How will AI transform precision medicine? – Ava Amini

Summary

このスクリプトは、AIシステムがバイオロジーの新しい発見を促進し、精密医療を実現できると述べています。人間の健康は強固でありながらも非常に繊細であり、個々人が異なる遺伝子組み合わせと経験の歴史を持っていますが、医学ではこれらの違いがあまり考慮されていません。マイクロソフト研究では、AIを利用して生物学の言語を解読し、病気のメカニズムを発見し、新しい治療法を設計し、安全かつ信頼性の高いシステムを現実世界に展開することを目指しています。具体例として、癌を用いて、細胞の生物学的な変化に基づいて治療を行う必要性を強調しています。また、1つの腫瘍バイオプシーから50兆のデータポイントを生成し、AIを用いて個々の患者に応じた治療法を推奨するという手法を提案しています。さらに、新しい分子療法を設計するために、進化のデータを学び、50兆のユニークなタンパク質のシーケンスから新しい分子を生成するジェネラティブAIモデルを開発しました。これにより、生物学的な機能を測定し、効果的な治療法を実現する可能性があります。

Takeaways

• 🌟 私たちのビジョンは、個人化された医療を目指し、AIシステムを構築することで、新しい生物学的発見を促進し、加速することができると考えています。
• 🧬 人間の健康と生命は、非常に強靭でありながらも非常に繊細であり、個々人が持つ遺伝子構成や経験の歴史の違いを医学にはあまり考慮されていません。
• 💊 今後の医学では、病気の検出と治療だけでなく、新しい生物学的発見を解き明かす新しい考え方が必要です。
• 🧬 生物学は進化の手にかけて自然にデータを格納しており、そのデータのスケール、豊かさ、複雑性をAIで解読する可能性があります。
• 🤖 Microsoft研究では、AIを活用して医療を個人化し、病気のメカニズムを発見し、新しい治療法を設計し、安全かつ信頼性の高いシステムを構築することを目指しています。
• 🎯 癌を例にすると、癌は細胞の生物学的な変化によって引き起こされますが、まだその変化に基づいて治療法を適応させる方法を理解していません。
• 📉 今の治療法では、40％未満の癌患者が効果的に応答し、個人の豊かな情報は失われています。
• 🧬 1つの腫瘍バイオプシーから50,000,000のデータポイントを生成できるという生物学データのスケールと複雑性をAIで利用する可能性があります。
• 🤝 Microsoft研究は、MITとハーバードのBroad Instituteと協力して、精密神経学の新しいビジョンを創造し、AIを用いて患者の分子メジャーメントから個人化された推奨を実現しています。
• 🛠️ 新しい分子療法を設計するために、進化のデータを学習し、50,000,000の独特のタンパク質の配列から訓練された新しい生成AIモデルを構築しています。
• 🌐 AIによって設計された新しいタンパク質は、実際の生物学的機能と結びつけることができ、新たな機能性を提供する可能性があります。
• 🔬 生物学の言語を理解し、様々なデータタイプとスケールを横断して推論し、患者のニーズに応じた効果的な治療を実現するために、データと学習のフィードバックループを形成する必要があります。

Q & A

どのようなビジョンが、AIシステムを通じてバイオロジーの発見を促進し、精密医療に貢献するという考え方がありますか？

AIシステムを通じて、個人差を含むバイオロジーの言語を解読し、病気のメカニズムを発見し、新しい治療法を設計し、最終的に現実世界において安定的で安全なシステムとして展開することで、精密医療を実現するというビジョンがあります。

現在の医療で、個人差を考慮する治疗が行われていない理由は何ですか？

現在の医療では、大規模な集団に対する平均的な効果に基づく治療が行われており、個人の持つ豊かな複雑性や違いはあまり考慮されていません。そのため、個人差を考慮した真正の精密医療を実現するためには、新しい考え方が必要です。

