ไอบีเอ็ม (IBM) เตรียมนำ AI ต่อยอดการวิจัยเพื่อพัฒนาตัวยา และแนวทางการรักษามะเร็ง พร้อมเดินหน้าเปิด 3 โครงการโอเพนซอร์สให้ทดลอง และเข้าถึงซอร์สโค้ดได้…
highlight
- ไอบีเอ็มเปิดเผยถึงสามโครงการวิจัยที่นำเทคโนโลยีเอไอและแมชชีนเลิร์นนิงเข้ามาช่วยพัฒนาแนวทางการรักษามะเร็ง ทั้งในแง่การคาดการณ์ประสิทธิภาพตัวยา การสังเคราะห์ข้อมูลจากงานตีพิมพ์ทางวิทยาศาสตร์จำนวนมาก และการคาดการณ์ลักษณะทางพันธุกรรมเพื่อจัดประเภทผู้ป่วย โดยทั้งหมดเป็นโครงการโอเพนซอร์สที่เปิดให้ทุกคนเข้าทดลอง และเข้าถึงซอร์สโค้ดได้
IBM เตรียมนำ AI ต่อยอดการวิจัยการรักษามะเร็ง
อย่างที่ทราบกันดีกว่าปัจจุบันโรคมะเร็งถือเป็นสาเหตุการเสียชีวิตอันดับสองของโลก และเป็นสาเหตุการเสียชีวิตอันดับหนึ่งของไทย โดยข้อมูลจากสถาบันมะเร็งแห่งชาติชี้ว่า ประเทศไทยมีผู้ป่วยมะเร็งรายใหม่ถึงวันละ 336 คน หรือ 122, 757 คนต่อปี และเสียชีวิตวันละ 221 คน หรือ 80,665 คนต่อปี
โดยที่ผ่านมา ศูนย์วิจัยไอบีเอ็ม เมืองซูริค ประเทศสวิสเซอร์แลนด์ ได้พยายามอย่างต่อเนื่องในการพัฒนาเทคโนโลยีเอไอ และแมชชีนเลิร์นนิงเพื่อช่วยวิเคราะห์หาสาเหตุและกลไกระดับโมเลกุลที่นำสู่การเกิดมะเร็ง รวมถึงองค์ประกอบของเนื้องอกในมะเร็งแต่ละประเภท ภายใต้ความมุ่งหวังในการช่วยสร้างองค์ความรู้ที่อาจช่วยให้ทั้งภาควิชาการ และภาคอุตสาหกรรมสามารถค้นพบแนวทางใหม่ ๆ ในการรักษามะเร็ง โดยเปิดโครงการส่วนหนึ่งเป็นโอเพนซอร์สให้ทุกคนสามารถทดลองและเข้าถึงซอร์สโค้ดได้ อาทิ
โครงการ PaccMann ใช้ดีพเลิร์นนิงเพื่อคาดการณ์ และอธิบายประสิทธิภาพของตัวยา
การพัฒนาตัวยาสำหรับการรักษามะเร็งตั้งแต่ขั้นวิจัยจนได้รับการอนุมัตินั้น อาจมีต้นทุนเฉลี่ยถึงหลายพันล้านบาท โดยหนึ่งในแนวทางที่จะลดต้นทุนในการพัฒนายาเหล่านี้ได้ คือการวินิจฉัยให้ได้โดยเร็วที่สุดว่าสารประกอบตัวใดมีแนวโน้มที่จะต่อต้านโรคได้เร็วที่สุด
ซึ่งโครงการ PaccMann (Prediction of anticancer compound sensitivity with Multi-modal attention-based neural networks) เป็นโครงการที่ศึกษาข้อมูลจากการแสดงออกของยีนในเซลล์ไลน์ที่ศึกษาและข้อมูลโครงสร้างโมเลกุลของสารประกอบต้านมะเร็ง ร่วมกับองค์ความรู้เกี่ยวกับปฏิกิริยาของโปรตีนที่มีอยู่แล้ว เพื่อให้สามารถเข้าใจได้ว่าแต่ละเซลล์ไลน์มีการตอบสนองต่อยาอย่างไร
โดยจากการใช้ PaccMann คาดการณ์การตอบสนองต่อยาของเซลล์ไลน์กว่า 200,000 คู่ ในฐานข้อมูล GDSC (Genomics of Drug Sensitivity in Cancer) พบว่า PaccMann คาดการณ์ได้แม่นยำกว่าเครื่องมืออื่น ๆ สามารถอธิบายและชี้ให้เห็นว่าส่วนใดของโครงสร้างโมเลกุลของสารประกอบที่ระบบให้ความสำคัญในการวิเคราะห์มากที่สุดในขณะที่กำลังทำการทำนาย
ปัจจุบันนักวิจัย และนักพัฒนาสามารถทดลองและเข้าถึงซอร์สโค้ดของ PaccMann ได้ที่ http://ibm.biz/paccmann
