مدل بنیادین پیرامیدال برای امواج مغزی می‌تواند EEGها را به سطح جدیدی برساند
مدل‌های هوش مصنوعی برای تحلیل هر نوع داده‌ای استفاده می‌شوند، اما نتایجشان ناپایدار است. این موضوع در دنیای پزشکی هم صادق است، اما استارتاپی به نام پیرامیدال معتقد است که با یک مدل بنیادین برای تحلیل داده‌های اسکن مغزی می‌تواند موفقیتی بزرگ به دست آورد.
بنیانگذاران دیمیتریس ساکلاریو و کریس پاهوجا مشاهده کرده‌اند که فناوری الکتروانسفالوگرافی (EEG) که تقریباً در هر بیمارستان مورد استفاده قرار می‌گیرد، به دلیل انواع مختلف دستگاه‌ها و نیاز به دانش تخصصی جهت تفسیر، پراکنده است. یک نرم‌افزار که بتواند الگوهای نگران‌کننده را به صورت پایدار و بدون توجه به زمان، مکان، یا نوع تجهیزات تشخیص دهد، می‌تواند برای افراد مبتلا به اختلالات مغزی نتایج بهتری ایجاد کرده و باری از دوش پرستاران و پزشکان بردارد.
"در ICU عصبی، پرستارها واقعاً بیمار را نظارت می‌کنند و به دنبال نشانه‌هایی در EEG هستند. اما گاهی اوقات آنها باید اتاق را ترک کنند و این شرایط حاد هستند," گفت پاهوجا. خوانش غیرعادی یا هشدار می‌تواند به معنای یک حمله صرعی، یک سکته یا چیز دیگری باشد — پرستاران آن آموزش را ندارند و حتی پزشکان متخصص ممکن است یکی را بشناسند ولی دیگری را نشناسند.
این دو بعد از سالها کار بر روی امکان‌سنجی ابزارهای محاسباتی در نورولوژی، شرکت را تأسیس کردند. آنها دریافتند که مطمئناً می‌توان تحلیل داده‌های EEG را به صورت خودکار انجام داد که برای مراقبت مفید است، اما راه ساده‌ای برای استقرار این فناوری در جایی که نیاز است، وجود ندارد.
"من تجربه این کار را دارم، منظورم این است که کنار نورولوژیست‌ها در اتاق عمل نشسته‌ام تا دقیقاً بفهمم چرا این امواج مغزی مفید هستند و چگونه می‌توانیم سیستم‌های محاسباتی برای شناسایی آنها بسازیم," گفت ساکلاریو. "آنها در بسیاری از شرایط مفید هستند، اما هر بار که از یک دستگاه EEG استفاده می‌کنید، باید کل سیستم را برای آن مسئله خاص بسازید. شما باید داده‌های جدید بگیرید، باید انسان‌ها داده‌ها را از ابتدا حاشیه‌نویسی کنند."
این کار سختی است، حتی اگر هر سیستم EEG، تنظیمات IT بیمارستان و فرمت داده‌ها یکسان بودند، اما در ساده‌ترین عناصر نیز بسیار متفاوت هستند، مانند تعداد الکترودهای موجود روی دستگاه و مکان قرار گرفتن آنها.
بنیانگذاران پیرامیدال معتقدند — و ادعا می‌کنند که می‌دانند، هرچند نتیجه کارشان هنوز منتشر نشده است — که یک مدل بنیادین برای خوانش‌های EEG می‌تواند تشخیص الگوهای نجات‌دهنده از جان را به صورت از پیش تعیین شده و نه پس از ماه‌ها مطالعه، فراهم کند.
برای روشن شدن، این مدل قرار نیست یک پلتفرم پزشکی همه‌فن‌حریف باشد — یک معادل نزدیک ممکن است سری مدل‌های لاما از متا باشد، که هزینه اولیه ایجاد قابلیت بنیادی درک زبان را پرداخت کرده‌اند. اینکه شما یک چت‌بات خدمات مشتری یا یک دوست دیجیتال بسازید به خودتان بستگی دارد، اما هیچ‌کدام بدون قابلیت بنیادی درک زبان انسانی کار نمی‌کند.
اما مدل‌های هوش مصنوعی محدود به زبان نیستند — آنها می‌توانند آموزش ببینند تا در دینامیک سیالات، موسیقی، شیمی و بیشتر عمل کنند. برای پیرامیدال، "زبان" فعالیت مغزی است، همان‌طور که از طریق EEG خوانده می‌شود، و مدل نتیجه‌شده به صورت فرضی قابلیت درک و تفسیر سیگنال‌ها از هر تنظیمات، هر تعداد الکترود یا نوع دستگاه، و هر بیمار را دارد.