癌の治療において、なぜ効果的な治療が40％未満の癌患者にしか適用されないのでしょうか？

癌は細胞の生物学的な変化によって引き起こされますが、これらの変化に基づいて治療を行う方法がまだ十分に理解されていないためです。また、既存の標的治療法に対して効果が認められる患者は、その40％の患者のうち5％以下とされています。

1つの腫瘍バイオプシーから生成されるデータポイントの数はどれくらいですか？

1つの腫瘍バイオプシーから、DNA変異からタンスクリプトーム、タンパク質、そして細胞間の相互作用までを考慮すると、約5000万の個別のデータポイントが生成されることができます。

マイクロソフト研究でのAIの活用によって、どのような2つの具体的な方法が提案されていますか？

マイクロソフト研究では、MITとハーバードのブロードインスティテュートと協力して、精密がん学の新しいビジョンを創造し、AIを中心としたシステムを構築することで、患者の分子メジャーメントからAIシステムが個人別に最適な実験を推奨できるようにしています。また、新しい分子療法を設計するために、進化のデータを基に50,000,000のユニークタンパク質シーケンスを学習し、新しいタンパク質を生成するジェネラティブAIモデルを開発しています。

ジェネラティブAIモデル「evoi」は、どのようにして新しいタンパク質を設計するのですか？

evoiは、学習されたデータから機能的なタンパク質の部分を認識し、その部分をプロンプトとして使用して、新しいタンパク質シーケンスを設計します。これは、生物機能に直接結びつけられる構造を持つ、自然で見られない新しいタンパク質を生成することができます。

バイオロジーの言語を理解するためには、どのようなスキルが必要ですか？

バイオロジーの言語を理解するためには、異なるタイプのデータ間で推論し、分子レベルから患者レベルまでのすべてのコンポーネントを組み合わせる能力が必要です。これにより、精密医療のビジョンを実現するためのデータと学習のフィードバックループを形成することができます。

AIを用いてバイオロジーの発見を促進するビジョンは、どのような社会的な意義を持っていますか？

AIを用いたバイオロジーの発見は、個人差を考慮した治療法の開発を促進し、より効果的な治療を実現することができます。これは、患者一人ひとりが受けられる医療の質を向上させ、医療の個人化を推進する社会的な意義を持っています。

マイクロソフト研究で開発されたAIシステムは、癌の治療においてどのような役割を果たす予定ですか？

マイクロソフト研究で開発されたAIシステムは、患者の分子メジャーメントから個人別に最適な治療法を推奨し、新しい分子療法を設計することで、癌の治療における効果を向上させます。

AIによるバイオロジーの発見を促進するビジョンを実現するためには、どのような課題が残されていますか？

AIによるバイオロジーの発見を促進するビジョンを実現するためには、バイオロジーの言語を解読する能力を高め、個人差を考慮した治療法を開発し、また、AIモデルを現実のデータと結びつける必要があります。これらの課題を解決することで、より効果的な治療法を提供することができます。

AIがバイオロジーのデータから得られる洞察をどのように活用する予定ですか？

AIはバイオロジーのデータから得られる洞察を活用して、患者の特定のニーズに合わせた治療法を設計し、新しい分子療法を開発することができます。また、AIは、患者のデータをもとに、より効果的な治療法を推奨する助言を提供することができます。

AIを用いてバイオロジーの発見を促進するビジョンは、今後どのように発展する見込みがありますか？

今後、AIを用いたバイオロジーの発見は、より高度なデータ解析技術や機械学習アルゴリズムを用いて、患者の個人差をより正確に把握し、より効果的な治療法を提供する方向发展する見込みがあります。また、AIは、新しいバイオマーカーの発見や、未知の病気のメカニズムの解明においても重要な役割を果たすでしょう。

