
Bergabunglah dengan buletin harian dan mingguan kami untuk mendapatkan pembaruan terkini dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari Lebih Lanjut
Cerebras Systems telah bekerja sama dengan Mayo Clinic untuk menciptakan model dasar genom AI yang memprediksi perawatan medis terbaik untuk penderita artritis reumatoid.
Ini juga dapat berguna dalam memprediksi pengobatan terbaik bagi penderita kanker dan penyakit kardiovaskular, kata Andrew Feldman, CEO Cerebras Systems, dalam sebuah wawancara dengan GamesBeat.
Mayo Clinic, bekerja sama dengan Cerebras Systems, mengumumkan kemajuan signifikan dalam pengembangan alat kecerdasan buatan untuk memajukan perawatan pasien, hari ini di JP Morgan Healthcare Conference di San Francisco.
Sebagai bagian dari komitmen Mayo Clinic untuk mentransformasi layanan kesehatan, institusi ini telah memimpin pengembangan model dasar genomik kelas dunia, yang dirancang untuk mendukung dokter dan pasien.
Seperti Nvidia dan perusahaan semikonduktor lainnya, Cerebras berfokus pada superkomputer AI. Namun pendekatannya jauh berbeda dengan Nvidia yang mengandalkan prosesor AI individual. Cerebras Systems merancang seluruh wafer — dengan banyak chip pada satu wafer silikon — yang secara kolektif memecahkan masalah AI yang besar dan tugas komputasi lainnya dengan konsumsi daya yang jauh lebih rendah. Feldman mengatakan dibutuhkan puluhan sistem seperti itu untuk menghitung model dasar genom dalam waktu berbulan-bulan. Namun, waktu, tenaga, tenaga, dan biayanya jauh lebih sedikit dibandingkan solusi komputasi tradisional, katanya. PitchBook baru-baru ini memperkirakan Cerebras akan melakukan IPO pada tahun 2025.
Berdasarkan kepemimpinan Mayo Clinic dalam pengobatan presisi, model ini dirancang untuk meningkatkan diagnostik dan mempersonalisasi pemilihan pengobatan, dengan fokus awal pada Rheumatoid Arthritis (RA). Pengobatan RA menghadirkan tantangan klinis yang signifikan, seringkali memerlukan berbagai upaya untuk menemukan obat yang efektif untuk setiap pasien.
Pendekatan tradisional yang meneliti penanda genetik tunggal menunjukkan keberhasilan yang terbatas dalam memprediksi respons pengobatan.
Model genom tim gabungan dilatih dengan menggabungkan data genom referensi manusia yang tersedia untuk umum dengan data eksome pasien komprehensif Mayo. Genom referensi manusia adalah rangkaian DNA digital yang mewakili versi genom manusia yang “diidealkan” secara komposit. Ini berfungsi sebagai kerangka standar yang dapat digunakan untuk membandingkan genom individu manusia, sehingga memungkinkan peneliti mengidentifikasi variasi genetik.
Berbeda dengan model yang dilatih secara eksklusif pada genom referensi manusia, model dasar genom Mayo menunjukkan hasil yang jauh lebih baik pada klasifikasi varian genom karena model tersebut dilatih berdasarkan data yang bersumber dari 500 pasien Mayo Clinic. Karena semakin banyak data pasien yang dimasukkan ke dalam pelatihan, tim mengharapkan peningkatan berkelanjutan dalam kualitas model.
Tim merancang tolok ukur baru untuk mengevaluasi kemampuan model yang relevan secara klinis, seperti mendeteksi kondisi medis tertentu dari data DNA, mengatasi kesenjangan dalam tolok ukur yang tersedia untuk umum, yang fokus utamanya adalah mengidentifikasi elemen struktural seperti wilayah regulasi atau fungsional.

Model Mayo Clinic Genomic Foundation menunjukkan akurasi mutakhir di beberapa bidang utama: akurasi 68-100% dalam tolok ukur RA, akurasi 96% dalam prediksi predisposisi kanker, dan akurasi 83% dalam prediksi fenotip kardiovaskular. Kemampuan ini selaras dengan visi Mayo Clinic dalam memberikan layanan kesehatan terkemuka di dunia melalui teknologi AI. Pengujian lebih lanjut perlu dilakukan untuk memverifikasi hasilnya, kata Feldman.
“Mayo Clinic berkomitmen untuk menggunakan teknologi AI tercanggih untuk melatih model yang secara mendasar akan mengubah layanan kesehatan,” Matthew Callstrom, direktur medis Mayo Clinic untuk strategi dan ketua radiologi, dalam sebuah pernyataan. “Kolaborasi kami dengan Cerebras memungkinkan kami menciptakan model AI canggih untuk genomik. Dalam waktu kurang dari setahun, kami telah mengembangkan alat AI yang menjanjikan yang akan membantu dokter kami mengambil keputusan yang lebih tepat berdasarkan data genom.”
