Istraživači u RIKEN Centru za istraživanje dinamike biosistema u Japanu razvili surobotski sistem sa AI koji može da izvodi laboratorijske eksperimente u regenerativnoj medicini, uči iz rezultata i izvodi iterativne runde eksperimentisanja kako bi postigao određeni cilj.
Kao dokaz principa, istraživači su postavili robotu zadatak da optimizuje uslove ćelijske kulture kako bi stvorio maksimalan broj ćelija pigmentnog epitela retine (RPE). Robot je poboljšao procenat matičnih ćelija u kulturi koja se diferencira u RPE ćelije sa 50% na približno 90% tokom šest mjeseci eksperimentisanja, a istraživači procjenjuju da bi ljudima trebalo oko 2,5 godine da postignu istu stvar. Tehnologija bi mogla da ukaže na pravac u kojem će istraživanje medicinske laboratorije vjerovatno krenuti u narednim godinama, gdje roboti završavaju naporan eksperimentalni rad.
Medicinsko istraživanje je veliki izazov i može biti nevjerovatno zamorno. Biološki sistemi, kao što su ćelijske kulture, često su nepredvidivi i osjetljivi na male promjene u svom okruženju. Jedno malo odstupanje može u potpunosti da promijeni ishod eksperimenta, što često dovodi do frustracije i konfuzije među laboratorijskim osobljem.
Uzmimo na primjer regenerativnu medicinu, u kojoj istraživači pokušavaju da usmjere kulture matičnih ćelija da se diferenciraju u specifične tipove ćelija koje se zatim mogu koristiti za zamjenu oboljelih tkiva u telu. Određivanje optimalnih uslova kulture za postizanje efikasne diferencijacije je minsko polje različitih varijabli koje sve mogu uticati na konačni ishod.
Da bi riješili ove frustracije i ubrzali proces, neki istraživači se okreću moći robotike i vještačke inteligencije. Ova najnovija tehnologija je humanoidni robot koji pokreće vještačka inteligencija pod nazivom Maholo koji može da sprovodi sopstvene eksperimente sa ćelijskom kulturom i uči iz rezultata.
Glavni cilj eksperimenata je bio povećanje procenta matičnih ćelija koje su se diferencirale u RPE ćelije. Istraživači su u sistem unijeli svoje trenutne protokole najbolje prakse, što je rezultiralo efikasnošću diferencijacije od 50%. Algoritmi vještačke inteligencije radili su na optimizaciji ovoga i podešavali različite parametre tokom nekoliko krugova eksperimentisanja. Za nešto više od šest mjeseci, robot je poboljšao efikasnost diferencijacije na 90%, a istraživači procjenjuju da bi im za ovo trebalo 2,5 godine bez robota.