ИИ научили создавать прототипы цифровых двойников опухолей за несколько минут

Специалисты Барселонского суперкомпьютерного центра разработали систему, позволяющую с помощью искусственного интеллекта быстро создавать первоначальные цифровые модели опухолей. Работа, опубликованная в журнале npj Systems Biology and Applications, может сделать сложное биологическое моделирование доступнее для исследователей, не владеющих языками программирования.

Цифровой двойник опухоли — это компьютерная модель, воспроизводящая отдельные молекулярные и клеточные процессы. С её помощью учёные могут проверять гипотезы, наблюдать за поведением клеток в виртуальной среде и изучать реакцию биологической системы на различные воздействия. Раньше построение таких моделей требовало изучения большого объёма литературы, освоения специализированных программ и месяцев работы.

Новая система использует языковую модель в качестве посредника между исследователем и тремя научными инструментами. Программа NeKo строит сети регуляции генов, MaBoSS моделирует происходящие в клетках логические процессы, а PhysiCell создаёт многоклеточную пространственную модель. Связь между ИИ и этими программами обеспечивают серверы на основе протокола MCP.

Вместо написания кода исследователь может обычными словами описать биологическую задачу и уточнять требования в ходе диалога. ИИ выбирает подходящие инструменты, передаёт им команды и объединяет результаты в единый рабочий процесс. По словам разработчиков, первоначальный вариант модели можно получить менее чем за десять минут.

Для демонстрации технологии авторы создали многоуровневую модель, показывающую судьбу раковых клеток в ответ на воздействие фактора некроза опухоли — сигнального белка TNF. Весь процесс выполнили посредством команд на естественном языке, без ручного редактирования параметров, программного кода и файлов модели.

При этом речь пока идёт не о готовом клиническом двойнике конкретного пациента и не о системе, способной самостоятельно выбирать лечение. Технология предназначена для быстрого создания исследовательских прототипов, которые должны проверяться специалистами, уточняться с использованием экспериментальных данных и проходить научную валидацию.

Одной из проблем остаётся воспроизводимость: языковые модели могут по-разному отвечать на одинаковые или похожие запросы. Исследователи проверили систему с несколькими ИИ-моделями и обнаружили различия между их результатами. Однако последовательное уточнение задания и повторная проверка позволяли получать модели, сходящиеся по ключевым биологическим фактам.

Разработанные инструменты опубликованы в открытом доступе. Авторы считают, что такой подход поможет биологам быстрее проверять компьютерные гипотезы, изучать сложные клеточные процессы и готовить модели для исследований рака и других заболеваний. Однако окончательные выводы по-прежнему должны оставаться за профильными специалистами.