Google e DeepMind hanno recentemente rivelato una significativa innovazione nell’ambito dell’intelligenza artificiale applicata alla sanità, con il lancio di Med-Gemini, un insieme di modelli AI avanzati progettati per il settore sanitario. Questa nuova iniziativa promette di potenziare in modo considerevole le capacità diagnostiche e terapeutiche attraverso l’impiego di tecnologie d’avanguardia.
Che cos’è Med-Gemini e come funziona
Med-Gemini è il risultato delle innovazioni della serie di modelli Gemini, noti per la loro capacità di ragionamento multimodale e la loro abilità nel gestire contesti complessi e prolungati. Tali modelli sono stati ottimizzati per eccellere in ambito medico, utilizzando l’intelligenza artificiale per interpretare e analizzare dati multimodali, dalle note cliniche alle immagini diagnostiche. Un report recentemente pubblicato da Google e DeepMind evidenzia che Med-Gemini ha stabilito nuovi standard di eccellenza in 14 benchmark medici, superando i record precedenti in 10 di questi. Particolarmente impressionante è stata la sua precisione del 91,1% nel benchmark MedQA (USMLE), che valuta le competenze di ragionamento medico dei sistemi AI.
Oltre a queste notevoli performance quantitative, Med-Gemini ha dimostrato una superiorità significativa rispetto ai modelli GPT-4, superandoli in ogni benchmark comparabile, spesso con margini considerevoli. Questo include miglioramenti del 44,5% in sette benchmark multimodali, come le sfide di immagini del New England Journal of Medicine e il MMMU (salute e medicina).
Med-Gemini ha la capacità di integrare ricerche web aggiornate nel processo decisionale
Le competenze di Med-Gemini vanno oltre la mera diagnosi. Il modello ha dimostrato eccellenza anche in compiti complessi di ricerca in vasti archivi clinici de-identificati e nel rispondere a domande su video medici, superando i metodi precedenti basati sull’apprendimento contestuale. Una delle caratteristiche più innovative di Med-Gemini è la sua capacità di integrare ricerche web aggiornate nel processo decisionale. Questo permette al modello di rimanere aggiornato sulle ultime ricerche e trattamenti, garantendo che le decisioni mediche siano basate sulle informazioni più attuali e pertinenti. Med-Gemini ha anche superato gli esperti umani in compiti di lunga forma basati su testo, come la sommarizzazione medica, la generazione di rinvii medici e la semplificazione di testi medici, dimostrando il suo potenziale come strumento di supporto nelle decisioni cliniche. Questo non solo migliora l’accuratezza diagnostica, ma anche la qualità della cura del paziente.
L’approccio “verticale per verticale” adottato da Google per Med-Gemini permette di creare modelli ottimizzati per specifici scenari medici, migliorando la precisione e la trasparenza delle diagnosi, elementi fondamentali per la fiducia e l’adozione da parte dei professionisti della salute. Siamo indubbiamente davanti a un progresso significativo nell’uso dell’AI in medicina, con il potenziale di rivoluzionare il modo in cui i pazienti sono diagnosticati e trattati.
Colpisce, come sempre, la velocità – circa due anni – con cui il modello è arrivato a queste prestazioni. Senza dubbio, nei prossimi sviluppi, questo modello potrebbe diventare un componente essenziale nell’ecosistema sanitario globale, migliorando sia l’efficienza che l’efficacia delle cure mediche offerte.
Google DeepMind svela AlphaFold 3, il modello AI per le cellule viventi
Google DeepMind ha svelato anche un modello di intelligenza artificiale delle unità fondamentali della vita e delle loro interazioni all’interno delle cellule, potenziando gli sforzi per scoprire i segreti delle malattie e trovare trattamenti per condizioni come il cancro. AlphaFold 3, la terza generazione di tecnologia inizialmente sviluppata nel 2018, offre le previsioni più sofisticate fino ad ora su come le minuscole strutture biologiche appaiono e interagiscono, secondo un articolo pubblicato su Nature l’8 maggio 2024. Il modello, sviluppato con la spin-off di DeepMind per la scoperta di farmaci Isomorphic Labs, è l’ultimo traguardo nella ricerca di applicare il potere predittivo dell’AI per migliorare la comprensione dei meccanismi miniaturizzati della vita e di come questi possano andare storti.
