Tim peneliti dari Harvard University memperkenalkan sebuah model kecerdasan buatan (AI) bernama TxGNN, yang dirancang untuk membantu menemukan obat baru, khususnya untuk penyakit langka yang hingga kini belum memiliki perawatan efektif.
Model inovatif ini dikembangkan oleh Laboratorium Zitnik di Harvard dan tersedia secara gratis untuk peneliti di seluruh dunia.
Mengatasi Keterbatasan Data Penyakit Langka
Dipimpin oleh Marinka Zitnik, asisten profesor informatika biomedis di Harvard Medical School, proyek ini memanfaatkan pendekatan berbasis Graph Neural Network (GNN) untuk menganalisis data medis yang kompleks.
Dengan teknologi zero-shot learning, TxGNN mampu memprediksi obat-obatan yang cocok bahkan untuk kondisi yang belum pernah dilatih sebelumnya.
Model ini dilatih menggunakan data dari 17.800 penyakit yang diakui secara klinis dan 7.957 kandidat obat.
Kemampuan TxGNN meliputi analisis mendalam terhadap hubungan antara indikasi (penggunaan obat yang direkomendasikan) dan kontraindikasi (larangan penggunaan obat).
Ini membuatnya mampu merekomendasikan terapi yang lebih aman dan efektif.
Solusi untuk Proses Riset Obat yang Lambat
Proses pengembangan obat baru biasanya memakan waktu hingga 15 tahun dan menghabiskan biaya miliaran rupiah.
Keterbatasan ini menjadi semakin signifikan ketika berhadapan dengan penyakit langka, di mana data pasien sering kali sangat minim.
Zitnik menjelaskan bahwa TxGNN mampu menutupi kesenjangan ini dengan menawarkan cara yang lebih cepat dan hemat biaya untuk menemukan penggunaan baru dari obat yang sudah ada.
Bahkan, model ini mampu meningkatkan akurasi prediksi hingga 9 persen dibandingkan dengan metode tradisional.
“Dengan TxGNN, kami melihat potensi besar AI dalam mengurangi beban penyakit global. Teknologi ini memungkinkan kita untuk memanfaatkan obat-obatan yang sudah ada, sehingga menghemat waktu dan biaya dibandingkan merancang obat baru dari nol,” ujar Zitnik, yang juga anggota Kempner Institute for the Study of Natural and Artificial Intelligence di Harvard.
Keunggulan TxGNN Dibandingkan Model AI Lain
Dibandingkan model AI lain, TxGNN menunjukkan performa unggul:
- 50 persen lebih baik dalam mengidentifikasi kandidat obat yang potensial.
- 35 persen lebih akurat dalam memprediksi kontraindikasi obat.
Kemampuan ini membuat TxGNN menjadi alat yang sangat menjanjikan dalam mempercepat penelitian terkait penyakit langka dan pengobatannya.
Dengan akurasi tinggi, alat ini juga membantu meminimalkan risiko efek samping dari terapi yang direkomendasikan.
Potensi untuk Masa Depan
Hadirnya TxGNN diharapkan dapat mengubah paradigma pengobatan penyakit, khususnya untuk kondisi medis yang belum memiliki solusi efektif.
Selain memberikan peluang baru dalam terapi, teknologi ini juga memungkinkan para ilmuwan untuk lebih fokus pada pengembangan pengobatan yang aman dan efisien.
Langkah ini menjadi tonggak penting dalam memanfaatkan teknologi AI untuk mengatasi tantangan dalam dunia medis, sekaligus membuka jalan menuju perawatan yang lebih inklusif dan terjangkau bagi pasien di seluruh dunia.
Eksplorasi konten lain dari Reportasee.com™
Berlangganan untuk dapatkan pos terbaru lewat email.
