Kroz izložbu, posetioci su imali priliku da koriste interaktivni rečnik, leksikon pojmova u vezi sa velikim podacima, te da upravo takve podatke praktično primene kroz pametnu poljoprivredu, kompjutersku analizu, bioinformatiku i klimatska predviđanja.
Za portal Daily Green, a o veštačkoj inteligenciji, medicini, kompjuterskom dizajnu proteina i njegovom difuznom modelu Rfdiffusion, te o budućnosti koja nas čeka, razgovarali smo sa doktorom Ivanom Tanasijevićem, višim stručnim saradnikom u Institutu za veštačku inteligenciju Srbije i članu istraživačke grupe “AI in Healthcare and Lifescience”.
DG: Kakve promene u medicini možemo očekivati u budućnosti, sa pojavom kompjuterskog dizajna proteina?
Ivan: U bliskoj budućnosti, kompjuterski dizajn proteina će direktno omogućiti smanjenje troškova proizvodnje i vremena potrebnog za razvoj novih lekova. Ne samo što potencijalno može dovesti do otkrića terapija koje nisu dostupne tradicionalnim metodama, već i smanjuje cenu onih koje jesu. U nešto daljoj budućnosti, donosi nam širu dostupnost personalizovane ili precizne medicine, to jest, terapije prilagođene pojedincima ili određenim grupama ljudi.
DG: Da li možemo očekivati da će kompjuteri i, najviše, veštačka inteligencija, promeniti struku medicine?
Ivan: Medicina se neprestalno menja i konstantno ide u korak s vremenom, a digitalizacija ju je značajno promenila, čak i tokom prošlog veka. Kao i u većini drugih struka, možemo očekivati unapređenje slično onom koje donose sve nove tehnologije, a to je da će znatnu prednost u svojoj struci imati lekari koji se upoznaju sa prednostima i dostupnim alatima baziranim na VI (veštačkoj inteligenciji).
DG: Da li će medicinski roboti i AI u medicini moći da daju dijagnozu i jedinstvenu terapiju za pacijenta?
Ivan: Medicinski roboti će uglavnom svoju primenu naći u hirurgiji, dok će alati bazirani na veštačkoj inteligenciji u zavisnosti od tipa bolesti i dostupnosti podataka moći da daju statistički osnovanu preporuku dijagnoze i terapije. Konačnu odluku o dijagnozi i odgovarajućoj terapiji će i dalje donositi lekar.
DG: Smatrate li da će ljudi imati poverenja u veštačku inteligenciju kada je medicina u pitanju?
Ivan: Mi ljudi uglavnom gajimo strah od nepoznatog, što je sasvim na mestu i potkovano je prirodnim evolutivnim principima samoodržanja. Smatram da je sada pravi trenutak da radimo na demistifikaciji i edukaciji o VI i sličnim alatima koji nam mogu unaprediti kvalitet života.
DG: Možete li nam reći više o difuzionom modelu Rfdiffusion?
Ivan: Rfdiffusion je generativan model mašinskog učenja koji je sposoban da dizajnira nove proteine koji ispunjavaju raznovrsne zahteve koji korisnik zada. U pitanju je model baziran na RoseTTAFold modelu za predviđanje strukture proteina na osnovu sekvence gradivnih aminokiselina. Generalno, difuzioni modeli mašinskog učenja se treniraju tako što uče da otklanjaju šum sa realnih podataka. Time model istrenira razumevanje strukture realnih podataka i stiče sposobnost generisanja novih podataka različitih od trening seta, ali sličnih po strukturi. U ovom slučaju, difuzioni model se trenira na bazi struktura proteina poznatoj kao Protein Data Base (PDB). Takođe, RFdiffusion demonstrira još jedan važan koncept iz mašinskog učenja – transfer znanja. Arhitektura i početni parametri modela su preuzeti iz RoseTTAFold modela koji, kao što je spomenuto iznad, služi za predviđanje prostorne strukture proteina na osnovu sekvence.
DG: Šta su o kompjuterskom dizajnu proteina mogli saznati posetioci manifestacije Maj mesec matematike?
Ivan: U jednoj od baterija silosa, gde se manifestacija održavala, nalazila se postavka posvećena upravo kompjuterskom dizajnu proteina koja je realizovana od strane Centra za promociju nauka u saradnji sa Institutu za VI, na kome i sam radim. U samom centru baterije nalazi se fizički realizovan model 3D strukture jednog veoma važnog proteina – insulina. Pored toga, posetioci su mogli pročitati i nešto više o procesu dizajniranja kao i interaktivno istraživati kompjutersku vizualizaciju strukture proteina.
