AI Digunakan untuk Membuat Molekul Obat yang Dapat Melawan Fibrosis

Membuat obat 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) dapat membuat penemuan obat baru lebih mudah dan lebih cepat jika pekerjaan terbaru dari startup Insilico Medicine terus membuat kemajuan. Seperti yang dilaporkan oleh SingularityHub, startup AI telah menggunakan AI untuk merancang molekul yang dapat melawan fibrosis.

Mengingat proses penemuan molekul baru untuk obat sangat kompleks dan memakan waktu, ilmuwan dan insinyur terus mencari cara untuk mempercepatnya. Konsep menggunakan komputer untuk membantu menemukan obat baru tidak baru, karena konsep ini telah ada selama beberapa dekade. Namun, kemajuan di bidang ini telah lambat, dengan insinyur kesulitan menemukan algoritma yang tepat untuk pembuatan obat.

Pembelajaran dalam (deep learning) telah membuat penemuan obat 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 46 hari. Insilco Medicine menggabungkan dua teknik pembelajaran dalam yang berbeda untuk mencapai hasil ini: pembelajaran penguatan (reinforcement learning) dan jaringan adversarial generatif (generative adversarial networks, GANs).

Pembelajaran penguatan adalah metode pembelajaran mesin yang mendorong model pembelajaran mesin untuk membuat keputusan tertentu dengan memberikan umpan balik yang mendorong 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, jaringan adversarial generatif adalah “adversarial” karena terdiri dari dua jaringan neural yang berlawanan. Kedua jaringan diberi contoh objek untuk dilatih, seringkali gambar. Tugas satu jaringan adalah membuat 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, persaingan virtual ini menyebabkan model palsu menghasilkan objek yang hampir tidak dapat dibedakan dari objek asli.

Dengan menggabungkan kedua algoritma GANs dan pembelajaran penguatan, peneliti dapat membuat model mereka menghasilkan molekul obat baru yang sangat mirip dengan obat terapi yang sudah ada.

Hasil eksperimen Insilico Medicine dengan penemuan obat AI telah diterbitkan di jurnal Nature Biotechnology. Dalam makalah tersebut, peneliti membahas bagaimana model pembelajaran dalam dilatih. Peneliti mengambil representasi molekul yang sudah digunakan dalam obat 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 yang mungkin.

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 medis.

Penting untuk dicatat bahwa obat fibrosis yang ditargetkan dalam eksperimen ini telah banyak diteliti, dengan beberapa obat efektif yang sudah ada untuknya. Peneliti dapat merujuk pada obat-obat 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 kesenjangan 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 penyempurnaan sebelum molekul tersebut dapat digunakan dalam uji klinis.

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

Terlepas dari catatan-catatan tersebut, penelitian Insilico Medicine masih merupakan kemajuan yang signifikan dalam penggunaan AI untuk membuat obat baru. Penyempurnaan teknik yang digunakan dalam studi ini dapat secara substansial mempersingkat waktu yang dibutuhkan untuk mengembangkan obat baru. Ini dapat terbukti sangat berguna dalam era di mana bakteri resisten antibiotik berkembang biak dan banyak obat yang sebelumnya efektif kehilangan keampuhannya.