Yahoo Finanzen Interne Dokumente zeigen, wie Amazon den Konkurrenten Google im Gesundheitswesen angreifen will
Amazon will im Gesundheitswesen durchstarten und es dabei mit dem Konkurrenten Google aufnehmen. Interne Dokumente liegen uns vor.
Vergangene Woche hat sich eine Gruppe von Wissenschaftlern und Ingenieuren von Amazon versammelt, um große Träume zu verwirklichen. Die Veranstaltung stand ganz im Zeichen des maschinellen Lernens (kurz: ML). Das ist eine leistungsstarke Form der künstlichen Intelligenz, die bereits das Geschäft von Amazon und anderen Tech-Giganten verändert hat.
Das Besondere an der Versammlung: Der Schwerpunkt lag auf den Möglichkeiten von ML im medizinischen Bereich. Beispielsweise ging es darum, wie der Einsatz von ML die Arzneimittelforschung, klinische Studien und Genomik, also die DNA-Forschung, revolutionieren kann.
Business Insider liegen Dokumente vor, die Aufschluss über die besprochenen Themen, Ziele und Herausforderungen geben. Sie zeigen Amazons Ambitionen, mit Googles KI-Unternehmen DeepMind zu konkurrieren. Das könnte Amazon zu einem ernstzunehmenden Akteur in der Zukunft der Medizinbranche werden lassen.
"Die Grenze zwischen dem Kerngeschäft von Amazon Cloud-Geschäft AWS und dem Bereich Life Science und Healthcare verschiebt sich", sagte der Amazon-Wissenschaftler und Senior Solutions Architect Sergey Menis. Das geht aus einer Mitschrift hervor, die uns vorliegt. "Wir spezialisieren uns zunehmend auf das Gesundheitswesen und die Biowissenschaften." Ein Amazon-Sprecher wollte sich dazu nicht äußern.
Die Inhalte des Workshops
Der Wissenschaftler Menis entwickelte einen Nanopartikel, der auf einem vielversprechenden HIV-Impfstoffkandidaten beruht. Auf der Amazon ML Conference in der vergangenen Woche war neben ihm auch Amazons Chief Medical Officer, Taha Kass-Hout, anwesend. Einer der Workshops befasste sich mit dem Einsatz von maschinellem Lernen für die "menschliche Gesundheit". Eine damit verbundene Diskussionsrunde konzentrierte sich auf "ML für Biomoleküle und Biosysteme in der realen Welt".
"In diesem Workshop konzentrieren wir uns auf drei strategische Themen, bei denen ML das Potenzial für weitere spezifische Auswirkungen hat: 'Multi-omics', Arzneimittelentdeckung und medizinische Diagnostik", heißt es in einem der Dokumente. "Multi-omics" bezieht Daten aus der Genomik und ähnlichen Bereichen ein, darunter auch die Untersuchung des menschlichen Mikrobioms.
In einem internen Posting, das vor der Veranstaltung geteilt wurde, rief die Führungskraft Amazon-Mitarbeiter dazu auf, Forschungsarbeiten von bis zu sechs Seiten Länge einzureichen, die während des Workshops zu den folgenden Themen ausgetauscht und diskutiert werden könnten:
Sequenzmodellierung für Genomik, Transkriptomik und/oder Proteomik, einschließlich selbstüberwachtem Repräsentationslernen und Anwendungen von ML auf Sequenzierungsdaten der nächsten Generation.
Sequenz- und Graphen-ML-Modelle für Proteine, Medikamente und Krankheiten, einschließlich Proteinstruktur und Proteindesign, sowie generative Modellierung für Proteine und kleine Moleküle.
Methoden zur Interaktion zwischen Wirkstoff und Zielorganismus für das Arzneimittelscreening, z. B. Wissensgraphen zur Optimierung von Suchergebnissen für die Arzneimittelentdeckung oder Vorhersagen von Nebenwirkungen von Arzneimitteln.
Fragen der Fairness und Verzerrung in der personalisierten Medizin und bei genomischen Daten.
Modernste Methoden und bewährte Praktiken bei der Entwicklung von bioinformatischen Softwaresystemen, die ML als Komponente nutzen, sowie bioinformatische Werkzeuge und die Nutzung von AWS für die Biologie.
