Store muligheter med kunstig intelligens innen farmasien
Farmasøyt Andrea Storås likte ikke data, men innså at det bare er fantasien som begrenser hva kunstig intelligens kan gjøre innen helse. Nå tar hun doktorgrad i kunstig intelligens.
Farmasøyt Andrea Storås var aldri spesielt interessert i data. Hun hadde litt programmering på videregående, men syntes ikke det var så gøy.
På masteroppgaven i farmasi noen år senere jobbet hun med å utvikle en populasjonsmodell for å skreddersy doseringen av immundempende legemiddel til nyretransplanterte. Det krever en del dataarbeid, og hun skjønte at det var et nyttig redskap. Så oppdaget hun hva kunstig intelligens kunne gjøre for en slik modell, men for å bruke det måtte hun lære mer om programmering.
— Jeg så at det kan brukes til så mye spennende, så da tenkte jeg at det har jeg lyst til å lære mer om, sier hun.
Doktorgrad i kunstig intelligens
Da Storås var ferdig utdannet farmasøyt i 2020, meldte hun seg umiddelbart opp til en bachelor i informatikk for å lære grunnleggende programmering og tok etter hvert en rekke nettkurs om maskinlæring og kunstig intelligens.
— Jeg ville lære meg det grunnleggende først, sånn at jeg var bedre rustet til å fortsette med det, sier hun som tydelig fikk et godt grep på det tekniske, og i 2021 fikk hun doktorgradstipend for å forske på kunstig intelligens innen helse ved Simula Metropolitan Center for Digital Engineering og Oslomet – storbyuniversitetet.
På Simula jobber Storås med forklarbar kunstig intelligens innen medisin.
— Kunstig intelligens er at man får maskiner til å løse oppgaver på en måte som fremstår som at de skulle vært intelligente. Så er maskinlæring en undergruppe som er den man oftest bruker. Man har data fra tidligere erfaringer, og så trener man en maskinlæringsmodell slik at den lærer å løse en oppgave basert på dataene. Du gir den dataene og sier «finn ut av hvordan du gjør dette», men du sier ikke eksplisitt hvordan den skal gjøre det. Det finner den ut selv. Det er maskinlæring grovt sett, forklarer hun.
I praksis er det umulig for mennesker å skjønne helt hva som skjer, hvordan de verdiene flyter gjennom nettet og hvordan de blir til en prediksjon, for det er så komplekst.
Datamengden maskinen mates med, er massive, og prosessen den kjører dataene gjennom, er svært kompliserte.
— Modellene er ofte dype nevrale nett som består av veldig, veldig mange parametre. I praksis er det umulig for mennesker å skjønne helt hva som skjer, hvordan de verdiene flyter gjennom nettet og hvordan de blir til en prediksjon, for det er så komplekst.
Kunstig intelligens
ChatGPT (Chat Generative Pre-trained Transformer)
En stor språkmodell utviklet av OpenAI, som er trent på store mengder tekst for å kunne generere sammenhengende og meningsfulle svar basert på gitte spørsmål eller instruksjoner.
Vi ba like godt ChatGPT lage en faktaboks om kunstig intelligens med referanser (teksten er ordrett gjengitt, den er verken redigert eller korrekturlest av NFT):
Kunstig intelligens (KI) er et felt innen datavitenskap som fokuserer på utvikling av maskiner og dataprogrammer som kan utføre oppgaver som vanligvis krever menneskelig intelligens. KI omfatter ulike teknikker og tilnærminger, inkludert maskinlæring, dyp læring, naturlig språkbehandling og kunnskapsrepresentasjon.
Anvendelser:
- Språkbehandling: KI brukes til automatisk oversettelse, talegjenkjenning og generering av naturlig språk.
- Maskinlæring: KI anvendes til å utvikle modeller som kan lære fra data og gjøre prediksjoner eller ta beslutninger.
- Bildegjenkjenning: KI benyttes til å identifisere og klassifisere objekter og mønstre i bilder og videoer.
- Selvkjørende kjøretøy: KI spiller en viktig rolle i utviklingen av autonome biler og kjøretøy, som kan oppfatte omgivelsene og ta avgjørelser basert på sensorinformasjon.
