ไอบีเอ็มนำเอไอต่อยอดวิจัยตัวยารักษามะเร็ง

มะเร็งเป็นสาเหตุการเสียชีวิตอันดับสองของโลก  และเป็นสาเหตุการเสียชีวิตอันดับหนึ่งของไทย โดย ข้อมูลจากสถาบันมะเร็งแห่งชาติชี้ว่า ประเทศไทยมีผู้ป่วยมะเร็งรายใหม่ถึงวันละ 336 คน หรือ 122, 757 คนต่อปี และเสียชีวิตวันละ 221 คน หรือ 80,665 คนต่อปี

 

นายกิตติพงษ์ อัศวพิชยนต์ รองกรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด กล่าวว่าที่ผ่านมา ศูนย์วิจัยไอบีเอ็ม เมืองซูริค ประเทศสวิสเซอร์แลนด์ ได้พยายามอย่างต่อเนื่องในการพัฒนาเทคโนโลยีเอไอและแมชชีนเลิร์นนิงเพื่อช่วยวิเคราะห์หาสาเหตุและกลไกระดับโมเลกุลที่นำสู่การเกิดมะเร็ง รวมถึงองค์ประกอบของเนื้องอกในมะเร็งแต่ละประเภท ภายใต้ความมุ่งหวังในการช่วยสร้างองค์ความรู้ที่อาจช่วยให้ทั้งภาควิชาการและภาคอุตสาหกรรมสามารถค้นพบแนวทางใหม่ๆ ในการรักษามะเร็ง โดยได้เปิดโครงการส่วนหนึ่งเป็นโอเพนซอร์สให้ทุกคนสามารถทดลองและเข้าถึงซอร์สโค้ดได้ อาทิ

 

โครงการ PaccMann: ใช้ดีพเลิร์นนิงเพื่อคาดการณ์และอธิบายประสิทธิภาพของตัวยา

การพัฒนาตัวยาสำหรับการรักษามะเร็งตั้งแต่ขั้นวิจัยจนได้รับการอนุมัตินั้น อาจมีต้นทุนเฉลี่ยถึงหลายพันล้านบาท  โดยหนึ่งในแนวทางที่จะลดต้นทุนในการพัฒนายาเหล่านี้ได้ คือการวินิจฉัยให้ได้โดยเร็วที่สุดว่าสารประกอบตัวใดมีแนวโน้มที่จะต่อต้านโรคได้เร็วที่สุด

 

โครงการ 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 คาดการณ์ได้แม่นยำกว่าเครื่องมืออื่นๆ สามารถอธิบายและชี้ให้เห็นว่าส่วนใดของโครงสร้างโมเลกุลของสารประกอบที่ระบบให้ความสำคัญในการวิเคราะห์มากที่สุดในขณะที่กำลังทำการทำนาย

 

ปัจจุบันนักวิจัยและนักพัฒนาสามารถทดลองและเข้าถึงซอร์สโค้ดของ PaccMann ได้ที่ http://ibm.biz/paccmann

 

โครงการ INtERAcT: เครื่องมือช่วยสังเคราะห์ข้อมูลจากงานตีพิมพ์ทางวิทยาศาสตร์

แม้ที่ผ่านมาจะมีการตีพิมพ์บทความเกี่ยวกับผลการศึกษาปฏิกิริยาของโปรตีนต่างๆ แล้วมากกว่า 17,000 ชิ้น แต่ข้อมูลส่วนใหญ่อยู่ในรูปของข้อมูลที่ไม่ได้รับการจัดเก็บอย่างเป็นระบบ รูปภาพ หรือแผนภูมิในงานตีพิมพ์ต่างๆ ซึ่งเป็นการยากที่นักวิทยาศาสตร์จะสามารถเข้าถึงได้ทั้งหมด

 

โครงการ INtERAcT (Interaction Network infErence from vectoR representATions of words) ใช้หลักการการฝังคำในการประมวลข้อมูลจากงานตีพิมพ์ด้านชีวเวช เพื่อกำหนดเป็นเมทริคใหม่ในการวิเคราะห์ปฏิกิริยาระหว่างโปรตีนต่างๆ โดยไม่จำเป็นต้องใส่หมายเหตุประกอบหรือจัดชุดคำ โดยจากการทดสอบข้อมูลมะเร็ง 10 ประเภทจากฐานข้อมูล STRING พบว่า INtERAcT สามารถวินิจฉัยได้ดีกว่าเมทริคมาตรฐานทั่วไป โดยเฉพาะในแง่การสรุปปฏิกิริยาในบริบทเฉพาะของแต่ละโรค

 

INtERAcT เป็นโครงการโอเพนซอร์ส เปิดให้ผู้สนใจเข้าถึงข้อมูลและซอร์สโค้ดได้ที่ http://ibm.biz/interact   

 

โครงการ PIMKL: เครื่องมือคาดการณ์ลักษณะทางพันธุกรรมเพื่อจัดประเภทผู้ป่วย

การคาดการณ์การลุกลามของโรคจากข้อมูลโมเลกุลที่ได้จากตัวอย่างเนื้อเยื่อเพื่อจัดประเภทผู้ป่วย ถือเป็นขั้นตอนสำคัญที่ช่วยให้แพทย์สามารถวางแผนการรักษาได้อย่างเหมาะสมกับผู้ป่วยแต่ละราย แม้ว่าปัจจุบันจะมีการเสนออัลกอริธึมมากมายเพื่อช่วยในเรื่องนี้ แต่อัลกอริธึมส่วนใหญ่กลับไม่สามารถอธิบายผลการคาดการณ์ให้เป็นที่เข้าใจได้

 

โครงการ PIMKL (pathway-induced multiple kernel learning) เป็นอัลกอริธึมแมชชีนเลิร์นนิงแบบใหม่ที่มีประสิทธิภาพในการคาดการณ์สูงและสามารถอธิบายการคาดการณ์ลักษณะทางพันธุกรรมบนพื้นฐานของข้อมูลโมเลกุลได้อย่างชัดเจน ด้วยเทคนิคการเรียนรู้แบบ multiple kernel โดยจากการทดสอบพบว่า PIMKL สามารถตัดข้อมูลแทรกและเลือกเอาเฉพาะข้อมูลที่เกี่ยวข้องที่สุดออกมาโดยที่ประสิทธิภาพไม่ลดลง

 

ปัจจุบัน โครงการ PIMKL เปิดให้ทุกคนเข้าถึงข้อมูลและซอร์สโค้ดได้ที่ https://ibm.biz/ibmpimkl

 

 

“การวิจัยพัฒนาตัวยาเพื่อรักษามะเร็งจำเป็นต้องอาศัยความร่วมมือระดับโลก ทั้งจากภาควิชาการและภาคอุตสาหกรรม และไอบีเอ็มหวังว่าการเปิดให้ทั้งนักวิจัย นักวิชาการ และคอมมิวนิตี้โอเพนซอร์สสามารถเข้าถึงซอร์สโค้ดของทั้งสามโครงการได้ จะช่วยสร้างประโยชน์ให้แก่ให้ชุมชนวิทยาศาสตร์และการแพทย์ของไทย”