A járványhelyzet nemcsak az oltóanyag- és gyógyszerkutatások felgyorsításának igényét erősítette föl, hanem a tudománnyal szembeni elvárásokat is. A Microsoft a vállalat mesterséges intelligencia- és felhőkapacitásait állítja a kutatás szolgálatába, olyan partnerséget kínálva a tudományos élet kulcsszereplőinek Magyarországon is, amelynek az eredményeit az járványok megfékezésétől a hatékonyabb gyógyszerekig és a veszélyeztetett fajok megmentéséig számos területen már a közeljövőben érzékelni fogjuk.
State-Of-The-Art nyelvmodellek létrehozása
Mesterséges intelligencia (MI), gépi tanulás, mélytanulás, szövegosztályozás – egyre gyakrabban találkozunk ezekkel a kifejezésekkel, de nehéz őket olyasmihez kötni, aminek az átlagember számára is fölfejthető jelentése és kézzelfogható haszna van. Néhány éve még bizonyára a tudományos-fantasztikus irodalom tárgykörébe tartozott volna, hogy mesterséges intelligencia segítségével értékeljenek az egészségügyben használt készítményeket, méghozzá a felhasználói visszajelzések alapján. A Microsoft által alapított MI tudásközpontok számos hazai felsőoktatási intézmény számára teszik lehetővé, hogy a legkorszerűbb informatikai infrastruktúrára és tudásbázisra támaszkodva lépést tarthassanak a nemzetközi tudomány élmezőnyével a gépi tanulás területén. A Pécsi Tudományegyetemen működő Microsoft Mesterséges Intelligencia Tudásközpont az NLP (natural language processing) természetes nyelvfeldolgozás legújabb eszközeivel foglalkozik. Olyan felhő alapú komplex számítás környezetet hoztak létre, amelyben mind szoftveres, mind pedig hardveres eszközök biztosítják, hogy az új, mélytanulás alapú nyelvi modellek magyar nyelvi korpuszokkal tanítva is elérhetővé váljanak, hasonlóan a nagyobb nyelveken már elérhető modellekhez. “A pécsi kutatócsoport által Azure környezetben tanított mesterséges intelligencia modell többféle feladat megoldására alkalmas. A fejlesztők nem álltak meg a modell létrehozásánál, olyan demo alkalmazásokat hoztak létre és üzemeltetnek Azure felhőből a BERT-large modell segítségével, amelyek magyar nyelvi környezetben unikálisak. A demo alkalmazások és a létrehozott modellek megtekinthetőek a PTE és az ELKH Nyelvtudományi Intézetével közösen üzemeltetett github oldalon: https://hilanco.github.io A modellek létrehozásában a pécsi csapat szoros együttműködést alakított ki a Microsoft ONNXRuntime fejlesztőivel és ezen együttműködés keretein belül több másik nyelvi modellt is létre fognak hozni a közeljövőben.” – mondta Dr. Feldmann Ádám, a PTE alkalmazott adattudományi és mesterséges intelligencia csoportjának vezetője a projekt kapcsán.
Betegadat BigData: az orvosok támogatója
Az egészségügy a BigData egyik legkézenfekvőbb alkalmazási területe: maga a fogalom is olyan rendszereket jelöl, amelyek képesek rendkívül nagy mennyiségű és változatosságú adatot nagyon gyorsan feldolgozni. Ez a fajta adatmenedzsment szinte elképzelhetetlen a számítási felhő nélkül: részben a méretek miatt, részben pedig azért, mert a kezelt adatokból nem csupán sok van, hanem a mennyiségük exponenciálisan növekszik.
Nem a gyógymódokról, hanem a gyógyításban alkalmazott folyamatokról szól az a BigData alapú fejlesztés, amelynek célja a betegút optimalizálása, annak érdekében, hogy a gyógyulás kevesebb kórházban töltött napot, kevesebb kellemetlen vizsgálatot jelentsen a betegnek, az orvosoknak. Mindez kiegészítve a kapacitások pontosabb tervezésével és a készletgazdálkodás optimalizációjával, hatékonyabb egészségügyet eredményez. A magasabb szintek eléréséhez a különböző adatbázis-rendszerek, ez eltérő betegadatok és gyógyszer-információk egyetlen informatikai ökoszisztémába szervezése szükséges, természetesen anonim módon – ennek informatikai hátterét biztosítja a Microsoft Azure a felhőben.
