Tekijä: Maria Hurskainen

”Pahoittelen, mutta en tiedä tarkkaa antibioottimolekyyliä, josta edellisessä vastauksessani oli puhe. Antamassani esimerkissä en maininnut tarkkaa antibioottimolekyyliä, sillä tarkoitukseni oli antaa yleinen esimerkki tekoälyn hyödyntämisestä lääketieteen tutkimuksessa.” Olin kysynyt ChatGPT:ltä esimerkkiä tekoälyn tekemästä tieteellisestä löydöstä ja sain vastaukseksi tarinan tietokonealgoritmistä, joka pystyi seulomaan miljardeja molekyylejä löytääkseen yhdisteitä, jotka voisivat olla tehokkaita torjumaan bakteeri-infektioita.

Perehdyin asiaan ja löysin vuodelta 2020 ”Cell”-lehdestä julkaisun, jossa kerrottiin tekoälyn tunnistaneen lääkeaine- ja molekyylirakenteiden tietokannoista uusia lääkeaineita ja molekyylejä, joilla voisi ominaisuuksien puolesta olla antibioottista tehoa (1). Tutkimuksessa osoitettiin myös koeputkioloissa näillä molekyyleillä antibioottista tehoa resistentteihin E.coli kantoihin. Tutkimusta pidetään tekoälyn avulla saavutettuna merkittävänä edistysaskeleena antibioottitutkimuksessa ja esimerkkinä tekoälyn mahdollisuuksista tieteessä.

Viime vuoden marraskuussa tekoäly tuli ihmisten koteihin tekoälyalusta ChatGPT:n myötä (keskustelu 1). Siihen asti tekoäly oli itselleni ollut vain teoreettinen työkalu, jota en ollut käyttänyt käytännön työssäni lääkärinä, ja tutkimuksessakin tekoälyprojekteja varten oli käytetty asiaan perehtyneitä bioinformaatikkoja.

Keskustelu 1

Minä: Mikä on ChatGPT ja miten se toimii?

OpenAI/ChatGPT (Mar23 version): ChatGPT on tekoälypohjainen keskusteluagentti, joka perustuu GPT (Generative Pre-trained Transformer) -arkkitehtuuriin. GPT on tietokoneellinen malli, joka on koulutettu käsittelemään suuria määriä tekstidataa ja tuottamaan sen perusteella luonnollista kieltä.

ChatGPT käyttää GPT-mallia tuottaakseen vastauksia ihmisten esittämiin kysymyksiin. Käyttäjä syöttää ChatGPT:lle kysymyksen tai viestin, ja ChatGPT käsittelee syötetyn tekstin, ymmärtää sen ja tuottaa sitten vastauksen, joka on mahdollisimman lähellä ihmisen tuottamaa luonnollista kieltä.

ChatGPT:n toimintaperiaate perustuu siihen, että se on koulutettu suurilla määrillä ihmisten kirjoittamaa tekstidataa, jonka avulla se oppii ymmärtämään ihmisen kieltä ja tuottamaan vastauksia kysymyksiin. ChatGPT:n koulutusprosessi perustuu myös siirtämiseen (transfer learning), mikä tarkoittaa, että malli on koulutettu ensin suurella määrällä tekstidataa ja sen jälkeen hienosäädetty käyttämään tiettyä kieltä tai toimintaa varten.

ChatGPT:n avulla ihmiset voivat kommunikoida tekoälyn kanssa luonnollisesti ja saada vastauksia kysymyksiinsä. ChatGPT:n käyttö on monipuolista, ja sitä voidaan soveltaa eri aloilla, kuten asiakaspalvelussa, henkilökohtaisessa avustajana, tiedonhaussa ja monessa muussa.”

Tekoälyyn kohdistuu suuret odotukset tieteen mullistajana. Se voi lisätä tieteellistä ymmärrystä ainakin kolmella tasolla: 1) monimutkaiset kuvantamiset, 2) uusien havaintojen tekeminen suurista tutkimusaineistoista ja 3) ihmisen korvaaminen suunnittelussa tai johtopäätösten tekemisessä (2).

