Studi yang baru-baru ini diterbitkan di Nature Medicine dan dipimpin oleh para ilmuwan dari Universitas Harvard, dapat mengurangi waktu dan biaya untuk pengembangan obat – memberikan pengobatan yang efektif kepada pasien jauh lebih cepat.
"Dengan alat ini, kami bertujuan untuk mengidentifikasi terapi baru di seluruh spektrum penyakit tetapi ketika menyangkut kondisi yang langka, sangat langka, dan terabaikan, kami memperkirakan model ini dapat membantu menutup, atau setidaknya mempersempit, kesenjangan yang menciptakan kesenjangan kesehatan yang serius," pemimpin studi Marinka Zitnik, asisten profesor informatika biomedis di Institut Blavatnik di Harvard Medical School dan anggota fakultas asosiasi Kempner Institute, mengatakan dalam sebuah posting berita baru-baru ini.
Secara global, lebih dari 300 juta orang terkena lebih dari 7.000 penyakit langka atau tidak terdiagnosis. Dari penyakit langka ini, sekitar 7% memiliki pengobatan obat yang disetujui FDA. Artinya, banyak pasien yang menunggu dan mengharapkan terapi baru.
Alat AI baru ini mengatasi keterbatasan sebagian besar model saat ini, yang mengandalkan obat yang diketahui untuk penyakit serupa. Model-model ini berjuang dengan kondisi langka dan kurang dipahami karena kurangnya data.
TxGNN mengatasi masalah ini dengan menggunakan jaringan saraf grafik (GNN) untuk menganalisis dan mengidentifikasi hubungan dan pola yang kompleks dalam kumpulan data medis besar, yang mencakup informasi tentang penyakit, obat-obatan, dan protein.
Para peneliti menggunakan klaster AI Kempner Institute, yang mencakup GPU NVIDIA V100 Tensor Core dan GPU NVIDIA H100 Tensor Core, untuk melatih dan menyempurnakan model. Menurut Zitnik, GPU sangat penting dalam memproses grafik pengetahuan medis besar yang mencakup 17.080 penyakit dan hampir 8.000 obat.
TxGNN mengandalkan jaringan saraf grafik (GNN) untuk menalar data biologis yang kompleks dan menghasilkan penjelasan transparan bagi para ahli untuk meninjau wawasan tentang prediksinya. Dengan menganalisis koneksi yang mendasari ini, model AI dapat memahami dan memprediksi bagaimana obat dapat memengaruhi kondisi tertentu.
Dalam pengujian, model AI meningkatkan prediksi pengobatan hingga 19% tanpa dilatih tentang penyakit tertentu. Ini berkinerja lebih baik daripada model yang ada dalam memprediksi kontraindikasi, yang merupakan situasi ketika obat tidak boleh digunakan.
Saran pengobatannya juga cocok dengan obat yang sering diresepkan dokter bahkan ketika mereka tidak disetujui untuk kondisi tertentu.
Cek Berita dan Artikel yang lain di
Google News