Főszerephez jut a Microsoft Azure a Debreceni Egyetem egyik kutatásában is, ahol – a Felsőoktatási Intézményi Kiválósági Program keretében – a BigData technológia, a felhő alapú számítások és a mesterséges intelligencia lehetőségeit igyekeznek ötvözni a klinikai adatkezelésben. Az új technológia számos előnyt kínál: gyorsabb és megalapozottabb orvosi döntéseket, új terápiákat, kevesebb betegséggel töltött napot. Az innovatív módszer révén a szöveges formátumú betegleletek, a terápiákban használt gyógyszerek, illetve a CT-, MRI- és PET-felvételek adatait rendezik egységes, kutatható, az összefüggések kimutatására is alkalmas adatbázisba. Az információkat itt is mesterséges intelligencia osztályozza, a minimálisra csökkentve a tévedés vagy a félreértés lehetőségét. Az MI segítségével fejlesztett adattárház idővel a kutatócsoportok előtt is megnyílik: a tudósok akár otthonról, a saját számítógépükről egy egyszerű böngészővel kereshetnek a jelenleg 1,3 millió anonim beteg adatainak felhasználásával készült strukturált, a személyes információktól elkülönített adat-kincsesbányában. A Microsoft Azure a gigantikus adatállomány kezelésén túl azt is lehetővé teszi, hogy a rugalmasan konfigurálható rendszer kapacitását a jövőben az igényekhez igazodva, felső határ nélkül lehessen bővíteni. Ez a felfogás és az eredményeképp létrejövő rendszer olyan interdiszciplináris kutatócsoportok munkáját teheti még gyümölcsözőbbé, ahol orvos, gyógyszerész és adattudományi szakemberek működnek együtt a diagnosztika és a terápiák hatékonyabbá tétele érdekében.
Dr. Emri Miklós a Debreceni Egyetem Általános Orvostudományi Kar, Klinikai Központ – tudományos főmunkatársa szerint: “Az adattárház kialakítása során több tudományterület szakembereinek munkáját kellett összehangolni, és már tudjuk, hogy a hasznosítás is csak hasonló összefogás mellet lesz eredményes. Most, már a folyamat közepén látszik, hogy jó döntés volt a felhő alapú infrastruktúra választása, mert az üzemeltetés egyszerűsége, megbízhatósága és a skálázhatóság biztos hátteret adott ehhez az összetett kutatói, fejlesztő munkához. A mesterséges intelligencia alkalmazásával kapcsolatban pedig az induláskor úgy gondoltuk, hogy majd meg kell találnunk a helyét a projektben. Ezzel szemben azt tapasztaltuk, hogy ez a technológia szinte minden területen, az adatgyűjtéstől kezdve az adattisztítási feladatokon át az elemzésben is használható, szinte önmagát kínálja a különböző problémák megoldására.”
Mesterséges intelligenciával a vadlovak nyomában
Az élővilág nagy léptékű változásait – az erdőirtásokat, a bozóttüzeket, a sivatagosodást, vagy akár a hatalmas csapatokban vándorló állatok mozgását – egyre nagyobb mértékben végzik olyan eszközökkel, mint a műholdak vagy újabban a drónok segítségével készült felvételek gépi elemzése. Ennek a távmegfigyelési módszernek számos előnye van az adott élőhelyek felkereséséhez képest, hiszen felülről a kamerák hatalmas területeket tudnak bejárni és végignézni minimális munkaerő-ráfordítással, de akadnak hátrányai is: ahol szükség van az egyedek megkülönböztetésére és azonosítására, ott sokszor még mindig nélkülözhetetlen a humán erőforrás igénybevétele. A népszerű tudományos ismeretterjesztésben, például David Attenborough filmjeiben is felbukkanó drónok és a nagy felbontású drónvideók használata a szemünk előtt forradalmasítja a veszélyeztetett fajok kutatását, hiszen a tudósoknak nem kell mindenhova személyesen eljutniuk – háborgatva az embertől távoli ökoszisztémákat –, mégis hozzájuthatnak a szükséges információkhoz. A mesterséges intelligencia itt is áttörést ígér, azzal kecsegtetve, hogy a gépi úton nyert vizuális adatok elemzése akár valós időben, úgyszólván a felvételek készítése közben is megtörténhet.