هیچ‌کس هنوز چنین مدلی را نساخته است — حداقل نه به صورت عمومی.
اگرچه آنها مراقب بودند که پیشرفت فعلی خود را بیش از حد ارزیابی نکنند، ساکلاریو و پاهوجا گفتند، "ما مدل بنیادین را ساخته‌ایم، آزمایش‌های خود را روی آن انجام داده‌ایم، و اکنون در حال تولید کدهای اصلی هستیم تا آماده مقیاس‌پذیری به میلیاردها پارامتر باشد. این موضوع درباره تحقیق نیست — از روز اول درباره ساختن مدل بوده است."
نسخه اول تولیدی این مدل اوایل سال آینده در بیمارستان‌ها مستقر خواهد شد، گفت پاهوجا. "ما در حال کار بر روی چهار پروژه آزمایشی هستیم که از Q1 شروع می‌شود؛ هر چهار پروژه در ICU تست خواهند شد و همه چهار نفر می‌خواهند با ما توسعه مشترک انجام دهند." این یک اثبات مفهوم ارزشمند خواهد بود که مدل در شرایط گوناگون واحدهای مراقبت کار می‌کند. (البته تکنولوژی پیرامیدال علاوه بر هرگونه نظارت که به طور عادی به بیماران ارائه می‌شود، عمل خواهد کرد.)
مدل بنیادین هنوز نیاز به تنظیم دقیق برای کاربردهای خاص خواهد داشت، کاری که پاهوجا گفت ابتدا خودشان انجام خواهند داد؛ برخلاف بسیاری از شرکت‌های دیگر هوش مصنوعی، آنها قصد ندارند یک مدل بنیادین بسازند و سپس از هزینه‌های استفاده از API درآمد کسب کنند. اما آنها تأکید کردند که هنوز هم به شکل کنونی بسیار ارزشمند است.
"هیچ جهانی وجود ندارد که یک مدل آموزشی از ابتدا بهتر عمل کند از یک مدل پیش‌آموزشی مانند مدل ما; شروع گرم فقط می‌تواند چیزها را بهبود ببخشد," گفت ساکلاریو. "این هنوز بزرگترین مدل EEG است که تا کنون وجود داشته است، به طور بی‌نهایت بزرگتر از هر چیز دیگری که وجود دارد."
برای پیشبرد کار، پیرامیدال به دو چیز اصلی نیاز دارد که هر شرکت هوش مصنوعی به آن نیاز دارد: پول و داده. اولین مورد را شروع کرده‌اند، با یک دور تأمین مالی 6 میلیون دلاری که به صورت مشترک توسط Adverb Ventures و Lionheart Ventures رهبری شد، با مشارکت Y Combinator و سرمایه‌گذاران فرشته. آن پول برای هزینه‌های محاسباتی (بسیار بزرگ برای آموزش مدل‌ها) و افزایش کادر موظف خواهد رفت.
در خصوص داده، آنها داده کافی برای آموزش مدل تولیدی نخستین خود دارند. "به نظر می‌رسد داده‌های منبع‌باز زیادی وجود دارد — اما داده‌های منبع‌باز زیادی مجزا دارد. بنابراین ما در فرآیند جمع‌آوری و هماهنگ کردن آن به یک مخزن داده یکپارچه بزرگ بودیم."
شراکت‌ها با بیمارستان‌ها باید داده‌های آموزشی ارزشمند و فراوانی فراهم کنند، هرچند — هزاران ساعت از آن. این و منابع دیگر می‌تواند به مدل نسخه بعدی ارتقا دهد که بالاتر از توانایی انسانی است.
در حال حاضر، ساکلاریو گفت، "ما می‌توانیم با اطمینان این مجموعه از الگوهای تعریف‌شده‌ای که پزشکان به دنبال آن هستند، را تنظیم کنیم. اما یک مدل بزرگتر به ما اجازه می‌دهد که الگوهایی را بیابیم که کوچک‌تر از توانایی چشم انسان به طور پایدار و تجربی توان تشخیص آن را دارد."
این هنوز فاصله دارد، اما قابلیت ابر انسانی شرط لازم برای بهبود کیفیت مراقبت نیست. پروژه‌های آزمایشی ICU باید اجازه دهند که تکنولوژی به شکل دقیق‌تری در ادبیات علمی و احتمالاً در اتاق‌های ملاقات سرمایه‌گذاران مورد ارزیابی و مستندسازی قرار گیرد.