“Model dasar genom Mayo menetapkan standar baru untuk model genom, tidak hanya unggul dalam tugas standar seperti memprediksi sifat fungsional dan regulasi DNA, tetapi juga memungkinkan penemuan korelasi kompleks antara varian genetik dan kondisi medis,” kata Natalia Vassilieva, CTO lapangan di Cerebras Sistem, dalam sebuah pernyataan. “Tidak seperti pendekatan saat ini yang berfokus pada asosiasi varian tunggal, model ini memungkinkan penemuan hubungan di mana kumpulan varian berkontribusi pada kondisi tertentu.”

Perkembangan pesat model-model ini – biasanya merupakan upaya multi-tahun – dipercepat dengan melatih model khusus Mayo Clinic pada platform Cerebras AI. Model Mayo Genomic Foundation mewakili langkah-langkah signifikan menuju peningkatan dukungan keputusan klinis dan memajukan pengobatan presisi.
Produk andalan Cerebras adalah CS-3, sebuah sistem yang didukung oleh Wafer-Scale Engine-3.
Memajukan AI untuk rontgen dada
Secara terpisah, Mayo Clinic hari ini meluncurkan kolaborasi terobosan terpisah dengan Microsoft Research dan Cerebras Systems di bidang kecerdasan buatan (AI) generatif, yang dirancang untuk mempersonalisasi perawatan pasien, mempercepat waktu diagnostik secara signifikan, dan meningkatkan akurasi.
Diumumkan pada Konferensi Layanan Kesehatan JP Morgan, proyek ini berfokus pada pengembangan dan pengujian model dasar yang disesuaikan untuk berbagai aplikasi, memanfaatkan kekuatan gambar dan data radiologi multimodal (termasuk CT scan dan MRI) dengan Microsoft Research dan data pengurutan genom dengan Cerebras.
Inovasi ini berpotensi mengubah cara dokter melakukan pendekatan terhadap diagnosis dan pengobatan, sehingga pada akhirnya memberikan hasil yang lebih baik bagi pasien.
Model Foundation AI adalah model besar yang telah dilatih sebelumnya dan mampu beradaptasi dan melaksanakan banyak tugas dengan pelatihan tambahan minimal. Mereka belajar dari kumpulan data yang sangat besar, memperoleh pengetahuan umum yang dapat digunakan di berbagai aplikasi. Kemampuan beradaptasi ini menjadikannya elemen penyusun yang efisien dan serbaguna untuk berbagai sistem AI.
Mayo Clinic dan Microsoft Research secara kolaboratif mengembangkan model dasar yang mengintegrasikan teks dan gambar. Untuk kasus penggunaan ini, Mayo dan Microsoft Research bekerja sama untuk mengeksplorasi penggunaan AI generatif dalam radiologi menggunakan teknologi AI Microsoft Research dan data sinar-X Mayo Clinic.
Memberdayakan dokter dengan akses cepat terhadap informasi yang mereka butuhkan adalah inti dari proyek penelitian ini. Mayo Clinic bertujuan untuk mengembangkan model yang dapat secara otomatis menghasilkan laporan, mengevaluasi penempatan tabung dan garis pada rontgen dada, dan mendeteksi perubahan dari gambar sebelumnya. Model pembuktian konsep ini berupaya meningkatkan alur kerja dokter dan perawatan pasien dengan menyediakan analisis gambar radiografi yang lebih efisien dan komprehensif.
Mayo Clinic memiliki 76.000 orang dan mereka menerima banyak pasien setiap tahunnya.
“Kami memulai kemitraan untuk menghadirkan teknologi AI pada layanan kesehatan. Hal ini memungkinkan kami untuk menggabungkan keahlian domain mereka, data mereka yang luar biasa, dengan keahlian AI dan komputasi kami,” kata Feldman.
Dia mengatakan bahwa model bahasa besar memprediksi kata-kata, namun model genom memprediksi nukleotida. Ketika nukleotida terbalik karena mutasi atau kesalahan transkripsi, hal tersebut dapat menjadi penyebab suatu penyakit atau dapat memprediksi timbulnya suatu penyakit.
Model yang ada hanya dapat menanyakan apakah pembalikan satu nukleotida dapat memprediksi suatu penyakit. Namun Cerebras mengamati pembalikan lebih dari satu nukleotida dan menghasilkan model yang lebih akurat.
“Tujuan kami, bersama dengan Mayo Clinic, adalah untuk memprediksi obat mana yang akan bekerja untuk pasien tertentu,” kata Feldman.
Ini adalah model dasar miliaran parameter, atau 10 kali lebih besar dari AlphaFold, dan dilatih pada satu triliun token. Itu membuatnya lebih akurat, kata Feldman.
Seringkali, pasien harus melalui proses coba-coba untuk mengetahui obat mana yang akan berhasil. Namun dengan model ini, Feldman yakin dapat memprediksi obat mana yang akan bekerja pada orang tertentu. Target pertama adalah rheumatoid arthritis, yang menimpa 1,3 juta orang Amerika.
“Meskipun masih dalam tahap awal, apa yang dapat kami tunjukkan adalah bahwa kami mampu memprediksi dengan akurasi yang mengesankan obat mana yang akan bekerja untuk pasien tertentu,” katanya.
Pada arthritis, akurasi prediksinya adalah 87%. Data tersebut tetap harus dipublikasikan dan ditinjau oleh rekan sejawat.