Magyarországon, a Hortobágyi Nemzeti Park (HNP) látogatók elől elzárt, 3000 hektáros pentezugi rezervátumterületén él a világ legnagyobb vadló-állománya (a Földön mintegy 2200 példány található, közülük 300-nak ad otthont a hortobágyi puszta). Ez egy kölcsönösen előnyös együttélés, hiszen az érzékeny vadlovak számára ideális élőhelyet biztosít a nagy kiterjedésű rezervátum, amelynek füves puszta jellegét épp a lovak járása és legelése segít megőrizni. A tenyésztési program olyan sikeres, hogy már külföldi rezervátumokba és a Przewaski-ló (Equus ferus przewalskii) eredeti élőhelyére, Mongóliába is jutott a hortobágyi szaporulatból. Valóban ősi fajról van szó: az őskori barlangrajzokon is gyakran ábrázolt vadlovak csontjai gyakran kerülnek elő szerte a kontinensen.
Bár az ember előtti (azaz prehisztorikus) vadlovak kipusztultak, a hozzájuk nagyon hasonló leszármazottaik, a Przewlaksi lovak fennmaradtak. Ezen állatok viselkedésökológiai kutatásához a nemzeti park területén készített drón-videókat használnak, egyszerre biztosítva az állatok háborítatlanságát és a nagy hatékonyságú adatfeldolgozást. A félvad körülmények között tartott Przewalski lovak elviselik, de nem kedvelik az ember közelségét. A zömök felépítésű állat testalkata a zebráét idézi, és a rokonságra (meg a csíkok közös biológiai funkciójára) utal az állatok lábán megfigyelhető harántcsíkozás is. A kutatási programhoz, amely a HNP és a Debreceni Egyetem TTK Evolúciós Állattani Tanszéke kooperációjában valósul meg, a Microsoft biztosítja az MI-hátteret. A vállalat elkötelezett abban, hogy az MI-alapú gépi látás technológiáját idehaza is elérhetővé tegye, amivel a képek osztályozása és a tárgyak észlelése automatizálhatóvá válik, és éppen erre van szükség ebben a kutatásban. A vadló-populációt drónok segítségével követik, és a gépi intelligenciát – a korábban készült, emberi intelligenciával elemzett felvételek segítségével történő betanítással – arra készítik fel, hogy képes legyen a ménes egyedeit megtalálni a képeken, illetve az egyedeket a vizuális jellemzők (szín, forma, méret) alapján megbízhatóan azonosítani. Ezzel a sokszorosára nő az adatfeldolgozás gyorsasága és kapacitása, ami az eljárást a világ többi, vadlovakkal foglalkozó nemzeti parkjai számára is értékessé teszi.
Prof. Dr. Barta Zoltán, a Debreceni Egyetem Természettudományi és Technológiai Kar egyetemi tanára elmondta: “Tanszékünkön régóta kacérkodunk a gondolattal, hogy feltárjuk, milyen lehetőségei vannak a mesterséges intelligencia természetvédelmi hasznosításának. A vadlovakról készített drónfelvételek mennyiségének növekedésével a egyre komolyabban kerestük a lehetőségeket ezek automatizált elemzésére. Ez végül egy Microsoft támogatással valósággá vált, algoritmusunk már 90%-s pontossággal dolgozik.”
