Meta จับมือ 5 มหาวิทยาลัยสหรัฐฯ ใช้ AI เร่งวิจัยการแพทย์และวิทยาศาสตร์

Meta ประกาศการสนับสนุนงานวิจัยให้กับมหาวิทยาลัย 5 แห่งทั่วสหรัฐอเมริกา ประกอบด้วย California Institute of Technology, The Ohio State University College of Medicine, Louisiana State University, Indiana University และ UTHealth Houston เพื่อทดสอบประสิทธิภาพของโมเดล AI ต่อปัญหาทางวิทยาศาสตร์และคลินิกในโลกความเป็นจริง

รูปแบบการสนับสนุนมีความหลากหลายตามโครงการของแต่ละสถาบัน ทั้งการเข้าถึงโมเดล AI และเทคโนโลยีล่าสุดจาก Meta การทำงานร่วมกับนักวิจัยของ Meta โดยตรง รวมถึงการมอบเงินทุนวิจัย โดยนักวิจัยจะได้ใช้งานโมเดลตระกูล Muse เช่น Muse Spark Open, Muse Wonder, Muse Spark และ Muse Glimmer ซึ่งเป็นโมเดลขนาด 30B ที่รันบน GPU ระดับผู้บริโภคได้

นอกจากนี้ยังมีการใช้งานโมเดล computer vision อาทิ Meta Segment Anything Model (SAM), V-JEPA และ DINO รวมถึง SeamlessM4T ซึ่งเป็นโมเดลสื่อสารหลายภาษา โดยข้อมูลสุขภาพและข้อมูลทางคลินิกทั้งหมดจะถูกจัดการภายในสภาพแวดล้อมของมหาวิทยาลัยเอง เพื่อรักษาความเป็นส่วนตัวและ Meta จะไม่สามารถเข้าถึงข้อมูลเหล่านี้ได้

California Institute of Technology

ความร่วมมือกับ Caltech มุ่งทดสอบว่าโมเดลภาษาขนาดใหญ่ (LLM) สามารถทำหน้าที่เป็นเครื่องมือสำหรับการวิจัยต้นฉบับในวิชาคณิตศาสตร์และวิทยาศาสตร์กายภาพได้หรือไม่ เพื่อก้าวข้ามการสรุปความรู้ทั่วไปไปสู่การพิสูจน์ข้อคาดการณ์ (conjectures) และการทำนายผลลัพธ์ทางฟิสิกส์และเคมีที่ไม่เคยเห็นมาก่อน

โครงการและสาขาการวิจัย

• คณิตศาสตร์: Dr. Tony Yue Yu พัฒนา MathDB Frontier เพื่อประเมินว่า AI สามารถสร้างการพิสูจน์ที่เครื่องตรวจสอบได้หรือไม่
• ฟิสิกส์: Dr. Nai-Chang Yeh พัฒนาเฟรมเวิร์กที่บังคับให้ AI สร้างตัวแทนทางกายภาพภายใต้ข้อจำกัดที่ชัดเจน
• เคมี: Dr. Sarah E. Reisman สร้างเกณฑ์มาตรฐานทำนายปฏิกิริยาเคมีจากข้อมูลแล็บที่ยังไม่ได้รับการตีพิมพ์
• ชีววิทยาและคณิตศาสตร์ประยุกต์: Dr. Matt Thomson สร้าง "AI theorist" เพื่อออกแบบสมการเชิงอนุพันธ์ย่อยสำหรับสสารที่มีกิจกรรมทางชีวภาพโดยอัตโนมัติ
• วิทยาการคอมพิวเตอร์: Dr. Anima Anandkumar พัฒนา TorchLean เพื่อให้ AI สามารถสร้างและซ่อมแซมผลผลิตทางวิทยาศาสตร์ที่ตรวจสอบความถูกต้องได้อย่างเป็นทางการ

The Ohio State University College of Medicine

มหาวิทยาลัยมุ่งเน้นการใช้โมเดล Muse ร่วมกับความเชี่ยวชาญด้านคลินิกและรังสีวิทยา เพื่อยกระดับการวินิจฉัยและการทำงานของบุคลากรทางการแพทย์