Päätin tutustua ChatGPT:hen keskustelemalla sen kanssa. Vastaukset tulivat nopeasti, olivat hyvin jäsenneltyjä ja pääosin sujuvalla suomen kielellä kirjoitettuja. Yllätyin kirjeiden, puheiden ja suositusten hyvästä laadusta (keskustelu 2). Tekoäly pystyi tuottamaan kohtalaisen hyvää tekstiä kaikista kysymistäni asioista, tosin alusta toimi selvästi paremmin englannin- kuin suomenkielisessä keskustelussa.

Keskustelu 2

Minä:Can you write a recommendation letter for Dr.X , who is applying a grant for her own research. He is a clinician working as a cardiologist. He has done a PhD in clinical science in Helsinki and a post-doc in Harvard. Now he wants to set up his own lab to study cardiovascular diseases

OpenAI/ChatGPT (Mar23 version): Dear Grant Committee Members,

I am writing to strongly endorse Dr. X’s grant application for his research in cardiovascular diseases. As a cardiologist with a PhD in clinical science from Helsinki and post-doctoral training at Harvard, Dr. X has a strong background in both clinical medicine and research.

During his post-doctoral fellowship, Dr. X worked on several high-impact studies that have led to novel insights into the molecular mechanisms underlying cardiovascular diseases. He has demonstrated an exceptional ability to design and conduct rigorous experiments, analyze data, and publish his findings in top-tier journals. Dr. X has also presented his work at multiple international conferences and has received numerous awards and honors.

Now, Dr. X is eager to establish his own independent research program to further investigate cardiovascular diseases. I have no doubt that he has the necessary skills, experience, and motivation to lead a successful lab. Dr. X has an excellent track record of collaborating with both basic and clinical researchers, which will be crucial in translating his findings into clinical practice.

In summary, I strongly support Dr. X’s grant application and believe that his research program has great potential to make significant contributions to the field of cardiovascular diseases. Please do not hesitate to contact me if you have any questions.

Sincerely,

[Your Name]

Minä:Can you translate this into Finnish language

OpenAI/ChatGPT (Mar23 version): Rakas Grant-tiimin jäsen,

Kirjoitan tällä kirjeellä voimakkaan suosituksen Dr. X:n apurahahakemukselle hänen tutkimukselleen sydän- ja verisuonitaudeista. Dr. X on kliininen lääkäri, jolla on tohtorin tutkinto kliinisestä tieteestä Helsingistä ja joka on suorittanut postdoc-tutkimuksen Harvardissa. Hän haluaa nyt perustaa oman laboratorion tutkimaan sydän- ja verisuonitauteja

Dr. X on työskennellyt postdoc-tutkimuksensa aikana useissa korkean vaikutusarvon tutkimuksissa, jotka ovat johtaneet uusiin oivalluksiin sydän- ja verisuonitautien molekyylimekanismeista. Hän on osoittanut poikkeuksellisen kyvyn suunnitella ja toteuttaa tiukkoja kokeita, analysoida tietoja ja julkaista tuloksiaan huippuluokan lehdissä. Dr. X on myös esitellyt työnsä useissa kansainvälisissä konferensseissa ja saanut lukuisia palkintoja ja kunnianosoituksia.

Nyt Dr. X on innokas perustamaan oman itsenäisen tutkimusohjelmansa edistääkseen sydän- ja verisuonitautien tutkimusta. Olen varma siitä, että hänellä on tarvittavat taidot, kokemus ja motivaatio menestyksekkään laboratorion johtamiseen. Dr. X:llä on erinomainen ennätys yhteistyöstä sekä perus- että kliinisten tutkijoiden kanssa, mikä on ratkaisevan tärkeää tulosten soveltamisessa kliinisessä käytännössä.

