AI Digunakan untuk Membuat Molekul Obat yang Dapat Melawan Fibrosis

Menciptakan obat-obatan medis baru adalah proses yang kompleks yang dapat memakan waktu bertahun-tahun dan milyaran dolar. Namun, ini juga merupakan investasi penting untuk kesehatan masyarakat. Kecerdasan buatan (AI) berpotensi membuat penemuan obat-obatan baru lebih mudah dan jauh lebih cepat jika pekerjaan terbaru dari startup Insilico Medicine terus membuat kemajuan. Seperti yang dilaporkan oleh SingularityHub, startup AI tersebut baru-baru ini menggunakan AI untuk merancang molekul yang dapat melawan fibrosis.

Dengan kompleksitas dan waktu yang dibutuhkan dalam proses penemuan molekul baru untuk obat, para ilmuwan dan insinyur terus mencari cara untuk mempercepatnya. Konsep menggunakan komputer untuk membantu menemukan obat-obatan baru bukanlah hal baru, karena konsep ini telah ada selama beberapa dekade. Namun, kemajuan di bidang ini telah lambat, dengan insinyur berjuang untuk menemukan algoritma yang tepat untuk pembuatan obat.

Deep learning telah mulai membuat penemuan obat-obatan yang didorong oleh AI lebih layak, dengan perusahaan farmasi berinvestasi besar-besaran pada startup AI selama beberapa tahun terakhir. Salah satu perusahaan telah berhasil menggunakan AI untuk merancang molekul yang dapat melawan fibrosis, hanya dalam waktu 46 hari untuk menciptakan molekul yang menyerupai obat-obatan terapi. Insilco Medicine menggabungkan dua teknik deep learning yang berbeda untuk mencapai hasil ini: reinforcement learning dan generative adversarial networks (GANs).

Reinforcement learning adalah metode pembelajaran mesin yang mendorong model pembelajaran mesin untuk membuat keputusan tertentu dengan memberikan jaringan umpan balik yang memicu respons tertentu. Model dapat dihukum untuk membuat pilihan yang tidak diinginkan atau diberi hadiah untuk membuat pilihan yang diinginkan. Dengan menggunakan kombinasi dari penguatan negatif dan positif, model dipandu untuk membuat keputusan yang diinginkan, dan akan cenderung membuat keputusan yang meminimalkan hukuman dan memaksimalkan hadiah.

Sementara itu, generative adversarial networks adalah “adversarial” karena mereka terdiri dari dua jaringan neural yang berbeda yang diperebutkan satu sama lain. Kedua jaringan diberi contoh objek untuk dilatih, sering kali gambar. Tugas satu jaringan adalah menciptakan objek palsu, sesuatu yang cukup mirip dengan objek asli sehingga dapat disalahartikan sebagai barang asli. Tugas jaringan kedua adalah mendeteksi objek palsu. Kedua jaringan berusaha untuk mengungguli jaringan lain, dan karena keduanya meningkatkan kinerja untuk mengungguli jaringan lain, perang virtual ini menyebabkan model palsu menghasilkan objek yang hampir tidak dapat dibedakan dari yang asli.

Dengan menggabungkan kedua algoritma GAN dan reinforcement learning, para peneliti dapat membuat model mereka menghasilkan molekul obat-obatan baru yang sangat mirip dengan obat-obatan terapi yang sudah ada.

Hasil eksperimen Insilico Medicine dengan penemuan obat-obatan AI baru-baru ini diterbitkan dalam jurnal Nature Biotechnology. Dalam makalah tersebut, para peneliti membahas bagaimana model deep learning dilatih. Para peneliti mengambil representasi molekul yang sudah digunakan dalam obat-obatan untuk menangani protein yang terlibat dalam fibrosis paru idiopatik atau IPF. Molekul-molekul ini digunakan sebagai dasar untuk pelatihan dan model gabungan dapat menghasilkan sekitar 30.000 molekul obat-obatan yang mungkin.

Para peneliti kemudian menyortir 30.000 kandidat molekul dan memilih enam molekul paling menjanjikan untuk pengujian laboratorium. Enam finalis ini disintesis di laboratorium dan digunakan dalam serangkaian tes yang melacak kemampuan mereka untuk menargetkan protein IPF. Satu molekul, khususnya, tampaknya menjanjikan, karena menghasilkan hasil yang diinginkan dalam obat-obatan medis.

Penting untuk dicatat bahwa obat fibrosis yang ditargetkan dalam eksperimen ini telah banyak diteliti, dengan beberapa obat yang efektif sudah ada untuknya. Para peneliti dapat merujuk pada obat-obatan ini, dan ini memberi tim peneliti keunggulan karena mereka memiliki sejumlah besar data untuk melatih model mereka. Ini tidak berlaku untuk banyak penyakit lain, dan sebagai hasilnya, ada celah yang lebih besar untuk ditutup pada pengobatan tersebut.

Fakta penting lainnya adalah bahwa model pengembangan obat perusahaan saat ini hanya menangani proses penemuan awal, dan molekul yang dihasilkan oleh model mereka masih memerlukan banyak penyesuaian dan optimasi sebelum molekul tersebut dapat digunakan untuk uji klinis.

Menurut Wired, CEO Insilico Medicine, Alex Zharvornokov, mengakui bahwa obat-obatan AI mereka belum siap untuk digunakan, dengan studi saat ini hanya sebagai konsep bukti. Tujuan dari eksperimen ini adalah untuk melihat seberapa cepat obat-obatan dapat dirancang dengan bantuan sistem AI. Namun, Zhavornokov mencatat bahwa para peneliti dapat merancang molekul yang berpotensi berguna jauh lebih cepat daripada yang mereka bisa jika menggunakan metode penemuan obat-obatan biasa.

Meskipun ada catatan, penelitian Insilico Medicine masih merupakan kemajuan yang signifikan dalam penggunaan AI untuk menciptakan obat-obatan baru. Pemolesan teknik yang digunakan dalam studi ini dapat secara substansial mempersingkat waktu yang dibutuhkan untuk mengembangkan obat-obatan baru. Ini dapat terbukti sangat berguna dalam era di mana bakteri resisten antibiotik berkembang dan banyak obat-obatan yang sebelumnya efektif kehilangan potensinya.