Halo lagi. Untuk mengantisipasi peluncuran Neural Networks dalam program Python , kami ingin berbagi dengan Anda terjemahan dari artikel yang menarik tentang kontribusi AI untuk pengembangan kedokteran.
Hong Kong Insilico Medicine telah menerbitkan sebuah penelitian yang menunjukkan bahwa sistem pembelajaran mendalam mereka dapat mengidentifikasi perawatan potensial untuk fibrosis. Sistem ini, yang disebut sistem pelatihan tensor generatif dengan penguatan atau secara singkat GENTRL, mampu mendeteksi enam perawatan yang menjanjikan hanya dalam 21 hari. Salah satu metode ini telah menunjukkan hasil yang menjanjikan dalam percobaan pada tikus percobaan. Studi ini
diterbitkan dalam jurnal Nature Biotechnology, dan
kode sumber untuk model tersedia di Github.
"Kami memiliki pemikiran strategis Inteligensi Buatan dikombinasikan dengan imajinasinya," kata CEO Insilico Alexander Zhavoronkov, yang membandingkan pekerjaan GENTRL dengan sistem pembelajaran mesin AlphaGo yang dikembangkan oleh Deepmind Google untuk menantang para pemain kejuaraan.
Zhavoronkov mendirikan perusahaan pada 2014. Dia menerima pendidikan awalnya dalam ilmu komputer dan menghabiskan beberapa tahun bekerja di ATI, sampai pada 2006 AMD membeli perusahaan. Pada titik ini, ia memutuskan untuk mengubah pekerjaannya dan terlibat dalam penelitian bioteknologi, menjadi tertarik pada bidang memperlambat proses penuaan. Ia menerima gelar master dari Johns Hopkins University, dan kemudian Ph.D dari Moscow State University, di mana ia fokus pada penelitian tentang penggunaan pembelajaran mesin untuk mempelajari fisika interaksi molekuler dalam sistem biologis. Dia bekerja untuk beberapa perusahaan, tetapi kemudian kembali ke Baltimore untuk menemukan Insilico.
Filosofi awal perusahaan adalah menggunakan pembelajaran mendalam untuk mengajarkan jaringan saraf untuk mem-bypass perpustakaan molekul yang besar dan menemukan target pemaparan terhadap obat-obatan. Namun, tak lama setelah pendirian perusahaan, Zhavoronkov menjadi tertarik pada karya
Jan Goodfellow di bidang pembelajaran mesin dan memutuskan untuk mengubah arah.
"Bisakah kita mendapatkan mesin untuk membuat molekul baru dengan properti baru, alih-alih hanya memeriksa perpustakaan pemasok raksasa?" - Dia mengajukan pertanyaan seperti itu. Penemuan obat baru secara tradisional telah melalui skrining molekuler, tetapi pertanyaannya adalah apakah proses ini dapat dioptimalkan dan dipercepat menggunakan pembelajaran mesin.
Studi pertama berdasarkan ide ini, yang diterbitkan oleh perusahaan pada tahun 2016, membantu menarik investasi untuk penelitian di persimpangan bidang bioteknologi dan kecerdasan buatan. Menurut Pitchbook, Zhavoronkov mengumpulkan investasi lain $ 24,3 juta dari sponsor seperti A-Level Capital dan Juvenescence, dengan total penilaian $ 56 juta. Dia juga memiliki beberapa mitra bioteknologi, termasuk A2A Pharmaceuticals dan TARA Biosystems.
Studi ini adalah tentang tantangan yang dilemparkan oleh perusahaan dan rekan-rekannya dari dunia kimia. Mereka meminta Insilico untuk menggunakan sistem mereka untuk mengembangkan obat potensial yang dapat mengganggu aktivitas reseptor domain 1 discoidin (DDR1). DDR1 adalah enzim yang terlibat dalam fibrosis, dan meskipun belum jelas apakah itu mengatur proses ini, penghambatan aktivitasnya dianggap sebagai terapi yang mungkin. Tugas ini menjadi dasar dari studi yang baru-baru ini diterbitkan oleh sekelompok ahli Genentech yang membutuhkan waktu sekitar 8 tahun untuk mengidentifikasi inhibitor DDR1 kinase yang menjanjikan.
Pandangan umum tentang proses penelitian InsilicoInsilico menggunakan GENTRL untuk mengembangkan obat potensial baru yang kemudian disintesis, dan salah satunya bahkan berhasil diuji pada tikus. Merancang sistem kecerdasan buatan memakan waktu sekitar 21 hari, dan jumlah total waktu untuk pengembangan, sintesis, dan validasi memakan waktu sekitar 46 hari. Meskipun tidak ada produk yang dikembangkan oleh GENTRL terbukti lebih efektif daripada inhibitor yang ditemukan oleh metode penelitian tradisional, metode tradisional membutuhkan lebih dari 8 tahun dan jutaan dolar dibandingkan beberapa minggu dan perkiraan biaya $ 150.000.
"Molekul mereka luar biasa, mereka jauh lebih baik daripada hasil kecerdasan buatan kita," - kata Zhavoronkov.
"Tapi sekali lagi, pekerjaan bertahun-tahun memainkan peran di sini melawan orang-orang yang tidak pandai kimia, tetapi sudah melakukan hal-hal seperti itu."Tentu saja, dengan latar belakang seluruh pengembangan obat-obatan, ini hanya langkah pertama. Meskipun merupakan tonggak penting untuk menunjukkan potensi AI dalam mengidentifikasi obat-obatan potensial, perlu bertahun-tahun uji klinis dan jutaan dolar untuk penelitian sebelum setiap obat potensial disetujui sebagai pengobatan untuk penyakit tertentu.
Zhavoronkov juga mengatakan bahwa Insilico masih memiliki banyak pekerjaan yang harus dilakukan. Baginya, penelitian ini dianggap sebagai terobosan penting, karena menunjukkan prospek menggunakan AI dalam pembuatan obat-obatan.
"Saya percaya penelitian ini akan mengurangi skeptisisme dalam farmasi global ," katanya.