Hatékony védelem a koronavírus ellen
A világméretű oltókampány indulása idején a sajtó százalékokkal bombázza az olvasókat: nem csak arra van adat, hogy mekkora az egyes vakcinák hatékonysága, hanem arra is, hogy milyen arányú átoltottság kell egy újabb járványhullám megelőzéséhez. A számokból ugyanakkor indirekt módon az is kiderül, hogy 100 százalékos védelem nincs: az oltásra az emberek sokféleképpen reagálnak, és olyanok is akadnak, akik nem szereznek védettséget. Ennek az az oka, hogy a tömeges oltáshoz használt vakcinákat olyan általános immunológiai paraméterek alapján fejlesztik ki, amelyek a népesség nagy hányadára jellemzőek – de nem mindenkire. A vírusvédelemben azonban léteznek olyan módszerek is, amelyekkel előre lehet jelezni és el lehet kerülni az egyedi különbségek hatásait, illetve a nem kívánatos mellékhatásokat – márpedig az utóbbiak jelentik a legfőbb visszatartó erőt a védőoltások használatával szemben. Az egyénre szabott peptidek – fehérje-építőelemek, amelyek a védőoltáshoz hasonlóan képesek az immunválasz kiváltására – számos előnnyel rendelkeznek a hagyományos vakcinákhoz képest. A tudomány ma már képes hatalmas vegyülettárak létrehozására, amelyekből kiválaszthatók a bizonyos egyedi sejtfelszíni struktúrákra (például receptorokra) illeszkedő peptidek, illetve közülük azok, amelyek a személyre szabott gyógyításban felhasználhatóak. A koronavírusok is speciális fehérjék segítségével kapcsolódnak az emberi sejtekhez. Mindez elméletként tetszetős és helytálló, de van egy nagy bökkenő: szinte lehetetlen belőle módszereket fejleszteni az orvosi gyakorlat számára, mert ehhez hatalmas sokféleséggel kell megküzdeni. A sokféleség egyrészt az emberi immunrendszer genetikai sokféleségéből, másrészt a vírus genetikai sokféleségéből és mutációiból fakad. Ezt oldja meg a Microsoft Azure, amelyben éppen azok a nagy számítási kapacitások és algoritmusok állnak rendelkezésre, amelyekkel egy extrém komplexitást kezelni lehet. A Microsoft partnerségével zajló kutatási projektben olyan rendszert kapnak a kutatók, amellyel hatékony és biztonságos peptidek fejleszthetők: oltóanyagként élesítik az immunrendszert, vagy tesztként alkalmazva őket személyre szólóan előre jelzik a várható immunválaszt. Az eljárás a COVID-19 mellett más vírus-fertőzések ellen is hatásos, a megszokott vakcinázásnál jóval hosszabb, akár 10 éves védettséget biztosít, és nem kell attól tartani, hogy a gyógyítás helyett fölerősíti a betegség hatását. A módszer ráadásul a rákgyógyításban és az immundiagnosztikában is használható. A koronavírus-járvány kezdetén elindított projektben az Azure felhőplatform specialistái, orvosok és adattudósok működnek együtt az immunsválasz megjóslására, illetve kívánt immunválaszt kiváltó, személyre szabott peptid elkészítésére alkalmas mesterségesintelligencia-modell kifejlesztésében.
Dr Lisziewicz Julianna, immunológus és genetikus, a Research Institute of Genetic and Human Therapy (RIGHT) tudományos kutatóintézet, a Genetic Immunity és a Treos Bio biotechnologiai cégek alapítója a projekt kapcsán elmondta:
“A koronavírus fertőzöttek körülbelül 20 százalékánál jelentkeznek klinikailag jelentős tünetek. Ezért a Microsoft Azure platformján mesterséges intelligencia segítségével egy olyan diagnosztikai módszert dolgoztunk ki, amely genetikai adatok alapján képes meghatározni es ezzel előre jelezni, hogy az emberek milyen immunválaszt képesek kiváltani a COVID-19 betegséget okozó koronavírusok bármelyik mutációja ellen. A Microsoft adattudósaival karöltve, most egy olyan digitális eszközt fejlesztünk, amely pontosan meghatározza a gyenge immunválaszú egyének oltásának fontossági sorrendjét. Mivel jelenlegi ismereteink szerint a lakosság 20% beoltására elegendő vakcina áll rendelkezésünkre, ez a sokkal hatásosabb oltási stratégia gyorsan csökkentheti a kórházi kezelést és a COVID-19 okozta haláleseteket.”