- Medisinsk diagnose: KI brukes til å hjelpe leger med diagnose av sykdommer og prognoser basert på pasientdata og medisinske bilder.
- Finans: KI brukes i aksjehandel, risikovurdering og svindeldeteksjon for å analysere store mengder finansielle data og identifisere mønstre.
Etikk og utfordringer:
- Arbeidsplasser: KI kan automatisere oppgaver som tidligere ble utført av mennesker, noe som kan føre til tap av arbeidsplasser.
- Personvern og sikkerhet: Bruken av KI kan reise bekymringer rundt personvern, spesielt når det gjelder innsamling og analyse av store mengder persondata.
- Bias og diskriminering: KI-algoritmer kan være utsatt for skjevheter og forsterke eksisterende diskriminering hvis de er trenet på data som reflekterer slike skjevheter.
- Autonomi og ansvar: Autonome systemer som bruker KI kan reise spørsmål om hvem som skal holdes ansvarlig for skader eller feilbeslutninger.
Referanser:
1. Russell, S. J., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach. Pearson.
2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
3. Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature, 529(7587), 484-489.
4. Topol, E. J. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books.
5. Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton & Company.
Kilde: ChatGPT
Skal oversette kunstig intelligens for helsepersonell
Forskningen hennes går ut på å finne ut hvordan best mulig forklare prosessene og resultatene til helsepersonell som skal bruke programmene.
— Hvis man skal bruke kunstig intelligens i klinikken eller behandling, er det viktig at helsepersonell stoler på modellene, og en måte å få dem til å stole på det, er at de faktisk skjønner litt mer av hvordan de virker og hva som ligger bak: at man ikke bare putter noe inn i en svart boks, og så får man ut noe og vet egentlig ikke hva som skjedde, sier hun.
— Det jeg jobber med er å undersøke hvilke forklaringsmetoder det er som fungerer, og hvilke som ikke fungerer, og er det noe jeg kan forbedre eller bidra med for at man skal kunne forklare modellene bedre.
— Det som gjør det litt ekstra komplisert er vel at de som lager disse programmene og modellene heller ikke helt skjønner hva som skjer inni dem?
— Man har matematiske funksjoner som bestemmer hvordan man skal justere vektene i modellene og så videre, men det blir så overveldende, det blir så innmari mange parametre – det kan være flere millioner parametre i en modell, så for et menneske blir det liksom for mye til at man faktisk kan se sammenhengene og skjønne helt logikken i det.
LES OGSÅ: Apotek i 2040 – kva er det?
Vi vet ikke helt hvordan Paracet fungerer heller
De fleste leger og helsepersonell Storås jobber med, er interessert i å bruke de digitale verktøyene, men noen er skeptisk og trenger grundige forklaringer og ønsker å forstå hva som skjer. Andre er fornøyd hvis de får inntrykk av at det fungerer.
— Man vet jo ikke helt mekanismene bak hvordan paracetamol fungerer i kroppen, så de er vant til at det er ting man bruker som man ikke forstår helt hvordan fungerer.
Storås deltar på flere prosjekter. Hun jobber mye med bildedata for diagnostikk i samarbeid med Tørreøyneklinikken.
— I dag er det sånn at legen markerer på bildene hvor de interessante delene er. Det vi vil gjøre er å trene en modell til å gjenkjenne hvilke deler i bildet som er viktig og ikke, slik at legen slipper å gjøre det selv, for da sparer de veldig mye tid, forklarer hun og legger til at de også har et samarbeid med gastroenterologer om å trene modeller til å kan identifisere svulster og kreft i tarmen på koloskopivideoer.
— En sånn video kan vare i mange, mange timer, og vanligvis må legen sitte og se gjennom hele videoen.
Fantasien setter grensen
— Har du noen tanker om hva kunstig intelligens kan brukes til innen farmasien?
— Det er noen ting som jeg tenker er spesielt interessante: Det er alt fra utvikling av legemidler til innkjøp, distribuering og bruk av legemidler i praksis, og også på folkehelsenivå tenker jeg kunstig intelligens kan få en viktig rolle videre. Og så er det selvfølgelig det med diagnostikk og mer persontilpasset behandling.
