Σημειώνοντας ότι οι πρόσφατες εξελίξεις στην Τεχνητή Νοημοσύνη και η ύπαρξη πειραματικών δεδομένων μεγάλης κλίμακας σχετικά με την ανθρώπινη βιολογία έχουν φτάσει σε κρίσιμη μάζα, μια ομάδα ερευνητών από το Stanford University, την Genentech και την Chan-Zuckerberg Initiative αναφέρει ότι η Επιστήμη έχει μια «άνευ προηγουμένου ευκαιρία» να αξιοποιήσει την Τεχνητή Νοημοσύνη (AI) για να δημιουργήσει το πρώτο εικονικό ανθρώπινο κύτταρο στον κόσμο. Ένα τέτοιο κύτταρο θα είναι σε θέση να αναπαριστά και να προσομοιώνει την ακριβή συμπεριφορά των ανθρώπινων βιομορίων, κυττάρων και, εν τέλει, ιστών και οργάνων.
«Η μοντελοποίηση των ανθρώπινων κυττάρων μπορεί να θεωρηθεί το ιερό δισκοπότηρο της Βιολογίας», δήλωσε η Emma Lundberg, αναπληρώτρια καθηγήτρια Βιομηχανικής και Παθολογίας στις σχολές Μηχανικής και Ιατρικής του Στάνφορντ και επικεφαλής συγγραφέας ενός νέου άρθρου στο περιοδικό Cell που προτείνει μια συντονισμένη, παγκόσμια προσπάθεια για τη δημιουργία του πρώτου εικονικού κυττάρου τεχνητής νοημοσύνης στον κόσμο. «Η Τεχνητή Νοημοσύνη προσφέρει τη δυνατότητα να μαθαίνουμε απευθείας από τα δεδομένα και να προχωράμε πέρα από υποθέσεις και προαισθήματα για να ανακαλύψουμε τις αναδυόμενες ιδιότητες των πολύπλοκων βιολογικών συστημάτων».
Ένα τέτοιο συνθετικό κυτταρικό μοντέλο θα επιτρέψει αφενός τη βαθύτερη κατανόηση της πολύπλοκης αλληλεπίδρασης των χημικών, ηλεκτρικών, μηχανικών και άλλων δυνάμεων και διεργασιών που κάνουν τα υγιή ανθρώπινα κύτταρα να λειτουργούν και αφετέρου θα αποκαλύψει τα βαθύτερα αίτια των ασθενειών που οδηγούν σε δυσλειτουργία ή θάνατο των κυττάρων.
Ίσως το πιο ενδιαφέρον είναι ότι ένα εικονικό κύτταρο τεχνητής νοημοσύνης θα επέτρεπε επίσης στους επιστήμονες να πειραματιστούν in silico αντί για in vivo, δηλαδή επάνω σε έναν υπολογιστή αντί για ζωντανά κύτταρα και οργανισμούς. Αυτή η ικανότητα θα διευρύνει την ανθρώπινη κατανόηση της ανθρώπινης βιολογίας και θα επιταχύνει την αναζήτηση νέων θεραπειών, φαρμακευτικών προϊόντων και ίσως θεραπειών για τις ασθένειες. Οι βιολόγοι που ασχολούνται με τον καρκίνο θα μπορούσαν να μοντελοποιήσουν τον τρόπο με τον οποίο ορισμένες μεταλλάξεις μετατρέπουν τα υγιή κύτταρα σε κακοήθη.
Οι μικροβιολόγοι θα μπορούσαν μια μέρα να προβλέψουν τις επιπτώσεις των ιών στα μολυσμένα κύτταρα και ίσως ακόμη και στους οργανισμούς-ξενιστές. Οι γιατροί θα μπορούσαν μια μέρα να δοκιμάσουν θεραπείες σε «ψηφιακά δίδυμα» των ασθενών τους, επιταχύνοντας την από καιρό υποσχόμενη εποχή της ταχύτερης, οικονομικότερης και ασφαλέστερης εξατομικευμένης ιατρικής.
