres genombasiertes Modell vor. Das Modell zielt darauf ab, fortschrittliche KI-Technologie und Hochleistungsrechnen (HPC) zu nutzen, um die Entwicklung der Genomik, insbesondere in der personalisierten Medizin, voranzutreiben.
Dieses neue Genommodell konzentriert sich auf die Verbesserung der diagnostischen Genauigkeit und der personalisierten Behandlungsauswahl, mit ersten Anwendungen bei der Behandlung von rheumatoider Arthritis (RA). Die Behandlung dieser Erkrankung stellt oft klinische Herausforderungen dar und erfordert, dass Ärzte einen Versuch-und-Irrtum-Prozess durchlaufen, um für jeden Patienten das richtige Medikament zu finden. Herkömmliche Gentestmethoden konzentrieren sich oft nur auf einzelne genetische Marker, was es schwierig macht, das Ansprechen eines Patienten auf die Behandlung genau vorherzusagen.
Das Modell wurde anhand von Daten trainiert, die die umfangreichen Patienten-Exomdaten der Mayo Clinic mit öffentlich verfügbaren Referenzdaten des menschlichen Genoms kombinierten. Dieser Ansatz unterscheidet sich von Modellen, die nur mit einem Referenzgenom trainiert wurden, und behauptet, dass sein genombasiertes Modell bei der Klassifizierung genetischer Varianten unter Verwendung von Daten von 500 Mayo Clinic-Patienten deutlich übertraf. Das Team geht davon aus, dass sich die Genauigkeit des Modells weiter verbessern wird, je mehr Patientendaten hinzugefügt werden.
Cerebras und die Mayo Clinic sagten, dass die Entwicklung genomischer Modelle, die zuvor Jahre dauerte, jetzt durch Training und Anpassung auf der Cerebras-KI-Plattform erheblich beschleunigt werden kann. Dr. Matthew Callstrom, Leiter der Radiologie an der Mayo Clinic, betonte das transformative Potenzial dieses KI-Modells und wies darauf hin, dass die Technologie Ärzten dabei helfen kann, Behandlungsentscheidungen schneller und genauer zu treffen und dadurch die körperliche Belastung der Patienten zu verringern.
Neben der Einführung neuer Genommodelle entwickelte das Team auch neue Benchmarks, um die Leistung des Modells in Bezug auf klinisch relevante Funktionen zu bewerten, beispielsweise die Fähigkeit, bestimmte Krankheiten anhand von DNA-Daten zu erkennen. Damit wird die Lücke geschlossen, bei der sich aktuelle öffentliche Benchmarks hauptsächlich auf die Identifizierung von Strukturelementen wie regulatorischen oder funktionalen Regionen konzentrieren.
Das genomische Basismodell der Mayo Clinic soll in mehreren Schlüsselbereichen eine Genauigkeit auf dem neuesten Stand der Technik aufweisen: 68 % bis 100 % Genauigkeit bei RA-Benchmarks; 96 % Genauigkeit bei der Vorhersage der Krebsanfälligkeit; die Genauigkeit der Typvorhersage beträgt 83 %. Natalia Vassilieva, Field Chief Technology Officer von Cerebras, sagte, dass das neue Modell hervorragend darin sei, die funktionellen und regulatorischen Eigenschaften der DNA vorherzusagen und gleichzeitig komplexe Zusammenhänge zwischen genetischen Varianten und Erkrankungen aufzudecken.
Die erfolgreiche Einführung dieses KI-basierten Genommodells markiert einen wichtigen Schritt in der Präzisionsmedizin. Mit der kontinuierlichen Weiterentwicklung der Technologie und der Ansammlung weiterer Daten wird erwartet, dass dieses Modell in Zukunft eine wichtige Rolle bei der Diagnose und Behandlung von mehr Krankheiten spielen und Patienten eine bessere medizinische Erfahrung und präzisere Behandlungspläne bieten wird.