— Litt enkelt sagt tenker jeg at det er fantasien som setter grenser, smiler hun.
Utvikling av legemidler er området hvor det kanskje har vært lettest å se potensialet til kunstig intelligens og hvor det brukes aktivt. Blant annet er det en maskinlæringsmodell kalt AlphaFold som nylig revolusjonerte bioinformatikken. Den kan med stor treffsikkerhet forutsi hvordan en sekvens av aminosyrer folder seg til et protein, noe som er til stor hjelp for å utvikle proteinlegemidler som må ha helt riktig struktur for å binde seg til målreseptorene.
— Da kan man spare mye tid på å slippe å produsere alle proteinene, og se selv hvordan de blir, men man kan finne noen som er mer lovende enn andre og heller fokusere på å teste ut disse.
Først og fremst kan kunstig intelligens gjøre hverdagene lettere, og man kan fokusere tiden på de tingene som faktisk er faglig utfordrende og at man ikke trenger å gjøre repetitive arbeidsoppgaver.
Det samme kan gjøres med kjemiske forbindelser for å se hvilke forbindelser som er mest lovende for å utvikle til et legemiddel. Det gjør det mulig å gå gjennom mange flere forbindelser enn hvis alle må testes eksperimentelt, og ikke minst kan det gjøre at forskerne oppdager forbindelser de ikke har tenkt på selv.
— Det er veldig spennende med tanke på legemiddelindustri og finne nye legemidler.
LES OGGSÅ: Teknologi + farmasøyt = bedre pasientbehandling?: — Norge har sovet i timen de siste 20 årene
Beredskap og innkjøp
Ved innkjøp av legemidler tror hun også maskinlæring kan få stor betydning. Maskinlæringsmodeller kan predikerer legemiddelbehov i fremtiden både på landsbasis og apoteknivå.
— Da trenger vi kanskje ikke ha så mye på lager, og man kan planlegge innkjøpene, sånn at man har det man trenger og at man ikke nødvendigvis kjøper inn ting man ikke får brukt, påpeker hun og viser til at det ikke minst kan være viktig i forbindelse med beredskap. I 2019 ble for eksempel kunstig intelligens brukt til å oppdage utbrudd av covid-19.
Når det gjelder diagnostisering, trekker hun frem screening av for eksempel brystkreft, som er omdiskutert blant annet fordi for mange som ikke har behov for det, kalles inn til screening unødvendig.
— Hvis man hadde mer data og kunne brukt kunstig intelligens og maskinlæring, kan man se for seg å kun kalle inn de som faktisk har en forhøyet risiko og trenger ikke å kalle inn folk som det ikke er sannsynlig at kommer til å få brystkreft, i hvert fall ikke så ofte, poengterer hun og legger til at listen er nær utømmelig.
— Jeg føler at man er bare i startgropa med bruken av kunstig intelligens. Det er veldig mye forskning på det, veldig mye oppmerksomhet og veldig mye sponsing. Jeg tenker at de algoritmene man ser, bare er begynnelsen. De kommer til å bli bedre i fremtiden og kommer til å bli mer pålitelige, sier hun og viser til at utviklingen går ekstremt fort.
— I maskinlæringsmiljøet går ting så veldig fort. En artikkel skrevet i 2016 er fort utdatert i dag, for da er den kjempegammel, konstaterer hun.
Et poeng som bekreftes ganske tydelig med tanke på at Storås snakket med NFT i september 2022. Sommel fra journalisten gjør at artikkelen kommer ut nesten ett år senere og over et halvt år etter at ChatGPT 4 ble offentliggjort og førte til at oppmerksomheten rundt kunstig intelligens har akselerert betraktelig.
Tverrfaglig farmasøyt og teknolog
Storås, som både har en fot i begge leire og som jobber med kommunikasjonen mellom dem, føler hun har god nytte av tverrfagligheten og samarbeider godt både med teknologene og helsepersonellet.
På Simula er det flest med teknologi- og IT-bakgrunn, men hun merker at det blir flere og flere med helseutdanninger som tar doktorgrader innen IT.
— Jeg er eneste farmasøyt, men jeg kan reklamere litt for at innenfor programmering og teknologi, så vil de har helsepersonell, de vil ha tverrfaglighet, så det er absolutt en vei å gå hvis man er interessert i det.