Outlines

00:00

🌟 AIによるバイオロジー言語の解読と個人化医療への道

この段落では、スピーカーはAIシステムを通じてバイオロジーの発見を促進し、精密医療を実現するというビジョンを紹介しています。人間の健康と生命力は強固でありながらも微妙に決まっていると述べ、医療では個人差があまり考慮されていない現状を指摘しています。AIの力を使って、個々の人の持つ違いや多様性に基づいて生物学的な発見を行う必要があると主張し、カncerを例に、治療法の個人化の重要性を強調しています。さらに、1つの腫瘍バイオプシーから50兆のデータポイントを生成できるという驚くべき事実を紹介し、AI研究者として見た驚きと生物学者として見た力について語ります。

05:03

🤖 Microsoft研究と共に実現する精密オンコロジーのビジョン

2つ目の段落では、スピーカーはMicrosoft研究がMITとハーバードのBroad Instituteと協力して、精密オンコロジーの新たなビジョンを築いています。AIを中心に置いた取り組みとして、患者の分子測定からAIシステムを構築し、個人別に最適な実験推奨を行う方法を開発しています。また、新しい分子療法を設計するために、進化のデータを基にした大規模なデータセットから学び、新しい分子を生成するジェネラティブAIシステムを構築しています。このシステムを使って、自然で見たことのない新しいタンパク質を設計し、生物学的な機能と結びつけることができます。スピーカーは、これらの取り組みが生物学の言語を理解し、患者のニーズに応じた治療法を実現する基盤になると語っています。

Keywords

💡AIシステム

AIシステムとは、人間の健康を向上させるために開発される人工知能のシステムです。このビデオでは、AIシステムが生物学の発見を促進し、精密な医療を実現することに焦点が当てられています。AIは、生物学の言語を解読し、個々の患者に応じた治療法を設計する力を持つ可能性があります。

💡精密医療

精密医療は、患者一人ひとりの特徴を考慮して治療を行う医療の姿勢です。ビデオでは、AIを用いて個々の遺伝子型や生活歴を考慮した治療法を提供することを目指しています。これにより、患者一人ひとりに応じた治療が可能になり、治療の効果を向上させることができます。

💡生物学

生物学とは、生命体の構造、機能、進化などを研究する科学分野です。ビデオでは、AIが生物学の言語を解読し、生物学的なデータを用いて新たな発見を促進することができると述べています。生物学の複雑さと豊かなデータは、AIによる解析の鍵となります。

💡遺伝子の変化

遺伝子の変化とは、遺伝子の配列に現れる変異を指します。ビデオでは、癌の発生は細胞の生物学的な変化によって引き起こされ、遺伝子の変化に基づいて治療を行う必要があると触れています。AIは、これらの遺伝子の変化を分析し、患者に応じた治療法を提案する力を持つ可能性があります。

💡ターゲット療法

ターゲット療法とは、患者の細胞の特定の変化に応じて行われる治療法です。ビデオでは、現在ではターゲット療法が存在するにもかかわらず、効果が期待されない患者が多く、より良い方法が必要とされています。AIは、より正確なターゲット療法を実現する手助けができると示唆しています。

💡データ解析

データ解析とは、大量のデータを収集し、分析して意味のある情報を引き出すプロセスです。ビデオでは、AIが生物学的なデータを解析し、新たな治療法の設計や病気のメカニズムを解明する上で重要な役割を果たすと述べています。

💡生体組織のバイオプシー

生体組織のバイオプシーとは、患者の体内から組織を採取するプロセスです。ビデオでは、癌患者から腫瘍バイオプシーをとり、その組織から50兆のデータポイントを生成することができると触れています。これは、AIが患者一人ひとりの複雑さを理解する上で重要な手がかりとなります。

💡generative AI

generative AIとは、新しいものを作成することができる人工知能のタイプです。ビデオでは、generative AIが新しい分子療法やタンパク質を設計し、生物学的な機能を拡張する力を持つと述べています。これは、AIが生物学の言語を解読し、新たな発見を促進する上で重要な役割を果たすと示唆しています。