Yhteenvetona kannatan voimakkaasti Dr. X:n apurahahakemusta ja uskon, että hänen tutkimusohjelmallaan on suuri potentiaali tehdä merkittäviä panoksia sydän- ja verisuonitautien alalla. Älä epäröi ottaa minuun yhteyttä, jos sinulla on kysyttävää.

Ystävällisin terveisin,

[Your Name]

Entä faktat, voisiko ChatGPT:tä käyttää lääketieteellisessä päätöksenteossa tai tieteellisen tutkimuksen apuna? Kysyin alustalta omassa tutkimuksessani esiin tulleen geenin tähän mennessä tunnetuista rooleista tutkimassani ilmiössä (sydänsiirteen hyljintä). Tekoälyn mukaan geenillä oli jo aiemmin tunnettuja yhteyksiä hyljintään (tämän tiesin itsekin), mutta halusin tietää mistä sen tiedot olivat peräisin ja pyysin viitelähteitä (keskustelu 3). Vastaukseksi sain lyhyen listan julkaisuista, joiden otsikot olivat mielenkiintoisia ja tutkimukset hyvissä lehdissä. Yllätyksekseni ja kauhuksenikin yhtäkään artikkeleista ei löytynyt ”google” eikä ”pubmed” hauilla. Artikkelin ”DOI” ohjasi aivan toisen julkaisun sivulle. Artikkelit eivät myöskään löytyneet mainituista lehdistä. Toistin testin muutamalla muulla geenillä ja vastaus oli samanlainen: sain referenssiluettelon, jonka julkaisuja en onnistunut löytämään muilta alustoilta.

Keskustelu 3

Minä: Can you list your references?

OpenAI/ChatGPT (Mar23 version): As an AI language model, I don’t have direct access to specific sources or materials, but I can tell you that the information I provided on the role of the WARS gene in acute cardiac allograft rejection is based on current scientific literature and research studies in the field of cardiology and transplantation immunology. Some of the sources that may have informed my response include:

O’Connell J, Bennett MW, O’Sullivan GC, Roche HM. A role for tryptophanyl-tRNA synthetase in acute cardiac allograft rejection. Mol Med. 2011 Jan-Feb;17(1-2):33-40. doi: 10.2119/molmed.2010.00173. Epub 2010 Oct 6. PMID: 20926837; PMCID: PMC3022961.

Le Gall S, Neels JG, Church D, Frock R, Patton WA, Frost L, Bilakovics J, Toro B, Gopinathan S, Tolkoff-Rubin N, Dvorak AM, Platt JL. Trytophanyl-tRNA synthetase as a potential regulator of T cell activation and cardiac allograft rejection. Circulation. 2007; 116: I-185.

Bachelet T, Martinez-Vinson C, Fraisse A, Boussel L, Loric S, Charron D, Drouet E, Baudet-Bonneville V, Alia A, Tournier-Lasserve E. Tryptophanyl-tRNA synthetase (WARS) mutations in patients with autosomal dominant intellectual disability. BMC Med Genet. 2017; 18: 64.

Please note that this is not an exhaustive list, and there may be other sources that have contributed to the current understanding of the topic.

Esitelmää tehdessäni kysyin tekoälyltä, ketkä transkriptomiikan tutkijat ovat voittaneet merkittäviä tiedepalkintoja. Sain taas vakuuttavan vastauksen, mutta tiedustellessani ”kuka”, ”milloin” ja ”mistä tieto on peräisin”, päädyin palkinnon (Life Sciences Breakthrough) virallisille nettisivuille, joiden perusteella kyseisenä vuonna eri tutkijat kuin ChatGPT:n nimeämät olivat saaneet kyseisenä vuonna palkinnon (keskustelu 4).

Keskustelu 4

Minä: Kuka transkriptomiikan tutkija voitti Breakthrough palkinnon?

