В интервью «Голосу Армении» профессор Российской Академии Наук, иностранный член Национальной академии наук Армении Артем Оганов рассказывает о том, как машинное обучение помогает предсказывать болезни и создавать безопасные материалы.
— Г-н Оганов, вы были участником круглого стола НАН, посвященного применению искусственного интеллекта в биологии и медицине. Как вы видите эти возможности?
— Я не биолог и не медик. Но в это время был в Ереване и меня пригласили участвовать в этом круглом столе. Мы — химики и материаловеды -работаем с системами, которые значительно проще человека. И есть свойства, для которых не существует теорий. Даже если теория возможна, она окажется крайне сложной. Еще недавно считалось, что такие свойства предсказать нельзя.
— Какие свойства вы имеете в виду?
— Например, радиационная стойкость. Материалы ядерного реактора подвергаются интенсивному облучению и деградируют. Именно это определяет срок службы реакторов. Но деградация идет разными механизмами – дефекты, электронные переходы, ядерные реакции, вторичное излучение. Описать все это сразу теоретически или смоделировать почти невозможно. Зато можно построить модель машинного обучения, которая на основе измеренной радиационной устойчивости связывает ее с химическим составом и способом обработки материала. Такую модель создал мой ученик Иван Круглов, который с помощью такой модели предсказал новые марки стали с повышенной радиационной стойкостью. Это пример из материаловедения. Но таких примеров много и в других областях. Неконвенциональная сверхпроводимость тоже до сих пор не имеет теории, и предсказать ее пока невозможно.
— Чем это объясняется?
— Сложностью и многоликостью этих явлений. Возможно, теории когда-нибудь появятся, но может и нет. Если говорить о медицине, то такая область — лекарства. Механизмы действия многих из них неизвестны. Токсичность также многообразна, она может быть связана с повреждением ДНК, с сильным связыванием молекулы с гемоглобином, повреждением ионных каналов, повреждением серных мостиков в белках. Каждый яд действует по-своему, некоторые из них имеют множественное действие.
Создать теорию токсичности крайне сложно. Но можно построить модель машинного обучения, которая по составу и структурной формуле молекулы предскажет, будет ли она токсичной и в какой степени. В этом подходе мы не и смотрим, как именно работает лекарство или проявляется токсичность. Мы строим математическую модель, которая коррелирует состав и структуру молекул с их действием.
— То есть машинное обучение позволит повысить эффективность препарата и снизить токсичность?
— Именно это и является важнейшей задачей. Такое решение напоминает мне случай из жизни Александра Македонского. Когда нужно было распутать Гордиев узел, он не стал разбираться в хитросплетениях, а просто разрубил его мечом. Простое и прагматичное решение, минующее сложности.
— Получается, что токсичность многих веществ до сих пор полностью не определена?
— Да, это так. Несколько лет назад вышла работа, в которой был представлен обратный подход. Ученые не минимизировали токсичность, а попытались ее максимизировать. Они предсказали молекулы, которые оказались значительно более токсичными, чем известные. Результаты пугающие.
— Эти вещества существуют в природе?
— Нет, пока только на компьютере. Но, к сожалению, ничто не мешает создать их в лаборатории и запустить в производство. А если говорить о человеке, то это гораздо более сложная система, чем любая молекула или материал.
Как создать теорию здоровья или болезни? В организме все взаимосвязано. Анализ ДНК не даст исчерпывающего ответа. ДНК говорит лишь о вероятности болезней. Проявятся они или нет, зависит от образа жизни, событий, того, где и как человек живет. Состояние здоровья можно определить по анализу крови, томографии, энцефалограмме и т.д. Но проходить все эти исследования каждый день едва ли получится. А знать свое состояние важно. Это возможность выявить проблему задолго до ее проявления. Тогда к кардиологу можно обратиться не когда заболит сердце, а когда анализ покажет, что проблема уже возникла.
— Но ведь невозможно обследоваться постоянно.
— Можно выявлять проблемы косвенно. И здесь помогает ИИ. Он собирает данные о состоянии организма и подсказывает вероятные риски. Такая аппаратура уже есть, в каких-то случаях точность диагностики достигает 80%, а в каких-то — ещё выше. Для превентивной медицины это очень важно. Думаю, превентивная медицина, здоровый образ жизни и правильное питание могут значительно увеличить продолжительность жизни.
Гаянэ Сармакешян, «Голос Армении»