Hun mener også det er viktig at farmasøyter er med på utviklingen av programmer som brukes innen farmasien.
— Det er veldig viktig at farmasøyter er med og utvikler programmene, så man får den ekspertisen på legemidler og legemiddelbruk med.
Lite dobbel kontroll i IT-verdenen
Den største forskjellen mellom de to miljøene er antakelig holdningen til når en ny teknologi skal tas i bruk.
— Folk er litt sånn: «Kult. Da bruker vi det bare på pasienter.» Og så er jeg litt mer på at vi må teste det ordentlig først. Farmasøyten i meg må ha dobbel kontroll og validere det ordentlig. Det er noe jeg tenker er kjempeviktig, slår hun fast.
— Det er ingen av de prosjektene jeg har nå, som brukes på pasienter. I hvert fall i mine øyne så er det ganske lang vei fra det å forske på det, lage nye algoritmer og se at de funker til det å bruke dem i praksis på klinikk, legger hun til.
Som de fleste ser ut til å bli mer og mer enige om, så er det også utfordringer med å overlate alt til algoritmene.
Det kan være alt fra spørsmål om datasettene som brukes til opplæring er representative eller om parametrene er vektet riktig, til frykten for at mennesker blir overflødige eller mister kontrollen over teknologien.
Derfor mener hun det er viktig å teste grundig, følge nøye med på kvaliteten av modellenes prediksjoner over tid og ha tett samarbeid med de som faktisk skal bruke teknologien.
Hvis bruken av kunstig intelligens er gjennomtenkt, tror hun det først og fremst vil gi fordeler på helsefeltet.
— Først og fremst kan kunstig intelligens gjøre hverdagene lettere, og man kan fokusere tiden på de tingene som faktisk er faglig utfordrende og at man ikke trenger å gjøre repetitive arbeidsoppgaver: for eksempel det å bestille legemidler fra grossist.
— Det er ikke krise om farmasøytene ikke må gjøre det, smiler hun.
— Jeg tenker både for farmasøyter og leger, at man kan få mer tid til pasientene og faktisk ta seg tid til å ta seg av pasientene og slippe å bli distrahert av alle andre ting som skal gjøres, som kanskje ikke er så givende eller så faglig utfordrende.
LES OGSÅ: Fremtiden for farma er lys, men den vil innebære smerte
Vil jobbe innen helse og teknologi
Hva hun skal gjøre etter doktorgraden har ikke Storås helt klart for seg ennå.
— Jeg er litt delt. Det som er viktig for meg er at jeg kan jobbe innen helse og teknologi, og at jeg føler jeg kan bidra med å utvikle nye løsninger som kan hjelpe pasienter. Jeg er ikke helt sikker på om det er innenfor forskning eller innenfor folkehelse eller et legemiddelfirma, vedgår hun.
— Men jeg trives veldig godt her, så fort så blir jeg værende, smiler hun.
Etter hun snakket med NFT, har Storås hatt permisjon fra doktorgradsarbeidet i Norge for å tilbringe fire måneder i København og jobbe som data scientist i Novo Nordisk. Der har hun arbeidet på et prosjekt som vil utvikle en kunstig intelligens-modell som bruker bilder av øyets netthinne til å diagnostisere diabetes retinopati, en sykdom i øyets netthinne som følge av diabetes. Hun har sett på hvilke funn modellen reagerer på og sammenliknet det med etablerte diagnostiske kriterier for sykdommen for å se om det er sammenfallende.
— Dersom dette er tilfellet, kan det muligens øke tilliten til modellen blant helsepersonell, sier hun når vi tar en liten oppfriskingsprat i etterkant.
Månedene i Danmark har gitt henne enda større interesse for teknologiens muligheter innen helse.
— Det har vært utrolig inspirerende og engasjerende å se hvordan Novo Nordisk satser på kunstig intelligens. Forhåpentligvis vil denne typen teknologi bidra til raskere utvikling av nye behandlingsmetoder med færre bivirkninger, forventer hun.
