Svensk life science tar stort AI-språng

SciLifeLab Data Centre vill hjälpa svensk life science-forskning att ta ett stort AI-språng. Med ”AI-ready data”, nya AI-tjänster och nationell infrastruktur hoppas man kunna bidra till att snabba upp allt från precisionsmedicin till biologiska genombrott.

AI håller på att förändra svensk life science-forskning i grunden. Vid SciLifeLab Data Centre arbetar man nu för att skapa de digitala förutsättningarna för ett forskningslandskap där AI inte bara används som analysverktyg, utan blir en integrerad del av hela forskningsprocessen.
Bakom satsningen finns en växande insikt om att framtidens forskningsgenombrott kommer att kräva mer än kraftfulla språkmodeller och stora GPU-kluster.
– Att vara AI-redo handlar också om att göra data och system direkt användbara för maskiner och AI-driven forskning – och det är där vi ser det stora skiftet just nu, säger Johan Rung, chef för SciLifeLab Data Centre.

Extrema datavolymer, stora krav
SciLifeLab genererar omkring 20 petabyte data per år från nationella life science-plattformar. En ofattbart stor mängd – hela innehållet i många stora nationalbibliotek får plats på långt mindre än så. För att forskare ska kunna dra nytta av alla resurser behövs därför omfattande arbete med standardisering, metadata, dokumentation och tillgänglighet.
Angela Fuentes Pardo, datasamordnare vid SciLifeLab Data Centre, beskriver hur de försöker täcka hela livscykeln för forskningsdata från datagenerering till AI-baserad analys, tillgängliggörande av data enligt FAIR-principerna och återanvändning.
– Vårt mål är att stödja forskare i varje steg av deras dataresa genom att erbjuda ett brett ekosystem av communitydrivna tjänster, expertis, utbildningsmöjligheter och resurser som hjälper till att maximera värdet och genomslaget av forskningsdata, säger hon.
På samma gång, påpekar Angela Fuentes Pardo, främjar man arbetssätt som gör data FAIR – sökbara, tillgängliga, interoperabla och återanvändbara.
Samtidigt växer efterfrågan snabbt ute på universitet och forskningsinstitut. Enligt Ola Spjuth, AI-chef vid SciLifeLab, handlar utvecklingen inte bara om stora språkmodeller som ChatGPT.
– Det vi ser nu är en transformation av hela life science. AI förändrar hur vi analyserar data, tolkar bilder och designar experiment – det handlar om så mycket mer än stora språkmodeller, påpekar han.

Kräver kompetens
Forskarna använder redan AI för att skriva kod, analysera stora datamängder och hitta mönster som tidigare varit svåra att upptäcka. Potentialen är enorm inom exempelvis precisionsmedicin, biologisk modellering och automatiserad forskning.
Men utvecklingen ställer också nya krav på både infrastruktur och handhavande.
– Den viktigaste aspekten är kompetens. AI tar inte över arbetet, utan bistår personal med hög kompetens så att de kan fokusera på uppgifter som kräver specialistkunskaper, menar Johan Rung.
Men just därför, menar han, är även behovet stort av teknisk kompetens som kan leda utvecklingen av AI- och datadrivna tjänster för forskningen.
För att på bästa sätt bädda för brett införande och smart användning av AI i forskarrollen har SciLifeLab tagit fram en särskild AI-strategi med fem huvudområden: storskalig beräkningskapacitet, AI-färdiga data, AI i datagenerering, nationella AI-verktyg och utbildning.
En viktig del av arbetet är också att göra AI-resurser tillgängliga för forskare som saknar egna dataingenjörer eller AI-specialister.
– Många forskargrupper vill använda avancerad AI, men de saknar ofta de tekniska resurserna. Vi försöker överbrygga det gapet, säger Ola Spjuth.

Behöver vara snabbrörliga
Samtidigt förändras själva forskarrollen. AI och avancerad datahantering blir alltmer integrerade koncept i forskningsvardagen, vilket gör att forskargrupper behöver nya typer av kompetenser och arbetssätt.
Liane Hughes, projektledare vid SciLifeLab Data Centre, pekar på vikten av att snabbt kunna anpassa stöd och tjänster till forskarnas förändrade behov.
– Eftersom det är ett så hett område kan de här sakerna ändras väldigt snabbt. Eftersom vi samlar kompetenser inom flera olika områden kan vi hålla oss ganska diversifierade och ändra vad vi erbjuder utifrån de behov som finns, säger hon.
Arbetet sker dessutom i nära internationella samarbeten. Utvecklingen inom AI och life science är global, sammankopplad och extremt snabb och Sverige måste kunna samverka internationellt för att behålla sin konkurrenskraft.