OpenAI/ChatGPT (Mar23 version): Breakthrough-palkinto myönnetään monilla eri aloilla tehtävästä poikkeuksellisesta työstä. Lääketieteen alalla Breakthrough-palkinto myönnetään vuosittain yhdelle tai useammalle tutkijalle, jotka ovat tehneet poikkeuksellisen merkittäviä löytöjä tai keksintöjä, jotka ovat mahdollistaneet uusia hoitoja tai edistäneet ymmärrystä tietystä sairaudesta tai biologisesta prosessista

Transkriptomiikan alalla Breakthrough-palkintoa on voittanut esimerkiksi Howard Chang, joka on professori Stanfordin yliopistossa ja on tehnyt merkittäviä löytöjä liittyen RNA:n luentaan, regulaatioon ja toimintaan. Hän on erityisesti keskittynyt non-coding RNA:n eli ei-koodaavan RNA:n tutkimukseen, joka on tärkeä osa transkriptomiikkaa.

On kuitenkin tärkeä huomata, että Breakthrough-palkintoja myönnetään monilla eri aloilla, eikä kaikkia palkinnon saajia voi tarkasti määritellä transkriptomiikan tutkijoiksi.

Minä: Milloin Howard Chen voitti breakthrough palkinnon?

OpenAI/ChatGPT (Mar23 version): Howard Chang voitti Breakthrough-palkinnon vuonna 2018 yhdessä Jonathan Weissmanin kanssa heidän tutkimuksestaan liittyen RNA:n käännökseen ja luentaan.

Minä: Mikä on lähteesi

OpenAI/ChatGPT (Mar23 version):  Lähteeni on Breakthrough Prize -sivusto, jossa listataan kaikki Breakthrough-palkinnon saajat. Voit tarkistaa tiedot täältä: https://breakthroughprize.org/Laureates/1/P1/Y2018

ChatGPT:tä ei voi vielä käyttää tiedonhakuun. Se on harjoitettu antamaan selkeitä ja kielellisesti laadukkaita vastauksia, mutta alustan tarjoamat faktat voivat olla virheellisiä, eikä lähteitä ole mahdollista jäljittää. Jäämme vielä odottamaan tekoälyalustoja, joiden kielellinen kommunikaatiokyky on vähintään ChatGPT:n tasoa, mutta jotka pystyvät myös hakemaan faktoja ja esittämään todenmukaiset lähdetiedot.

1. Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, et al. A Deep Learning Approach to Antibiotic Discovery. Cell [Internet]. 2020 Feb;180(4):688-702.e13. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0092867420301021
2. Krenn M, Pollice R, Guo SY, Aldeghi M, Cervera-Lierta A, Friederich P, et al. On scientific understanding with artificial intelligence. Nat Rev Phys [Internet]. 2022 Oct 11;4(12):761–9. Available from: https://www.nature.com/articles/s42254-022-00518-3

Maria Hurskainen
Lastenkardiologi ja tutkija

Nyt ajankohtainen lääketieteen Nobelin palkinto myönnetään vuosittain kaikkein merkittävimmälle lääketiedettä muokkaavalle tutkimukselle. Vuoden 2022 lääketieteen nobelisti, ruotsalainen biologi Svante Pääbo palkittiin eri ihmislajien genetiikan tutkimuksesta – hänen tutkimusryhmänsä suurimpia saavutuksia on ollut neandertalinihmisen genomin sekvensointi. On hämmästyttävää ajatella, että maailmankaikkeuden mittakaavassa vain 40 000 vuotta/1400 sukupolvea sitten maapallolla on elänyt rinnakkain useampia ihmislajeja ja että Pääbo on onnistunut tutkimaan heidän erojaan geenien tasolla. Kun vertaa tämän palkitun tutkimuksen aihetta oman sairaalani tutkimusskenen arvomaailmaan, ne eivät oikein tunnu kohtaavan. Sairaalatutkimushakemuksen kysymykseen ”arvioni tutkimuksessa saavutettavalle hyödylle sairaalassani” olisi vaikea perustella, miksi kannattaisi tutkia neandertalilaisen ihmisen genomi. Nyt kuitenkin tiedämme, että Nobel-palkittu tutkimus on kirjoittanut kokonaan tuoreen sivun ihmiskunnan historiaa antaen uudenlaista tietoa ihmislajeista.

