TxGNN : Model AI untuk Temukan Obat Penyakit Langka

Pantau - Laboratorium Zitnik di Harvard memperkenalkan sebuah model AI (Artificial Intelligence) yang diberi nama TxGNN. Model AI ini memanfaatkan teknologi zero-shot learning untuk mengidentifikasi obat-obatan baru yang sudah ada dan berpotensi bisa digunakan bagi penyakit yang belum ada obatnya.

Sementara untuk basisnya, TxGNN mengggunakan pendekatan berbasis Graph Neural Network (GNN) yang memungkinkan analisis hubungan kompleks dalam data medis. TxGNN dilatih menggunakan sejumlah besar data komprehensif mencakup 17.800 penyakit yang dikenali secara klinis dan 7.957 kandidat.

Pimpinan studi, Marinka Zitnik, mengungkapkan bahwa alat AI (Artificial Intelligence) ini bisa membantu mengatasi kesenjangan kesehatan, terutama dalam menangani penyakit langka yang seringkali memiliki pilihan pengobatan terbatas. Studi ini telah dipublikasikan di jurnal Nature Medicine, yang menyoroti bagaimana TxGNN dapat menjadi solusi bagi tantangan global dalam menemukan pengobatan untuk kondisi medis yang jarang atau sulit diobati.

Baca : Bikin Regulasi AI di Indonesia 'Ojo Kesusu', Apa Alasannya?

Teknologi di Balik TxGNN

Melansir aihub.id, model AI TxGNN menggunakan pendekatan berbasis Graph Neural Networks (GNN), yang memungkinkan analisis hubungan kompleks dalam data medis berukuran besar. Data yang dianalisis oleh TxGNN mencakup informasi penting tentang penyakit, obat-obatan, serta interaksi protein di dalam tubuh manusia. Dengan jaringan saraf grafik ini, TxGNN dapat mengidentifikasi kemungkinan penggunaan baru dari obat yang sudah ada, bahkan untuk kondisi medis yang belum ditangani dengan baik oleh pengobatan konvensional.

Menurut Zitnik, banyak model kecerdasan buatan yang ada saat ini memiliki keterbatasan, terutama ketika berhadapan dengan penyakit langka. Hal ini disebabkan oleh minimnya data yang tersedia untuk kondisi medis yang jarang ditemui. Namun, TxGNN berbeda karena ia tidak hanya mengandalkan pengetahuan dari penyakit serupa. Dengan pendekatan zero-shot learning, TxGNN mampu memprediksi cara penggunaan obat tanpa pelatihan sebelumnya pada penyakit tertentu. Bahkan, model ini mampu meningkatkan akurasi prediksi hingga 19 persen.

Dampak Bagi Pasien Penyakit Langka

Secara global, ada lebih dari 300 juta orang yang menderita lebih dari 7.000 jenis penyakit langka, banyak di antaranya tidak terdiagnosis dengan baik. Dari sekian banyak penyakit langka ini, hanya sekitar 7 persen yang memiliki pengobatan yang disetujui oleh Badan Pengawas Obat dan Makanan Amerika Serikat (FDA). Ini berarti jutaan pasien di seluruh dunia masih menunggu terapi yang efektif untuk kondisi mereka.

Model TxGNN dapat menjadi jawaban bagi kebutuhan mendesak akan pengobatan baru. Selain dapat memprediksi penggunaan obat yang belum disetujui secara khusus untuk kondisi tertentu, model ini juga unggul dalam mendeteksi kontraindikasi obat. Dalam pengujian yang dilakukan, TxGNN sering kali menyarankan obat yang cocok dengan resep dokter, meskipun obat tersebut belum secara resmi diakui untuk mengobati penyakit yang dimaksud.

Keunggulan GPU dalam Pengembangan Model AI

Dalam pengembangan TxGNN, para peneliti memanfaatkan klaster AI dari Kempner Institute, yang didukung oleh unit pengolahan grafis (GPU) NVIDIA V100 Tensor Core dan NVIDIA H100 Tensor Core. Teknologi GPU ini sangat penting untuk memproses dan menganalisis grafik pengetahuan medis yang sangat besar, yang mencakup data tentang 17.080 penyakit dan hampir 8.000 obat. GPU ini mempercepat pelatihan model AI dengan memproses data dalam jumlah besar secara efisien dan cepat.

Zitnik menjelaskan bahwa GPU memainkan peran krusial dalam meningkatkan kinerja TxGNN. Dalam pengujian, model ini berhasil meningkatkan akurasi prediksi pengobatan tanpa dilatih secara spesifik pada penyakit tertentu. Hal ini membuktikan bahwa TxGNN memiliki potensi yang besar untuk membantu para ilmuwan dan dokter dalam menemukan terapi yang lebih baik untuk penyakit langka.

Baca : iPad Mini 7 Diduga Menggunakan Prosesor dengan Jumlah Core GPU yang Dikurangi