Lernen aus dem Vortraining biologischer Modelle und Interpretieren ihrer Ergebnisse.
Entwurf und Optimierung klinischer Studien.
„Ein genauer digitaler Zwilling eines Menschen und seiner Umgebung“
In einer separaten Diskussionsrunde ging Menis näher auf das maschinelle Lernen und das Gesundheitswesen ein. Auf die Frage nach dem "Aufregendsten" bei Amazon erwähnte Menis die verschwimmenden Grenzen zwischen dem Gesundheitsgeschäft des Unternehmens und seinen Forschungsbemühungen. Menis verwies zudem auf Amazons Diagnostik- und COVID-Testinitiativen sowie auf das Amazon Genomics CLI-Tool.
Die Immunogenität, oder die Fähigkeit einer Substanz, eine Immunreaktion hervorzurufen, sei ein Problem. Menis riet anderen, sich darauf zu konzentrieren, da es für Impfstoffe und Proteintherapeutika wichtig ist. Die therapeutische Entwicklung in der "digitalen Welt" sei ein Bereich, der noch relativ unerforscht sei, fügte er hinzu. Der größte Fortschritt im Bereich des maschinellen Lernens und der Therapeutika würde eintreten, wenn "ein genauer digitaler Zwilling eines Menschen und seiner Umgebung" geschaffen werden würde, sagte er. "Stellen Sie sich vor, Sie führen einen großen Rechenjob auf AWS aus, anstatt eine große klinische Studie auf der ganzen Welt durchzuführen. Das wäre wirklich revolutionär!" sagte Menis.
Über Googles Fähigkeiten hinaus gehen
Menis erwähnte mehrmals Deepminds Alphafold und forderte seine Kollegen auf, über dessen Fähigkeiten hinauszugehen. Alphafold ist ein KI-Programm, das von Deepmind entwickelt wurde, einem Forschungslabor, das der Google-Muttergesellschaft Alphabet gehört. Es kann Proteinstrukturen genau vorhersagen und abbilden, was ein wichtiger Schritt bei der Entwicklung neuer Medikamente ist. Anfang dieses Jahres veröffentlichte Alphafold die vorhergesagte Struktur von über 200 Millionen Proteinen, was laut Deepmind im Wesentlichen „das gesamte Proteinuniversum" abdeckt und den Beginn „einer neuen Ära der digitalen Biologie" darstelle.
Laut Menis ist der nächste Trend die "Protein-Halluzination", bei der KI-Modelle "die Lücken füllen und eine Lösung entwickeln". Alphafold verwendet im Wesentlichen ML, um eine digitale Darstellung von Millionen von Proteinen zu erstellen. Menis sagte, dass dieser Ansatz auch in anderen Bereichen der Arzneimittelentwicklung und -prüfung angewendet werden kann. "Man nehme eine Technik in der therapeutischen Entwicklungspipeline und stelle die Frage: "Wie kann dies in der digitalen Welt dargestellt werden?", sagte er. "Wenn man die teuren Geräte im Labor durch einen Berechnungsalgorithmus ersetzt, wird der Zugang für Forscher weltweit demokratisiert."
„Geduld und Leistung“
Die größte Herausforderung bei all dem könnte Amazons Geduld mit langfristigen, teuren Projekten sein. Auf die Frage nach dem "größten Hindernis" für den Erfolg des maschinellen Lernens in Medizin und Biotechnologie nannte Menis "Geduld und Leistung". Der Entwicklungsprozess könne sich in die Länge ziehen, und die Anforderungen an die Softwarequalität seien höher als bei anderen Anwendungen, was einen längeren Zeitrahmen erfordere.
Der CEO von Amazon, Andy Jassy, hat das Gesundheitswesen als eine der wichtigsten neuen Prioritäten bezeichnet. Vielleicht erhalten Menis und seine Kollegen also möglicherweise Unterstützung von ganz oben.
Dieser Artikel wurde von Zoe Brunner aus dem Englischen übersetzt. Das Original findet ihr hier.
Im Video: Pilotprojekt auf Naxos: Wie Amazon Mittelmeerinseln transformiert