Tämä ajatus johdattaakin kysymykseen, miksi kliinikkotutkija ylipäänsä tekisi laboratoriotutkimusta, jonka kysymyksenasettelu voi olla hyvin kaukana käytännön lääketieteestä ja sairaalan tavoitteista? Olen opintojeni ja työelämäni ajan vaihtelevin ajatuksin pohtinut, onko ylipäänsä mahdollista yhdistää kliinisen lääkärin työtä laboratoriotyötä vaativaan tutkimukseen? Jos palataan Nobel-maailmaan, suurin osa 47:stä viimeisen 20 vuoden aikana palkitusta lääketieteen tutkijasta oli yhdysvaltalaisia, miehiä (vain 5 naista oli palkittu), koulutukseltaan biologeja, ja yhtä palkintoa lukuunottamatta (MRI-kuvantaminen) kaikki olivat tehneet laboratoriotutkimusta. Joukossa oli vain neljä palkittua, jotka olivat tehneet lääkärinä kliinistä työtä tutkimuksen ohella. He olivat kaikki miehiä ja työskentelivät pääosin USA:ssa. Tässä näkyy varmasti se, että Eurooppaa suurempien tutkimusresurssien lisäksi Pohjois-Amerikassa on panostettu huomattavan paljon kliinikkotutkijoiden uramahdollisuuksiin tarjoamalla akateemisia virkoja, jotka mahdollistavat työn jaksottamisen 75%-25% tutkimukseen ja kliiniseen työhön. Toki Nobel on liian karkea mittari vastaamaan kysymyksiini, mutta aihetta on vaikea lähestyä faktatiedolla, koska emme tiedä mikä on laboratoriotutkimusta tekevien lääkäreiden osuus kaikista kliinikkotutkijoista. Omalla työpaikallani näitä on yhden käden sormilla laskettava määrä.

Tutkijoiden kanssa käymieni kahvipöytäkeskustelujen perusteella suomalaiset lääketieteen opiskelijat päätyvät enää harvoin laboratoriotutkimusprojekteihin. On täysin ymmärrettävää, että tutkimusnäyttöön perustuvan lääketieteen kehittymisen myötä kliinisen tutkimuksen merkitys on korostunut, ja moni lääkäri päätyy tekemään kliinistä tutkimusta, jonka yhteys omaan erikoisalaan on suora. Kliininen tutkimus on myös käytännössä helpommin organisoitavissa, koska edelleenkin Suomessa suurin osa kliinikoiden vetämästä tutkimuksesta tehdään omalla vapaa-ajalla ja pienellä budjetilla kliinisen työn ohella ilman erillistä tutkijatyösuhdetta. Lääkärin näkökulmasta tärkeä laboratoriotutkimusta vaativa lääkekehitys on myös akateemisen rahoituksen puitteissa käytännössä mahdotonta, koska budjetit (puhutaan jopa 1-2 miljardin euron investoinneista) ylittävät monituhatkertaisesti akateemiset tutkimusbudjetit.

Miksi lääkäri sitten tekisi nykymaailmassa kallista, hidasta, hankalaa, aikaa vievää ja lopputulokseltaan epävarmaa laboratoriotutkimusta? Taloudellisesti se on järjetöntä – oman tutkimusryhmän pyörittäminen vastaa työmäärältään vähintään yrityksen pyörittämistä, sillä erolla että työtä tehdään ilman tuottoa. Jokavuotinen stressinaihe on rahoituksen jatkuvuus, joka on ahkeruuden ja sitkeyden lisäksi paljolti myös onnesta kiinni. Toisaalta kliinikkotutkijoiden etuna on, että heidän on helpompi muodostaa kokonaiskuva sairauksista, löytää kliinisesti merkittäviä kysymyksenasetteluita ja kerätä tutkimusnäytteitä potilailta. Motivaatiolähteen täytyy olla vahva ja erityinen, jotta laboratoriotutkimusprojektit saadaan vietyä maaliin. Yksi tärkeä motivaatiolähde on luontainen innostus ja tarve saada selityksiä asioille ja ilmiöille – miten sairaudet syntyvät ja mikä niiden etenemistä määrittää? Toinen tärkeä tekijä on molemmista töistä nauttiminen ja sisäsyntyinen motivaatio olla osana molempia keskenään erilaisia maailmoja.