“La biologia è un sistema dinamico e devi capire come le proprietà della biologia emergono attraverso l’interazione tra diverse molecole nelle cellule”, dichiara Demis Hassabis, amministratore delegato e co-fondatore di DeepMind. “E puoi pensare ad AlphaFold 3 come al nostro primo grande passo verso questo obiettivo.” L’aggiornamento tecnologico espande la sua portata biologica oltre le proteine che ha precedentemente analizzato, offrendo una visione più ricca delle reti biochimiche che fanno funzionare gli organismi.
AlphaFold 3, come agisce
Il modello copre il codice genetico DNA e RNA così come i ligandi – molecole che si legano ad altre e possono essere importanti indicatori di malattia. Le capacità di AlphaFold 3 aprono nuove opportunità per i ricercatori di identificare rapidamente potenziali nuove molecole farmaceutiche, sostiene Max Jaderberg, direttore AI di Isomorphic Labs.
Isomorphic Labs ha partnership con le aziende farmaceutiche Eli Lilly e Novartis. “Ciò permette ai nostri scienziati, ai nostri progettisti di farmaci, di creare e testare ipotesi a livello atomico, e poi in pochi secondi produrre previsioni strutturali altamente accurate con AlphaFold 3”, ha detto Jaderberg. “Questo rispetto ai mesi o addirittura agli anni che potrebbe richiedere fare ciò sperimentalmente.”
AlphaFold 3 dimostra una precisione predittiva “significativamente migliorata” rispetto a molti strumenti specializzati esistenti, compresi quelli basati sui suoi stessi predecessori, afferma l’articolo. Mostra che sviluppare i giusti framework di deep learning AI può ridurre notevolmente la quantità di dati necessari per ottenere una “performance biologicamente rilevante”, aggiunge la ricerca. “Stiamo vedendo miglioramenti davvero incredibili che pensiamo sbloccheranno molta nuova scienza”, ha detto John Jumper, leader del team AlphaFold di DeepMind, citando il potenziale della tecnica per migliorare la conoscenza della biologia delle piante e quindi la sicurezza alimentare. “Stiamo già iniziando a vedere biologi e tester precoci utilizzare questo per capire come funziona la cellula – e iniziare a pensare a come potrebbe andare storto quando si è in stati di malattia.”
Le molecole suggerite da AlphaFold 3 dovranno ancora essere validate sperimentalmente e passare attraverso il normale processo di sperimentazione clinica. DeepMind dice che sta rendendo disponibile la maggior parte delle funzionalità di AlphaFold 3 attraverso un server che sarà gratuito per gli utenti accademici non commerciali.
BCG: l’AI potrebbe raddoppiare la produttività della ricerca e dello sviluppo farmaceutico
Uno studio del Boston Consulting Group pubblicato a maggio suggerisce che i farmaci scoperti dall’AI hanno un tasso di successo più alto nelle prove cliniche iniziali rispetto a quelli scoperti con altri metodi. Avvertendo che i dati erano un’analisi preliminare dell’efficacia della tecnologia nella scoperta di farmaci, i ricercatori hanno detto che l’AI potrebbe raddoppiare la produttività della ricerca e dello sviluppo farmaceutico. Il server promette di cambiare il modo in cui le persone fanno esperimenti, ha detto Julien Bergeron, biologo strutturale presso il King’s College di Londra, che non è stato coinvolto nello sviluppo di AlphaFold 3 ma ne è stato un utente di prova.
“Potremmo iniziare a testare ipotesi prima ancora di andare in laboratorio”, ha detto. “Questo sarà davvero trasformativo.” Le limitazioni di AlphaFold 3 includono difficoltà nel gestire completamente molecole chirali – o speculare – così come “allucinazioni” di “ordine strutturale spurio” in aree che sono in realtà disordinate. Uno dei rimedi che il modello utilizza è assegnare misure di fiducia alle previsioni, per riflettere la probabilità di errore.
