דגם הבינה המלאכותית (AI) GPT-4, המוכר מהיישום שלו ב-ChatGPT, מציג יכולות מרשימות במחקר ביו-רפואי וניתן להשתמש בו בדרכים רבות לסימולציות. סימולטור שפותח ב-MedUni Vienna ומבוסס על GPT-4 מראה דיוק מוגבר בסיווג החשיבות של גנים בתאי סרטן, כמו גם בפרוגנוזה של חולי סרטן. תוצאות המחקר פורסמו בכתב העת Computers in Biology and Medicine.
מודלים שפה גדולים כגון GPT-4 הוכחו כמועילים ביותר בתחומים שונים, כולל ביו-רפואה. צוות מחקר מהמכון לבינה מלאכותית של MedUni Vienna ומרכז המחקר CeMM לרפואה מולקולרית, בראשות מתיאס סמוואלד וכריסטוף בוק, הראה כי מודל שפה גדול כמו GPT-4 יכול לשמש ביעילות כסימולטור למערכות ביולוגיות.
המחקר בודק את ההשערה שהסימולציה הדרגתית של תהליכים ביולוגיים ורפואיים עם GPT-4 מובילה לתוצאות טובות יותר. זה רלוונטי ליישום עתידי במחקר ביו-רפואי וכן להבנת המודלים החדשים הללו.
הדמיות ממוחשבות של תהליכים ביולוגיים הן כלי חשוב למחקר ביו-רפואי, אך לרוב דורשות מומחיות רבה והתאמות ידניות. צוות המחקר פיתח את "SimulateGPT", שיטת סימולציה מבוססת ידע באמצעות תשומות מובנות ב-GPT-4. שיטה זו נבדקה ואומתה על ידי מומחים בתרחישים שונים כגון ניסויים בעכברים, תמיכה בטיפול באלח דם, חיזוי של גנים חיוניים בתאי סרטן והישרדות ללא התקדמות של חולי סרטן. השיטה מיועדת למחקר בסיסי ואינה מיועדת לשימוש קליני.
תשומות מובנות והוראות ממוקדות
מודלים של שפה כגון GPT-4 מונעים על ידי קלט טקסט, מה שנקרא "הנחיות", כדי לבצע משימות ספציפיות או לפתור בעיות. מודלים מודרניים כגון ChatGPT/GPT-4 מגיבים ישירות לשאלות פשוטות, אך מתקשים לפתור תרחישים מורכבים יותר הנפוצים בביו-רפואה. במחקר, המדענים הגדירו את GPT-4 עם תשומות מובנות והוראות ממוקדות כך שהוא מדמה תרחישים נתונים בפירוט עם טקסט. המחקר הראה שסימולטור זה מבוסס GPT-4 השיג תוצאות טובות יותר באופן משמעותי. ניסויי המחקר הוכיחו כי מומחים ביו-רפואיים העדיפו את התחזיות של SimulateGPT על פני תגובות ישירות של GPT-4. בנוסף, SimulateGPT שיפרה את הדיוק הן בקביעת גנים חיוניים בתאי סרטן והן בחיזוי הישרדות ללא התקדמות של חולי סרטן בהשוואה לתגובות GPT-4 מסורתיות.
מחקר זה מראה כי מודלים של שפה גדולים (LLMs) כגון GPT-4 יכולים לאפשר סוג חדש של סימולטורים ביו-רפואיים. סימולציות מבוססות טקסט מתאימות במיוחד למידול והבנת מערכות חיים, שכן טקסט ושפה מספקים את הגמישות והפרשנות הדרושים לתיאור מורכבות הביולוגיה. לפיתוח נוסף של סימולטורים ביו-רפואיים מבוססי LLM, אנו מציעים מספר כיוונים, כולל שילוב של מסדי נתונים ביולוגיים ומידול מתמטי, כמו גם הדרכה של מודלים חדשים של AI עם נתונים ניסיוניים".
מתיאס סמוואלד, האוניברסיטה לרפואה של וינה