Για να θεωρηθεί επιτυχία, ωστόσο, οι συγγραφείς υποστηρίζουν ότι ένα εικονικό κύτταρο τεχνητής νοημοσύνης θα πρέπει να επιτύχει τρία αποτελέσματα. Πρώτον, θα πρέπει να δώσει τη δυνατότητα στους ερευνητές να δημιουργήσουν καθολικές αναπαραστάσεις σε όλα τα είδη και τους τύπους κυττάρων. Θα έπρεπε επίσης να προβλέπει με ακρίβεια την κυτταρική λειτουργία, συμπεριφορά και δυναμική και να κατανοεί τους κυτταρικούς μηχανισμούς. Και, τέλος, ένα εικονικό κύτταρο με τεχνητή νοημοσύνη θα επέτρεπε πειράματα σε ηλεκτρονικούς υπολογιστές για τον έλεγχο υποθέσεων και την καθοδήγηση της συλλογής δεδομένων, ώστε να επεκταθούν οι ικανότητες του εικονικού κυττάρου με ταχύτητα και κόστος πολύ χαμηλότερο από το σημερινό.
Σε αυτό που οι συγγραφείς αποκαλούν «τρίπτυχο» για την Επιστήμη, η Τεχνητή Νοημοσύνη εγκαινίασε μια εποχή εργαλείων που είναι προβλεπτικά, παραγωγικά και με δυνατότητα υποβολής ερωτημάτων, και όμως η τεράστια κλίμακα των ακατέργαστων βιολογικών δεδομένων που θα χρειαστούν για τη δημιουργία του εικονικού κυττάρου είναι αναμφισβήτητη. Συγκριτικά, οι συγγραφείς επισημαίνουν την αποθήκη δεδομένων αλληλούχισης DNA που συγκεντρώθηκε από τα Εθνικά Ινστιτούτα Υγείας και ονομάζεται Short Read Archive, η οποία περιέχει πλέον περισσότερα από 14 petabytes δεδομένων – χίλιες φορές μεγαλύτερο από το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση του ChatGPT.
Η επίτευξη του εικονικού κυττάρου τεχνητής νοημοσύνης δεν θα είναι εύκολη. Θα απαιτήσει μια συντονισμένη, παγκόσμια, ανοικτή επιστημονική συνεργασία σε πρωτοφανή κλίμακα σε τομείς που κυμαίνονται από τη Γενετική και την Πρωτεομική έως την Ιατρική Απεικόνιση, καθώς και μια στενή συνεργασία μεταξύ παγκόσμιων ενδιαφερόμενων φορέων από τον ακαδημαϊκό χώρο, τη βιομηχανία και μη κερδοσκοπικούς οργανισμούς. Ταυτόχρονα, οι συγγραφείς φροντίζουν να σημειώσουν ότι οποιαδήποτε εργασία προς την κατεύθυνση του εικονικού κυττάρου τεχνητής νοημοσύνης θα πρέπει να αναληφθεί μόνο με την προϋπόθεση ότι τα μοντέλα που θα προκύψουν θα είναι διαθέσιμα σε ολόκληρη την επιστημονική κοινότητα χωρίς περιορισμούς.
«Πρόκειται για ένα έργο-μαμούθ, συγκρίσιμο με το έργο του γονιδιώματος, που απαιτεί συνεργασία σε διάφορους κλάδους, βιομηχανίες και έθνη, και καταλαβαίνουμε ότι πλήρως λειτουργικά μοντέλα μπορεί να μην είναι διαθέσιμα για μια δεκαετία ή περισσότερο», υποστήριξε η Lundberg. «Όμως, με τις σημερινές ταχύτατα αναπτυσσόμενες δυνατότητες τεχνητής νοημοσύνης και τα τεράστια και αυξανόμενα σύνολα δεδομένων μας, ο χρόνος είναι ώριμος για την επιστήμη να ενωθεί και να ξεκινήσει το έργο της επανάστασης στον τρόπο με τον οποίο κατανοούμε και μοντελοποιούμε τη βιολογία».