โครงการและสาขาการวิจัย

• ความเสี่ยงภาวะหัวใจล้มเหลว: ทีมวิจัยนำโดย Dr. Yuan Xue พัฒนา AI แบบต่อเนื่องที่รวมการสแกน CT ช่องท้องเข้ากับประวัติการรักษา เพื่อระบุความเสี่ยงภาวะหัวใจล้มเหลว (HFpEF) ก่อนที่อาการจะปรากฏ
• รายงานรังสีวิทยา: Dr. Dufan Wu และทีม ใช้ AI ช่วยร่างรายงานเอ็กซเรย์ทรวงอก พร้อมศึกษาพฤติกรรมการพึ่งพา AI ของรังสีแพทย์เพื่อป้องกันความผิดพลาด
• การวินิจฉัยอัลไซเมอร์: Dr. Douglas Scharre พัฒนาระบบหลายเอเจนต์ (multi-agent system) เพื่อช่วยวิเคราะห์ข้อมูลการรับรู้และแนะนำขั้นตอนการรักษาถัดไป โดยมีบุคลากรทางการแพทย์ควบคุมการตัดสินใจ

Louisiana State University

LSU เน้นการวิจัยทางคลินิกและการผ่าตัด โดยประยุกต์ใช้ทั้งโมเดลภาษาและเทคโนโลยี computer vision รวมถึงอุปกรณ์สวมใส่ของ Meta

โครงการและสาขาการวิจัย

• ทะเบียนศัลยกรรมประสาท: Dr. Subhajit Chakrabarty ใช้ AI จัดการข้อมูลผลลัพธ์การผ่าตัดโดยอัตโนมัติจากข้อความทางคลินิกและภาพทางการแพทย์
• การเฝ้าติดตามทารก: Dr. Michael Dunham พัฒนาระบบ Eyes-On เพื่อตรวจจับการหลุดของท่อเจาะคอในทารกผ่านระบบ computer vision
• การฝึกอบรมเสมือนจริง: Dr. Peter DeBlieux พัฒนาโค้ช AI ใน virtual reality เพื่อแนะนำขั้นตอนหัตถการทางการแพทย์แบบเรียลไทม์
• Causal AI: Dr. Supratik Mukhopadhyay พัฒนา AI สำหรับมะเร็งศีรษะและลำคอที่สามารถอธิบายปัจจัยเบื้องหลังคำทำนายได้

Indiana University

เน้นการวิจัยที่ตอบโจทย์โลกภายนอก เช่น การใช้งานในพื้นที่ที่ไม่มีอินเทอร์เน็ต และการดูแลผู้ที่มีความแตกต่างทางพุทธิปัญญา

โครงการและสาขาการวิจัย

• การดูแลแม่และเด็กแรกเกิด: Dr. Saptarshi Purkayastha พัฒนาโครงการ NeoSmartML+ เพื่อให้คำแนะนำการดูแลทารกแบบจิงโจ้ผ่านอุปกรณ์ Android แบบออฟไลน์
• การพัฒนาภาษา: Dr. David Crandall ศึกษาการเรียนรู้ของเด็กผ่านโมเดล DINO และ V-JEPA เพื่อพัฒนา AI ที่เรียนรู้ข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น
• การดูแลผู้ป่วยสมองเสื่อม: พัฒนา AI เชิงสนทนาและหุ่นยนต์ทางสังคมที่สามารถปรับการโต้ตอบให้เข้ากับผู้สูงอายุที่มีภาวะสมองเสื่อมได้

UTHealth Houston

เน้นการใช้โมเดล Muse Glimmer เพื่อสร้างเวิร์กโฟลว์เอเจนต์ทางคลินิกและการประมวลผลข้อมูลในระดับท้องถิ่นที่มีความปลอดภัยสูง

โครงการและสาขาการวิจัย

• การใช้งานระดับท้องถิ่น: Dr. Xiaoqian Jiang ประเมินประสิทธิภาพของ Muse Glimmer ภายในโครงสร้างพื้นฐานที่ปลอดภัยสำหรับการค้นพบยา
• เอเจนต์ทางคลินิก: โครงการ ClinAgent GBM ช่วยสรุปข้อมูลที่ซับซ้อนของผู้ป่วยเนื้องอกสมอง Glioblastoma จากหลายแหล่งข้อมูล
• เทคโนโลยีจุดดูแลผู้ป่วย: การใช้ Meta Glasses ร่วมกับ AI เพื่อช่วยให้บุคลากรทางการแพทย์จัดทำเอกสารแบบไม่ต้องใช้มือ เพิ่มประสิทธิภาพการดูแลผู้ป่วย

Meta เชื่อมั่นว่าการสนับสนุนการวิจัยอิสระของมหาวิทยาลัยเหล่านี้ จะช่วยเร่งการก้าวกระโดดทางวิทยาศาสตร์และสร้างประโยชน์ต่อสังคมในวงกว้างในอนาคต