Unisciti a Transform 2021 dal 12 al 16 luglio. Registrati per l'evento AI dell'anno.
Facebook oggi ha dettagliato quello che afferma essere il primo modello di AI in grado di prevedere gli effetti di combinazioni di farmaci, dosaggi, tempistiche e altri tipi di interventi come la cancellazione del gene. Sviluppato in collaborazione con Helmholtz Zentrum München, Facebook afferma che il modello potrebbe accelerare il processo di identificazione di combinazioni di farmaci e altri trattamenti che potrebbero portare a risultati migliori per le malattie.
La scoperta di modi per riutilizzare i farmaci esistenti si è dimostrata un potente strumento per curare malattie compreso il cancro. Negli ultimi anni, i medici hanno riscontrato successo con i "cocktail di farmaci" per combattere le condizioni maligne e continuano a esplorare trattamenti personalizzati per i pazienti. Ma trovare una combinazione efficace dei farmaci esistenti alla giusta dose è estremamente difficile, in parte perché ci sono possibilità quasi infinite. I ricercatori dovrebbero provare da 5.000 a 19 miliardi di soluzioni per trovare il regime ottimale dato un pool di 100 farmaci.
Il modello open source di Facebook – Compositional Perturbation Autoencoder (CPA) – affronta apparentemente questo problema con una tecnica di auto-supervisione che osserva le cellule trattate con combinazioni di farmaci e predice l'effetto di nuove combinazioni. A differenza dei modelli supervisionati che apprendono da set di dati etichettati, Facebook genera etichette dai dati esponendo le relazioni tra le parti dei dati, un passaggio ritenuto fondamentale per ottenere un'intelligenza a livello umano.
Le previsioni del CPA richiedono ore rispetto agli anni che potrebbero trascorrere con i metodi convenzionali, consentendo ai ricercatori di selezionare i risultati più promettenti per la convalida e il follow-up, secondo Facebook.
In biologia, il sequenziamento dell'RNA viene utilizzato come metodo per misurare le espressioni geniche delle cellule a livello molecolare e studiare gli effetti delle perturbazioni, comprese le combinazioni di farmaci. Il mondo accademico e l'industria hanno rilasciato set di dati di sequenziamento dell'RNA contenenti fino a milioni di cellule e 20.000 letture per cellula per facilitare la ricerca biomedica.
Facebook ha sfruttato questi set di dati per addestrare il CPA utilizzando un approccio chiamato auto-codifica, in cui i dati vengono compressi e decompressi fino a quando non vengono riassunti in modelli utili per la previsione. Il CPA innanzitutto separa e apprende gli attributi chiave di una cellula, come gli effetti di un determinato farmaco, combinazione, dosaggio, tempo, delezione genica o tipo di cellula. Quindi ricombina in modo indipendente gli attributi per proiettare i loro effetti sulle espressioni geniche della cellula. Ad esempio, se uno dei set di dati avesse informazioni su come i farmaci influenzano i diversi tipi di cellule A, B, C e A + B, CPA apprenderebbe l'impatto di ciascun farmaco in un modo specifico del tipo di cellula e quindi ricombinerebbe ciascuno in ordine per estrapolare le interazioni tra A + C, B + C e A + B.
Per testare il CPA, Facebook afferma di aver applicato il modello a cinque set di dati di sequenze di RNA disponibili pubblicamente con misurazioni e risultati di farmaci, dosi e altri fattori di confondimento sulle cellule tumorali. Confrontato in termini di metrica R2, che rappresenta l'accuratezza delle previsioni di espressione genica, Facebook afferma che il CPA "è rimasto coerente" tra allenamento e test, un'indicazione di robustezza. Inoltre, le previsioni del CPA sugli effetti delle combinazioni di farmaci e delle dosi sulle cellule tumorali corrispondevano a quelle trovate nel set di dati dei test "in modo affidabile".
Facebook ritiene che il CPA possa accelerare "drasticamente" il processo di identificazione delle combinazioni ottimali di trattamenti, nonché aprire la strada a nuove opportunità nello sviluppo di farmaci. A tal fine, la società sta rendendo disponibili API e un pacchetto software progettato per consentire ai ricercatori di collegare set di dati ed eseguire previsioni.
“La nostra speranza è che i ricercatori farmaceutici e accademici nonché i biologi utilizzino [CPA] per accelerare il processo di identificazione delle combinazioni ottimali di farmaci per varie malattie ", hanno scritto in un post sul blog la responsabile del programma Facebook Anna Klimovskaia e il ricercatore David Lopez-Paz. "Nel futuro, [CPA] potrebbe non solo accelerare la ricerca di riutilizzo dei farmaci, ma anche – un giorno – rendere i trattamenti molto più personalizzati e su misura per le risposte delle singole cellule, una delle sfide più attive nel futuro della medicina fino ad oggi ".
Sebbene Facebook affermi che il CPA è innovativo nella sua architettura, non è il primo algoritmo progettato per prevedere le interazioni farmacologiche. Nel luglio 2018, i ricercatori di Stanford hanno dettagliato un sistema di intelligenza artificiale in grado di anticipare gli effetti delle combinazioni di farmaci modellando le oltre 19.000 proteine nel corpo che interagiscono tra loro e con i farmaci. I ricercatori del MIT-IBM Watson AI Lab, della Harvard School of Public Health, del Georgia Institute of Technology e IQVIA hanno recentemente creato uno strumento AI chiamato CASTER che stima le interazioni farmaco-farmaco potenzialmente dannose e non sicure. Un gruppo separato di Harvard ha proposto di applicare l'intelligenza artificiale per identificare i candidati per il riutilizzo di farmaci nella malattia di Alzheimer. E i ricercatori dell'Università Aalto, dell'Università di Helsinki e dell'Università di Turku in Finlandia hanno creato un modello di apprendimento automatico che proietta come combinazioni di farmaci potrebbero uccidere varie cellule tumorali.
VentureBeat
La missione di VentureBeat è quella di essere una piazza della città digitale per i responsabili delle decisioni tecniche per acquisire conoscenze sulla tecnologia trasformativa e sulle transazioni.
Il nostro sito fornisce informazioni essenziali sulle tecnologie e strategie dei dati per guidarti mentre guidi le tue organizzazioni. Ti invitiamo a diventare un membro della nostra community, per accedere a:
- informazioni aggiornate sugli argomenti di tuo interesse
- le nostre newsletter
- contenuti gated leader di pensiero e accesso scontato ai nostri eventi pregiati, come Trasforma il 2021: Per saperne di più
- funzionalità di rete e altro ancora
Diventare socio