Kyselin myös käytännön kokemuksia Helsingin yliopistossa lastentauteihin erikoistuvalta kollegaltani Juha Grönholmilta. Hän on hiljattain perustanut oman tutkimusryhmän, joka tutkii primaareja immuunipuutoksia. Tutkimusrahoitus on järjestynyt säätiöiden apurahojen lisäksi Suomen Akatemian kliinisen tutkijan pestistä, joka on yksi hyvin harvoista tutkimusrahoituksista, joka mahdollistaa palkallisen tutkimustyön kliinikolle. Näitä myönnetään vuosittain vain 10 kappaletta. Tämän lisäksi sairaaloille on budjetoitu pieniä summia, jotka ovat mahdollistaneet kliinikoiden palkallisen tutkimustyön, mutta valitettavasti SOTE-uudistuksen myötä näyttää siltä, että nämä tutkimusrahat ollaan leikkaamassa pois ainakin HUS:n budjetista.

Juha kertoo, että ryhmän perustaminen on ollut opettavaista, mutta samalla iso haaste. Käytännössä klinikasta on järjestynyt hyvin tutkimusjaksoja, ja klinikkaan palaaminen on ollut helppoa pidemmänkin tutkimusjakson jälkeen (esim. yli 3 vuoden postdocin jälkeen). Raskasta on ollut pitkät jaksot klinikassa, koska tutkimustöihin täytyy ottaa koko ajan kantaa ja perheelliselle tuntuu, että aika ei tahdo riittää. On tavallista, että työpäivä alkaa jo klo 5, jotta hän saa vastailtua sähköposteihin ja kirjoitettua manuskriptia eteenpäin. Perustutkimuksen tekeminen on antanut paljon ja on ollut hyvä vastapaino kliiniselle työlle (ja päinvastoin) ja tekee työstä paljon monipuolisempaa. Eksperimenttien tulokset ovat usein hyvin konkreettisia ja tutkimus on monipuolista. Usein kyllä tulokset eivät vastaa odotettua ja sitten joutuukin miettimään… On hienoa nähdä, että uudet menetelmät saadaan toimimaan ja niitä voidaan soveltaa potilasnäytteiden tutkinnassa ja juuri näiden näytteiden tutkiminen tekee työstä mielekästä. Tulevaisuudessa hän toivoo, että pääsisi tutkimaan itse klinikassa hoitamiaan potilaita.

Jos kliinikkotutkija tarttuu vain varmoihin tutkimuskysymyksiin, joiden hyöty tiedetään jo etukäteen, kaikkein tärkeimmät ja yllättävimmät löydöt voivat jäädä tekemättä. On mahdotonta tietää etukäteen, mikä uusi tutkimustieto tulee muuttamaan maailmaa ja siksi on absurdia olettaa, että kaikelle tutkimukselle voisi löytyä etukäteen ennustettava hyöty. Laboratoriotutkimuksessa on arkea, että lukuisatkaan kokeet eivät johda mihinkään ja tulokset jäävät vaisuiksi. Toisaalta joskus sitkeän ja määrätietoisen työn tuloksena tutkimusryhmä onnistuukin sekvensoimaan laadukkaasti muinaisen ihmislajin genomin ja sen tuoman faktatiedon myötä pääsemme filosofisen ajatuksen äärelle – me nykyihmiset olemme ulkoisista eroavuuksistamme huolimatta geneettisesti hyvin samanlaisia keskenämme maanosasta riippumatta. Lisäksi ihmislajina olemme aina sekoittuneet sekä ihmislajien sisällä että välillä eroavuuksiin katsomatta.

Maria Hurskainen
Lastenkardiologi ja tutkija