💡タンパク質

タンパク質とは、細胞内の様々な機能を担う大分子です。ビデオでは、AIがタンパク質の機能を学習し、新しいタンパク質のシーケンスを設計することができると触れています。これは、新しい治療法の開発に向けて重要な進歩です。

💡データと学習のフィードバックループ

データと学習のフィードバックループとは、データから学び、その学びをもとに新たなデータを生成するプロセスです。ビデオでは、AIが患者のデータを用いて新たな治療法を提案し、その結果をもとにAIを改善するというサイクルが重要であると述べています。これにより、より効果的な治療法を実現することができると期待されています。

💡実験設計

実験設計とは、科学的な実験を計画し、実行するためのプロセスです。ビデオでは、AIが患者一人ひとりのデータを用いて実験を設計し、個人に応じた治療法を提案することができると述べています。これにより、より正確な治療法を実現し、患者一人ひとりのニーズに応じた医療を提供することができると期待されています。

Highlights

The vision is to build AI systems that can accelerate new biological discoveries towards precision health.

Human health is both robust and delicate, with each individual having a unique genetic makeup and history of experiences.

Current medical practices do not fully account for the nuances and complexities that make each person unique.

There is a need for a new approach to unlock biological discoveries and learn patterns that differentiate us.

AI systems are experiencing a revolution, with potential to learn the 'language' of biology through vast amounts of data.

Microsoft Research aims to develop new AI for personalized medicine to discover disease mechanisms and design treatments.

Cancer serves as a critical use case, with nearly 40% of the U.S. population projected to develop it in their lifetime.

Less than 5% of patients respond effectively to current treatments, indicating a significant problem in the approach to cancer therapy.

Cancer is often treated in a reductionist way, losing the richness and complexity of individual differences.

A single tumor biopsy can generate nearly 50 million data points, representing an opportunity for AI.

Microsoft Research is collaborating with the Broad Institute to create a new vision for precision oncology using AI.

AI systems can produce personalized recommendations for patient-specific treatments based on molecular measurements.

Generative AI systems are being built to design new molecular therapies, learning from large datasets of protein sequences.

The AI model 'evoi' can create new protein instances with potential for chemical, biological, or therapeutic functions.

An example of a new protein designed by AI shows a structure linked to a measurable biological function.

The ability to generate new molecules and understand the language of biology is crucial for reasoning across different scales of data.

The goal is to create a data and learning flywheel to close the loop on precision medicine and realize more effective treatments.