Selv om industrien frister etter besøket, føler hun seg fremdeles dratt mellom ulike karriereveier, men det som er utvilsomt, er at Danmark er et fristende land som er langt fremme på hennes interessefelter. Der traff hun også forskere innen analyse av medisinske data på Københavns Universitet og Danmarks Tekniske Universitet.
— Og jeg ble selvfølgelig også godt kjent med danske wienerbrød og annet bakverk, da dette er en viktig del av dansk kultur, ler hun.
ChatGPT om artikkelens tilblivelse
Som et eksempel på hva kunstig intelligens kan gjøre, ba vi ChatGPT om følgende:
Skriv en historie om en journalist som heter Tore som intervjuer en farmasøyt ved navn Andrea om kunstig intelligens, men som på grunn av sommel, ikke får publisert artikkelen sin før etter at ChatGPT ble lansert og hele diskusjonen om kunstig intelligens hadde tatt et skritt videre.
30 sekunder senere kom dette ut (teksten er ordrett gjengitt, den er verken redigert eller korrekturlest av NFT):
«Tore var en dedikert journalist med et brennende ønske om å utforske og dele historier om innovasjon og teknologi. En dag fikk han i oppdrag å skrive en artikkel om kunstig intelligens (KI) og dens innvirkning på farmasøytisk forskning og utvikling. Han visste at dette ville være en spennende og aktuell historie som kunne bidra til å belyse fremtidens muligheter innen medisin.
Tore satte opp et intervju med en anerkjent farmasøyt ved navn Andrea, som var kjent for sitt pionerarbeid innen KI-applikasjoner i legemiddelindustrien. Planen var å få innsikt i hvordan KI ble brukt til å fremskynde legemiddeloppdagelse, identifisere potensielle bivirkninger og optimalisere medisinering.
Dagen for intervjuet kom, og Tore dro til Andrea's kontor. Men dessverre hadde han en tendens til å være litt sommel, og han hadde glemt å ta med seg notatblokken sin. Han skyndte seg derfor tilbake til kontoret for å hente den.
Da Tore endelig kom tilbake, var han andpusten og beklaget sin forsinkelse. Andrea smilte og uttrykte forståelse. Hun hadde vært nysgjerrig på å snakke med Tore om KI, så hun ventet tålmodig mens han fikk organisert seg.
Intervjuet var inspirerende. Andrea delte sin kunnskap og erfaringer om hvordan KI hadde bidratt til å akselerere prosessen med å finne potensielle legemidler, redusere bivirkninger og tilpasse behandlinger til pasienters individuelle behov. Hun beskrev også potensialet for KI til å oppdage nye bruksområder for allerede eksisterende medisiner.
Tore var engasjert og fascinert av Andreas innsikt. Han ønsket å formidle hennes ekspertise og entusiasme til leserne sine. Imidlertid kom det en serie uheldige hendelser på kontoret som førte til at artikkelen hans ble skjøvet lengre ned på prioriteringslisten.
Uken etter hendte det noe som Tore ikke kunne ha forutsett. OpenAI lanserte ChatGPT, en banebrytende teknologi som var i stand til å generere tekst og gi svar på spørsmål på en utrolig intelligent måte. Dette førte til en eksplosjon i samtaler og diskusjoner rundt kunstig intelligens, og debatten hadde tatt et skritt videre.
Tore innså at publiseringen av artikkelen hans hadde blitt forsinket til det punktet hvor diskusjonen om KI hadde utvidet seg betydelig. Han var både skuffet og bekymret for at artikkelen hans ikke lenger ville være like relevant. Han begynte å tvile på om han burde publisere den i det hele tatt.
Etter å ha reflektert grundig over saken, bestemte Tore seg for å se på situasjonen med nye øyne. Han innså at selv om diskusjonen om KI hadde utviklet seg, var det fortsatt mange mennesker som ønsket å forstå teknologien bedre og dens implikasjoner innen farmasi.
Tore redigerte artikkelen sin og inkluderte den nylige lanseringen av ChatGPT som en del av diskusjonen. Han fremhevet hvordan denne teknologien kunne være et skritt videre for KI-anvendelser i farmasi og hvordan den ville påvirke samfunnet generelt.»
(Publisert i NFT nr. 6/2023 s. 15-19.)