วิธีการเรียนรู้ของเครื่องจักรใหม่ที่อาจเร่งการออกแบบยา

วิธีการเรียนรู้ของเครื่องจักรใหม่ที่พัฒนาโดยทีมนักวิจัยจากมหาวิทยาลัยเคมบริดจ์อาจเร่งการค้นหาวิธีรักษาโรคใหม่ๆ ได้ วิธีการนี้ “เรียนรู้วิธีการเรียนรู้” และมีประสิทธิภาพมากกว่าวิธีการเรียนรู้ของเครื่องจักรปัจจุบันสำหรับการออกแบบยา

การวิจัยใหม่นี้ได้รับการตีพิมพ์ใน Proceedings of the National Academy of Sciences.

ที่เรียกว่า การเรียนรู้ของเครื่องจักรแบบการเปลี่ยนแปลง (TML) วิธีการนี้ได้รับการพัฒนาโดยนักวิจัยจากสหราชอาณาจักร สวีเดน อินเดีย และเนเธอร์แลนด์

TML vs. Traditional ML

วิธีการ TML มีการปรับปรุงประสิทธิภาพขณะเรียนรู้และสามารถเรียนรู้จากปัญหาหลายๆ ข้อได้ นอกจากนี้ยังสามารถเร่งการระบุและผลิตยาต่างๆ ได้โดยการปรับปรุงระบบการเรียนรู้ของเครื่องจักรที่ใช้ในการระบุยา

แบบจำลองการเรียนรู้ของเครื่องจักรปัจจุบัน thườngใช้ตัวอย่างที่มีฉลาก ซึ่งโดยทั่วไปจะแสดงในรูปแบบของลักษณะเฉพาะ เช่น สีหรือรูปร่างของวัตถุ ซึ่งช่วยให้เครื่องจักรสามารถสร้างกฎทั่วไปที่เกี่ยวข้องกับลักษณะและฉลากได้

ศาสตราจารย์ Ross King จากภาควิชาวิศวกรรมเคมีและชีววิทยาแห่งมหาวิทยาลัยเคมบริดจ์เป็นผู้นำการวิจัย

“มันเหมือนกับการสอนเด็กให้ระบุสัตว์ต่างๆ เช่น นี่คือกระต่าย นี่คือล่าม้า และอื่นๆ” ศาสตราจารย์ King กล่าว “ถ้าคุณสอนแบบจำลองการเรียนรู้ของเครื่องจักรให้ระบุรูปร่างของกระต่ายได้ มันจะสามารถระบุได้ว่าสัตว์ใดเป็นกระต่ายหรือไม่ นี่คือวิธีการที่แบบจำลองการเรียนรู้ของเครื่องจักรส่วนใหญ่ทำงาน — มันจัดการปัญหาแต่ละข้อแยกจากกัน”

การเรียนรู้ของมนุษย์ทำงานในแบบที่แตกต่าง เราเรียนรู้ได้ดีขึ้นเนื่องจากประสบการณ์การเรียนรู้ในอดีตของเรา เราไม่จัดการปัญหาแต่ละข้อแยกจากกัน

ศาสตราจารย์ King ยังเป็นสมาชิกของสถาบัน Alan Turing

“ในการพัฒนาวิธีการ TML เราใช้วิธีนี้กับการเรียนรู้ของเครื่องจักรและพัฒนาระบบที่เรียนรู้ข้อมูลจากปัญหาในอดีตเพื่อการเรียนรู้ปัญหาใหม่ๆ ได้ดีขึ้น” ศาสตราจารย์ King กล่าว “เมื่อระบบการเรียนรู้ของเครื่องจักรแบบปกติต้องเริ่มต้นจากศูนย์เมื่อเรียนรู้วิธีการระบุสัตว์ใหม่ๆ — เช่น ลูกแมว — วิธีการ TML สามารถใช้ความคล้ายคลึงกับสัตว์ที่มีอยู่แล้ว: ลูกแมวเหมือนกระต่าย แต่ไม่มีหูยาวเหมือนกระต่ายและล่าม้า นี่ทำให้วิธีการ TML เป็นวิธีการที่มีประสิทธิภาพมากกว่าการเรียนรู้ของเครื่องจักร”

การทดสอบวิธีการ

นักวิจัยได้ทดสอบวิธีการและพิสูจน์ประสิทธิภาพของมันในหลายๆ ปัญหาจากวิทยาศาสตร์และวิศวกรรมศาสตร์ ตามทีมวิจัย วิธีการนี้มีประสิทธิภาพมากในด้านการค้นหายาใหม่ๆ เนื่องจากสามารถเร่งกระบวนการโดยการตรวจสอบสิ่งที่แบบจำลองการเรียนรู้ของเครื่องจักรอื่นๆ กล่าวถึงโมเลกุลต่างๆ

ในขณะที่แบบจำลองการเรียนรู้ของเครื่องจักรแบบปกติจะค้นหายาโมเลกุลที่มีรูปร่างเฉพาะ วิธีการ TML ใหม่นี้ใช้การเชื่อมโยงระหว่างยากับปัญหาในการค้นหายาใหม่ๆ

“ฉันประหลาดใจที่วิธีการนี้ทำงานได้ดี — ดีกว่าวิธีการอื่นๆ ที่เรารู้จักสำหรับการออกแบบยา” ศาสตราจารย์ King กล่าว “มันสามารถเลือกยาที่ดีกว่ามนุษย์ — และหากไม่มีวิทยาศาสตร์ที่ดีที่สุด เราจะไม่ได้ผลลัพธ์ที่ดีที่สุด”