Transcripts

thank you so much Peter it's an absolute

honor to be here with you all to share

with you our vision of how we can build

AI systems that can enable and

accelerate new biological Discovery

towards a vision of Precision

Health our work is fundamentally

motivated by the fact that human health

and human life is a Marvel on one hand

incredibly robust and on the other hand

incredibly delicate and to me the most

amazing thing about all this is that

each and every one of us is unique we

all have different bodies different

genetic makeups a different history of

experiences that makes you you and me me

and yet somehow it all seems to work in

concert and yet shockingly in medicine

today the fact is that these Nuance

differences these richnesses and

complexities are largely not taken into

account to preserve our health in a way

that's truly personalized

we don't just need a better way to

detect and treat disease or discover new

drugs I'd argue that we need a whole new

way to think about how we unlock new

biological discoveries and learn those

patterns that differentiate us all and

deploy them

forward through the use of powerful

tools like AI now it's no secret that

today we're experiencing a revolution

with a new generation of AI systems

train trained on Words and text the

language of us as

humans but yet there is tremendous

opportunity to unlock and learn the

language of

biology because of the fact that biology

through the hand of evolution naturally

stores an incredible scale richness and

complexity of data within each and every

one of

us our vision at Microsoft research is

to leverage this opportunity to now

develop new AI towards the vision of

personalizing medicine to help us

discover the mechanisms of disease

better to design new treatments and

ultimately deploy these systems into the

real world in a way that's reliable and

safe let me start by showing you why

this matters and a concrete example of

why we should

care let's consider cancer as a use case

in the United States nearly 40% of the

population would will develop cancer in

their lifetime and while we've known for

a while that cancer is driven

fundamentally By changes in the biology

of our cells we yet don't understand how

to condition the therapies based on

those changes to deliver the right

treatment to the right patient at the

right time indeed for fewer than 40% of

cancer patients today there exists what

we call targeted therapies that are

therapies specific to changes in their

cells but what's even more shocking is

of those 40% less than 5% of patients

even respond effectively to today's

treatments so clearly there's a problem

and clearly we can do better but why are

we

failing the answer to that is that

because by and large cancer is treated

in this ad hoc reductionist way where

that richness and complexity of the

individual is lost because they're

viewed as rather an instance in a

population given a treatment that works

on average over large scale population

wise

studies and so I've been speaking a lot

about this richness this complexity this

scale of biological data what exactly do

I mean by this and how can we make this

concrete I'd like you to consider now

suppose we have one cancer patient and

we take a biopsy from one tumor from

that patient

at just this level thinking about the

scales of biological resolution from the

level of DNA mutations to the

transcriptome to proteins to the

interactions of cells in their

neighborhoods and how they communicate

with each other we can generate nearly

50 million individual data points from

just the single tumor biopsy using our

measurement and experimental techniques

that we have in the lab

today now let's pause for a second and

consider this number right when I look

at this as an AI researcher and as a

computer scientist I see tremendous

opportunity and if I look at this number

as a

biologist I see Power that comes at the

hand of this richness and

complexity what's beautiful is we can

put those together by using this ability

to directly measure biology at its

natural scale the Nano scale as it's

occurred in in real time this gives us

opportunity to unlock the development of

new Ai and today I'm very excited to

share with you two concrete ways in

which we at Microsoft research have

brought this to

life first in collaboration and in close

partnership with the broad Institute of

MIT and Harvard we're collaborating to

create a new vision for precision

oncology closing the loop on this Vision

that we been talking about by putting AI

front and Cent and Center such that we

can directly tail take these molecular

me measurements from the patient level

train and build AI systems that can now

produce recommendations about what

experiments are best to test for that

patient in a personalized way we can use

this as a flywheel to generate the new

data that we produce in the lab to then

iterate and improve our AI model and and

ultimately recommend or design new

treatments that are specific and

tailored to the needs and biology of

that

person we can dive deeper on one of the

components of this Pipeline and ask what

does it take to actually design new

molecular therapies new treatments that

have functional

ability and to this end we've built and

are building powerful new generative AI

systems to design new molecular

Therapies like

proteins by learning the language of

protein function learning from large

scale evolutionary scale data sets of 50

million unique protein

sequences we've trained a new generative

AI model that we call evoi that can now

produce brand new instances of proteins

that have never been seen before in

nature with the goal of expanding the

functional capabilities whether they be

chemical biological or therapeutic

available to

us let's bring this capability this

generative capability to life through an

example what I'm showing you here is an

example of one protein where in green

I've isolated the functional part of

that protein that is responsible for its

function binding to calcium in our cells

we can take that part and isolate it and

use this as a kind of prompt to our

model Evo diff which can then take that

prompt and learn from the information

that it's been trained on and see to now

design a brand new protein sequence

around that part step by step from the

bottom up creating a brand new protein

sequence that's never existed

before and what's amazing is that this

new protein designed by our AI model

shows a structure that we can then

explicitly link to biological function

measured in the lab in the real world

now I'd be remiss to say that it stops

there at our ability to generate new

molecules and proteins that's just the

start to actually learn and understand

this language of biology we need to be

able to reason across scales across

different types of data and put all

these components together from the

molecule level all the way up to that of

the

patient we see this as a foundation by

which we can now close the Loop and

generate a data and learning flywheel to

close this vision of precision medicine

for once and for all to be able to

personalize Discovery experimental

design and ultimately hopefully realize

more effective treatments thank you

[Applause]