AI先驅Daphne Koller在一次由斯坦福大學人類中心人工智能研究所主持的全天工作坊上發表講話，她認為生成式AI將成為癌癥研究的重要工具。Koller是生命科學人工智能公司Insitro的聯合創始人兼首席執行官，她表示，AI正在與生物學融合，這一結果被稱為數字生物學，將在人類健康領域產生巨大影響。

　　在她的演講中，Koller介紹了一種利用生成式AI來分析癌癥組織圖像的兩步過程。首先，Insitro的機器學習AI技術能夠分析來自活檢的癌癥組織的組織學圖像。Koller指出，通常情況下，人類病理學家會將這些數十億像素的圖像簡化為三個數字，但實際上這些圖像中包含了更多未被利用的信息。通過使用機器學習，計算機可以真正學習組織學的語言，從而使機器能夠以90%至95%的準確率預測患有癌癥的患者的遺傳變化。

　　然而，為了找到藥物靶點，需要更多的組織樣本，而實際上收集到的樣本往往很有限，只有幾十個。為了解決這個問題，Insitro團隊使用生成AI來創建組織圖像的“深度偽造”。

　　Koller解釋說，他們生成的不是電影明星的圖像，而是病理學幻燈片的圖像。通過將組織樣本從數百個增加到數千個，研究人員可以使用斯坦福大學開發的特殊工具進行分析，這個工具稱為“ATAC-seq”測定。團隊成功從400個癌癥組織圖像樣本擴展到了近10萬個。這一規模開始使得可以提出在樣本較少的情況下無法回答的問題。

　　生成AI被用于創建組織圖像的“深度偽造”，從而擴大了可以使用基因測定進行挖掘的樣本規模。通過分析數千個深度偽造的三陰性乳腺癌圖像，技術揭示了以前未知的可能成為藥物靶點的遺傳變化。Koller表示，一些這些靶點在三陰性乳腺癌中是新穎的，但它們已被涉及到其他癌癥中。這給人們信心，這些變化在癌癥中發揮了因果作用，可能成為有趣的新藥物靶點。

　　Koller將生成AI在生物學中的應用描述為處理人類大腦永遠無法理解的復雜程度。為了解決這個領域的問題，我們需要首先以前所未有的保真度和規模收集大量數據，不同生物層次的數據，然后讓機器做它們比人類做得更好的事情，即理解這些數據中的微妙模式，幫助我們重新定義人類疾病的多樣性和復雜性，并找出可能在臨床上起作用的干預點。

　　Koller認為，數字生物學將在人類健康以及環境、能源、生物材料和可持續農業等多個領域產生巨大影響，這也是為什么她認為這是一個非常令人興奮的領域。