OpenAI heeft een groottaalmodel gelanceerd dat specifiek is getraind op biologische onderzoeksworkflows. Dit model, genaamd GPT-Rosalind, is ontworpen om onderzoekers te helpen bij het navigeren door enorme datasets en gespecialiseerde literatuur, wat de innovatiesnelheid in de gezondheidszorg en biotech kan verhogen.

Wat er aan de hand is

OpenAI heeft op donderdag GPT-Rosalind aangekondigd, een groottaalmodel dat specifiek is afgestemd op de biologie. Volgens het bedrijf verschilt dit model van de meer generieke, wetenschapsbrede modellen die andere grote techbedrijven vaak aanbieden. Yunyun Wang, Life Sciences Product Lead bij OpenAI, legde in een persbriefing uit dat het systeem is ontworpen om twee grote obstakels voor huidige biologisch onderzoekers aan te pakken. Ten eerste de enorme hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie, die voor een individuele onderzoeker onoverzichtelijk kan zijn. Ten tweede de sterk gespecialiseerde subvelden binnen de biologie, elk met eigen technieken en jargon. Het model is getraind op 50 van de meest voorkomende biologische workflows en op het toegang krijgen tot grote publieke databases met biologische informatie. Verder training heeft volgens OpenAI geresulteerd in een systeem dat waarschijnlijke biologische pathways kan suggereren en potentiële medicijndoelen kan prioriteren.

Wat dit betekent

Deze ontwikkeling markeert een verschuiving van generieke AI-hulpmiddelen naar zeer gespecialiseerde modellen voor specifieke vakgebieden. Voor de Nederlandse biotech-sector en de gezondheidszorg betekent dit dat complex, gespecialiseerd onderzoek mogelijk sneller en efficiënter kan verlopen. Een onderzoeker in een klein lab of een start-up krijgt hiermee in theorie toegang tot een hulpmiddel dat helpt bij het synthetiseren van kennis uit verschillende subdisciplines. Dit kan de drempel voor innovatie verlagen, vooral voor kleinere spelers die niet over dezelfde middelen beschikken als grote farmaceutische bedrijven. Het model richt zich op het verbinden van genotype (genetische opmaak) met fenotype (waarneembare eigenschappen) via bekende mechanismen, wat een kernproces is in het ontwikkelen van nieuwe therapieën en medicijnen.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de levenswetenschappen. Het model is een gespecialiseerd hulpmiddel dat aansluit bij bestaande onderzoeksworkflows. Hier zijn enkele scenario’s waarin zo’n tool van waarde zou kunnen zijn.

Als je werkt in een biotech-start-up of een klein onderzoekslab, dan kan een gespecialiseerd model helpen bij het verkennen van nieuwe onderzoeksrichtingen. Je zou het kunnen gebruiken om een eerste verkenning te doen van de literatuur rond een specifiek gen of eiwit, vooral als dat buiten je directe expertise valt. Het kan helpen bij het formuleren van hypotheses of het identificeren van relevante publieke datasets voor je onderzoek.

Als je een MKB’er bent in de medische diagnostiek of persoonlijke gezondheid, dan ligt de toepassing meer op de achtergrond. Dergelijke gespecialiseerde AI kan op termijn bijdragen aan de ontwikkeling van nieuwe diagnostische tests of inzichten in ziektemechanismen waar jouw dienstverlening op kan anticiperen. Het is een tool die de innovatie in je toeleveringsketen kan versnellen.

Als je een adviseur of investeerder bent in de gezondheidssector, dan is het belangrijk om te begrijpen dat dit soort tools de innovatiecyclus kan verkorten. Het kan helpen bij de due diligence van potentiële investeringen in biotech, door inzicht te geven in hoe een start-up zijn onderzoeksvragen benadert en of het de juiste literatuur en data benut.

Overweeg om de ontwikkelingen rond gespecialiseerde AI voor wetenschap te volgen, ook al gebruik je het vandaag niet direct. Het signaleert een trend waarin AI niet alleen algemene taken overneemt, maar ook diepgaande expertise gaat ondersteunen in vakgebieden die cruciaal zijn voor de toekomst van de gezondheidszorg.

Bron: Arstechnica