Otvoreni AI model čita DNK i otvara pitanje kome pripadaju naši genetski podaci

Open source model koji čita DNK i odgovara na pitanja o njoj stiže upravo u trenutku kada Europa raspravlja kome će pripasti podaci o našem genomu.

Hugging Face objavio je Carbon-X, model umjetne inteligencije s 14,8 milijardi parametara koji spaja sekvence DNK i prirodni jezik u jedinstveni sustav. Razvijen je s kineskom Zhongguancun akademijom i napuljskim sveučilištem Federico II, a znanstvenicima omogućuje da genetske nizove analiziraju razgovorom, kao što bi pitali kolegu.

Tehnički, model počiva na arhitekturi Qwen3-14B kineskog Alibabe. Treniran je na 302 milijarde tokena koji miješaju DNK, biološke tekstove i engleski jezik. Poseban tokenizer obrađuje DNK u blokovima od šest baznih parova, pa se oba tipa podataka slijevaju u jedan tok. Istraživač može poslati sekvencu i pitati je li neka mutacija vjerojatno bezopasna ili patogena; model odgovara obrazloženom prognozom, prepoznaje regulatorne regije i razvrstava nizove po skupinama organizama.

Jeftino i lokalno, ali ne i klinički provjereno

Najjača strana ovog alata nije točnost, nego veličina. Težine modela stanu na jedan GPU i 80 gigabajta, što laboratorijima omogućuje da podatke pacijenata drže kod sebe, pod vlastitim nadzorom. Na skupu testova Carbon-X postiže 66,7 posto točnosti, blizu 67,5 posto koliko ima GPT-6.1 Sol, ali uz višestruko nižu cijenu izračuna. Hugging Face procjenjuje da bi analiza 2,4 milijuna varijanti koštala oko 300 dolara, dok bi s vlasničkim modelima račun išao u desetke tisuća, pa i milijune dolara.

Ograničenja su ozbiljna i proizvođač ih sam navodi: model nije klinički validiran i ne smije se koristiti za medicinske odluke. Rezultati su neujednačeni po zadacima, a model traži što više konteksta da bi bio koristan. Drugim riječima, to je alat za istraživanje, ne za dijagnozu.

Pitanje koje izvor ne postavlja

Ako alat stoji na jednom serveru u laboratoriju, tko jamči da podaci o našem genomu neće završiti u tuđem oblaku? Otvoreni kod znači da svatko može provjeriti kako model radi, ali ne i da je svaki laboratorij sposoban samostalno ga održavati. Ovdje se otvara prostor za domaću infrastrukturu: država koja ozbiljno misli na zdravstvenu i tehnološku autonomiju trebala bi imati vlastite kapacitete za ovakve analize, umjesto da svaki nalaz putuje preko granice.

Carbon-X nije prvi slučaj spajanja biotehnologije i velikih jezičnih modela, ali je prvi koji je istovremeno otvoren, jeftin i dovoljno malen za lokalno pokretanje. To mijenja pravila igre. Do sada su genomske analize bile rezervirane za centre s velikim proračunima; sada ih može voditi i manji institut. Pitanje je samo hoće li ih voditi po vlastitim pravilima ili po pravilima onoga koji je model istrenirao.

I tu leži najveći rizik. Model uči iz podataka koje su prikupili drugi, na populacijama koje nisu nužno naše. Prognoza o tome je li mutacija patogena vrijedi onoliko koliko vrijedi referentni skup na kojem je model izgrađen. Za pacijente to znači jedno: bez domaćih genomskih baza i domaćih znanstvenika koji će ovakve alate propitivati, uvozit ćemo zaključke zajedno s tehnologijom. Otvoreni kod je dobar početak, ali nije zamjena za vlastitu pamet.