โครงการ INtERAcT เครื่องมือช่วยสังเคราะห์ข้อมูลจากงานตีพิมพ์ทางนวิทยาศาสตร์
แม้ที่ผ่านมาจะมีการตีพิมพ์บทความเกี่ยวกับผลการศึกษาปฏิกิริยาของโปรตีนต่างๆ แล้วมากกว่า 17,000 ชิ้น แต่ข้อมูลส่วนใหญ่อยู่ในรูปของข้อมูลที่ไม่ได้รับการจัดเก็บอย่างเป็นระบบ รูปภาพ หรือแผนภูมิในงานตีพิมพ์ต่างๆ ซึ่งเป็นการยากที่นักวิทยาศาสตร์จะสามารถเข้าถึงได้ทั้งหมด
โครงการ INtERAcT (Interaction Network infErence from vectoR representATions of words) ใช้หลักการการฝังคำในการประมวลข้อมูลจากงานตีพิมพ์ด้านชีวเวช เพื่อกำหนดเป็นเมทริคใหม่ในการวิเคราะห์ปฏิกิริยาระหว่างโปรตีนต่าง ๆ โดยไม่จำเป็นต้องใส่หมายเหตุประกอบหรือจัดชุดคำ โดยจากการทดสอบข้อมูลมะเร็ง 10 ประเภท จากฐานข้อมูล STRING พบว่า INtERAcT สามารถวินิจฉัยได้ดีกว่าเมทริคมาตรฐานทั่วไป โดยเฉพาะในแง่การสรุปปฏิกิริยาในบริบทเฉพาะของแต่ละโรค
INtERAcT เป็นโครงการโอเพนซอร์ส เปิดให้ผู้สนใจเข้าถึงข้อมูลและซอร์สโค้ดได้ที่ http://ibm.biz/interact
โครงการ PIMKL เครื่องมือคาดการณ์ลักษณะทางพันธุกรรมเพื่อจัดประเภทผู้ป่วย
การคาดการณ์การลุกลามของโรคจากข้อมูลโมเลกุลที่ได้จากตัวอย่างเนื้อเยื่อเพื่อจัดประเภทผู้ป่วย ถือเป็นขั้นตอนสำคัญที่ช่วยให้แพทย์สามารถวางแผนการรักษารได้อย่างเหมาะสมกับผู้ป่วยแต่ละราย แม้ว่าปัจจุบันจะมีการเสนออัลกอริธึมมากมายเพื่อช่วยในเรื่องนี้ แต่อัลกอริธึมส่วนใหญ่กลับไม่สามารถอธิบายผลการคาดการณ์ให้เป็นที่เข้าใจได้
โครงการ PIMKL (pathway-induced multiple kernel learning) เป็นอัลกอริธึมแมชชีนเลิร์นนิงแบบใหม่ที่มีประสิทธิภาพในการคาดการณ์สูง และสามารถอธิบายการคาดการณ์ลักษณะทางพันธุกรรมบนพื้นฐานของข้อมูลโมเลกุลได้อย่างชัดเจน ด้วยเทคนิคการเรียนรู้แบบ multiple kernel โดยจากการทดสอบพบว่า PIMKL สามารถตัดข้อมูลแทรก และเลือกเอาเฉพาะข้อมูลที่เกี่ยวข้องที่สุดออกมาโดยที่ประสิทธิภาพไม่ลดลง
ปัจจุบัน โครงการ PIMKL เปิดให้ทุกคนเข้าถึงข้อมูล และซอร์สโค้ดได้ที่ https://ibm.biz/ibmpimkl
กิตติพงษ์ อัศวพิชยนต์ รองกรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด กล่าวว่า การวิจัยพัฒนาตัวยาเพื่อรักษามะเร็งจำเป็นต้องอาศัยความร่วมมือระดับโลก ทั้งจากภาควิชาการ และภาคอุตสาหกรรม และไอบีเอ็มหวังว่าการเปิดให้ทั้งนักวิจัย นักวิชาการ และคอมมิวนิตี้โอเพนซอร์สสามารถเข้าถึงซอร์สโค้ดของทั้งสามโครงการได้ จะช่วยสร้างประโยชน์ให้แก่ให้ชุมชนวิทยาศาสตร์ และการแพทย์ของไทย
ส่วนขยาย * บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ ** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) *** ขอขอบคุณภาพประกอบบางส่วนจาก www.pexels.com
สามารถกดติดตามข่าวสารและบทความทางด้านเทคโนโลยีของเราได้ที่ www.facebook.com/itday.in.th
