Az IBM közkinccsé tette a rákellenes küzdelemben segítő három mesterségesintelligencia-projektjének eredményeit, amelyeket immáron a nyílt forrású fejlesztésekkel foglalkozó közösségek is használhatnak. A Watson MI Doktor veszélyes orvosi tanácsai miatt támadott cég számítógépes és molekuláris biológiai konferenciákon magyarázza el a Watsontól teljesen független három fejlesztés lehetőségeit, felhasználási módját.

Szomorú statisztika: 2018-ban 9,6 millió rákos beteg halt meg, 18 milliónál diagnosztizálták a betegséget. Genetikai örökség, környezeti tényezők, dohányzás, étrend stb. mind közrejátszik a rák kialakulásában, és ugyan sok formája kezelhető, rengeteget kell még tanulnunk róla.

Az IBM zürichi Számítógépes Rendszerek, Biológia csoportja MI- és gépitanulás-alapú megközelítéssel igyekszik gyorsítani a fő okok és a molekuláris mechanizmusok feltárását, és új módszereket dolgoz ki tumorok összetételének kimutatására.

A Pacc.Man mélytanulás algoritmus előrejelzi a működő rákellenes gyógyszerekké alakítható vegyületeket, keverékeket.

Egy gyógyszer fejlesztése többmillió dollárba kerülhet, és a pénzügyi korlátok miatt kevesebb újat dolgoznak ki. Az algoritmus automatikus elemzéseket végez, amelyek alapján kimutatja a valószínűsíthető legsikeresebb opciót. A vegyületekre vonatkozó adatokat, génkifejeződéseket és molekuláris szerkezetüket vizsgálja; munkájával jelentős mértékben csökkenthetők az előállítási költségek.

A második projekt, az INtERAcT a betegség megértéséhez kapcsolódó tanulmányokból automatikusan kivonatol adatokat. Mivel évente kb. 17 ezer idevonatkozó anyag jelenik meg, ember számára kvázi lehetetlen feladatot végez el. Jelenleg fehérjék közötti interakciókkal kapcsolatos adatokat gyűjt ki. Az eszköz egyik erőssége, hogy specifikált betegségek kontextusában képes interakciókra következtetni. Az egészséges szövetben végbemenő interakciókkal összehasonlítva ezeket, elvileg a betegség mechanizmusára vonatkozó infókhoz juthatunk.

A PIMKL algoritmus adatsorok segítségével írja le a molekuláris interakciókkal kapcsolatos ismereteinket, és azok alapján készíthetők előrejelzések a rák adott szervezeten belüli fejlődéséréről, potenciális rosszabbodásról. Betegek molekuláris megnyilvánulások szerinti csoportosításával, orvosok könnyebben dolgozhatnak ki egyénre szabott gyógymódokat.