-近年来，类器官与人工智能的热度不断攀升，在chatGPT“横空出世”之后，人工智能这一话题的热度更是达到了顶峰。ChatGPT具备的信息检索、写作与逻辑推理能力令人印象深刻，甚至带来了一定“人工智能取代人类”的恐慌。然而，人工智能这种庞大的信息处理与计算能力与人脑相比，还是相形见绌。 迄今为止，人工智能领域已经取得了了不起的成就，在医疗诊断以及精细操作等方面展现出了卓越的能力，但即使是ChatGPT，也曾在回答中表示，OpenAI的ChatGPT模型没有通过图灵测试。 虽然人工智能受到人类思维过程的启发，但该技术无法完全复制人脑的所有能力，人脑更善于学习与复杂的逻辑决定，消耗的能量更少，具有惊人的信息存储能力（估计有2500兆字节）。Frontier这台超级计算机只是超越了单个人脑的计算能力，其重量已经达到了3629公斤，所使用的能量是原来的一百万倍。 这意味着，大脑仍是现代计算机与人工智能所无法比拟的。因此，有科学家提出了这样一种设想：“倘若不再尝试让人工智能变得更像人脑，而是直接使用人脑类器官来模拟计算器呢？”这种新的跨学科领域，被称为“类器官智能”。 这种看似天方夜谭的假设实际上基于John B. Gurdon和Shinya Yamanaka的iPSC技术与近年来逐渐发展的类器官技术，通过诱导成体组织细胞构建出人脑类器官实际上并不像人类大脑的微小版本，但笔点大小的细胞培养物含有能够发挥类似大脑功能的神经元，形成大量的连接来完成思考过程。 约翰霍普金斯大学彭博公共卫生学院和怀特工程学院的Thomas Hartung教授在今年二月底于Frontiers in Science期刊发表了一篇题为“Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish”的文章。早在2012年，Hartung教授就开始通过人类皮肤样本来培养大脑器官，试图将脑器官的力量结合到一种比超级计算机更节能的生物硬件中。Hartung教授将类器官智能定义为：“在实验室培养的人脑模型中再现认知功能，如学习和感觉处理”。 
根据Hartung的说法，目前人脑的类器官还太小了。Hartung使用的单个类器官的细胞数量与果蝇神经系统中的细胞数量相当，包含大约5万个细胞，大约是人类大脑大小的三百万分之一。对于类器官智能而言，需要扩大至1000万个细胞。 尽管目前的尺寸仍非常小，但这种大脑类器官比传统2D培养的细胞更能再现器官的组织结构和功能，它们含有有髓鞘的轴突，不仅表现出自发的电生理活动，还表现出复杂振荡行为，并表现出高细胞密度和分层模式，存在着在生物学习过程中起重要作用的少突胶质细胞、小胶质细胞和星形胶质细胞等多种细胞类型。 
▲ 脑类器官培养 图源：参考资料1 但问题是，能否从这些类器官中学习并利用其计算能力？研究人员认为，优化细胞培养条件，允许即刻早期基因（IEGs）的表达，将能够进一步提高大脑类器官的学习和记忆能力。 在下一步目标中，研究人员将用大约1000万个神经细胞来进行培养，基于现有的分化方案扩大培养规模，以及直接绕过中间代神经祖细胞、从iPSC开始3D分化，进一步研究这种脑类器官，建立器官的架构和功能。 另外，虽然大脑类器官可能实现分子特征的时空再现，但其基因表达网络、某些组织结构（例如皮层图案）和神经元表型都不能反映人脑的区域组织和神经元回路的复杂性，很难实现大脑的高级功能。其部分原因是因为人脑的复杂性在一定程度上源于它的大小和支持其生长的脉管系统，目前，大多数脑类器官模型仍是无血管的，而研究人员尝试通过一种3D打印的自折叠微流控芯片来提供神经元周围化学微环境的显著可调性。 除此之外，目前仍无法高效完整地完成对人脑类器官的信号输入与输出记录的记录，研究人员正在致力于研发专用于脑类器官的3D脑机接口以及相应探针，例如3D微电极阵列（MEA）、神经像素硅探针等，尝试建立一种强大和可重复的系统来记录大脑类器官的电生理输出系统，进一步推进脑类器官的开发。 应用前景 类器官智能是一个人工智能与生物医疗相结合的领域，除了用于计算和学习外，脑类器官还可以广泛应用于疾病研究领域，尤其是阿兹海默等神经退行性疾病和神经发育障碍。 对这些神经领域疾病的研究一直进展缓慢，其原因之一是对于这些疾病的理解仍相当有限，对动物模型的构建以及了解只能反映人类病理学的很小一部分。对于记忆、学习和认知的研究，以及神经退化对这些功能的影响，需要适当的生理相关的神经元与胶质的比例、高度的生物复杂性和区域间交流。 尽管类器官不具备可预测的解剖结构，但脑类器官具备一定的自我组织能力，可以增加神经网络和区域间连接的生物复杂性来更好地反应大脑的结构和功能。因此，脑类器官模型可以用于发育、神经毒性、基因与环境关系等多种研究，构建完善的、针对人类神经疾病的病理学模型，并且可以用于潜在药物的筛选。 伦理挑战 类器官智能这一概念创造了一种具有输入和输出以及学习能力的人脑模型，必然会引发相当复杂的伦理问题。尽管目前培养的脑类器官尺寸相对小很多，但在培养到第10周时，脑类器官便会显示出髓鞘形成等与20周胎儿所类似的特征，在未来，甚至可能创造出一种表现出意识的实体。 我们希望借助类器官智能来研究人类的神经生物学特征，那么，这种有机存在是否会感受到痛苦、是否会遭受痛苦，是否会具备独立的原始记忆？ 要解决这一问题，需要对“意识”产生所必需和充分的生理条件做出界定，就类器官表现出意识的标准达成共识，并且确立“意识”与“感觉”的区分界限，对感官输入的反应等类似认知的方面属于基本的细胞机制，而非是人类水平的大脑功能。 需要确认的是，我们建立类器官智能并非是为了创造出一种“类人”的实体，并非要重建人类意识、侵犯人类尊严，而是为了提升现有的学习、认知和计算能力，了解更多疾病机制并且造福人类社会。 随着类器官智能系统结构和功能复杂性的进展，伦理问题将不可避免，这一未知领域的考虑和观点将随着科学和生物工程的发展进一步完善，目前学术界建立的伦理框架将在不断进展和经验教训中得到反馈，公众的参与和意见也将推动这个反复连续过程，技术与伦理观念将在未来同步发展。 小结 类器官智能与人工智能并非对立的两面，而是人工智能与类器官的结合，尽管对伦理道德的担忧并非空穴来风，但过分的担忧对于现今的类器官技术以及类器官智能而言还而是过早。目前，关于类器官的研究层出不穷，在器官移植、疾病模型甚至是不孕不育等多个领域都出现了突破性的进展。 尽管我们期待类器官智能能够“战胜”人工智能的计算与学习能力，并且帮助我们研究神经领域相关疾病，但脑类器官由于其机制的复杂性，恐怕还有很长的路要走。如何以一种道德负责的方式来使用这种类器官智能、助力人类社会的发展，或者说整个类器官行业又将在未来走向何方、其内在的风险挑战将如何得到解决，复旦大学类器官高峰论坛将于2023年5月13-14日举办，学者们将分享类器官基础研究、交叉学科以及临床转化方面的突破，相信这些问题将在本次大会的讨论中得到解答。 参考资料： 1.https://www./journals/science/articles/10.3389/fsci.2023.1017235 |
|
|
