Kecerdasan buatan membantu para ilmuwan memahami kanker dengan cara baru. Kolaborasi inovatif antara DeepMind dan Universitas Yale telah mengembangkan sistem AI canggih yang dapat menganalisis data sel pada skala yang belum pernah terjadi sebelumnya. Dijuluki C2S-Scale 27B, alat ini tidak hanya menganalisis data – alat ini juga memprediksi bagaimana sel kanker dapat merespons pengobatan yang berbeda.
Terobosan ini mewakili perubahan dalam penelitian kanker dari sekedar menggambarkan apa yang terjadi pada sel kanker menjadi memprediksi bagaimana mereka akan berperilaku. Model AI bekerja dengan menggabungkan data tumor nyata dengan respons sel yang disimulasikan, sehingga memungkinkannya menganalisis cara kerja obat dalam berbagai kondisi. Ini menggunakan teknik yang disebut skrining virtual konteks ganda untuk menguji ribuan obat potensial secara bersamaan di sel yang dikembangkan di laboratorium dan data tumor pasien.
Hal yang membuat penemuan ini sangat penting adalah apa yang ditemukan oleh AI: mekanisme yang sebelumnya tersembunyi yang memungkinkan kanker tertentu, terutama yang diklasifikasikan sebagai tumor “dingin”, menghindari deteksi kekebalan tubuh. Temuan ini dapat mengarah pada pendekatan baru untuk membantu tubuh mengenali dan memerangi kanker yang resistan terhadap obat.
Pendekatan AI meniru cara berpikir para ahli biologi. Teknologi ini dapat menganalisis bagaimana ribuan kombinasi obat dapat mempengaruhi sel kanker dalam kondisi berbeda, sesuatu yang tidak dapat dilakukan secara efisien oleh eksperimen laboratorium tradisional. Meskipun pengujian konvensional memeriksa satu variabel dalam satu waktu, AI ini dapat mensimulasikan ribuan kombinasi untuk mengidentifikasi pengobatan yang menjanjikan. Menurut para peneliti, sekitar 10 hingga 30 persen dari kombinasi obat yang diidentifikasi belum pernah diteliti sebelumnya.
Misalnya, AI memperkirakan bahwa menggabungkan dua obat tertentu akan secara signifikan meningkatkan kemampuan sistem kekebalan untuk mengenali sel tumor. Ketika peneliti Yale menguji prediksi ini di laboratorium, mereka menemukan bahwa kombinasi tersebut meningkatkan pengenalan kekebalan sekitar 50 persen – jauh melebihi apa yang dicapai masing-masing obat secara individual. Hal ini menunjukkan kemampuan AI untuk mengidentifikasi pendekatan pengobatan efektif yang mungkin terlewatkan oleh peneliti manusia.
Perkembangan ini menandai laju penemuan baru. Dengan mengintegrasikan data genomik, proteomik, dan respons terhadap obat, AI dapat mengidentifikasi hubungan biologis utama jauh lebih cepat dibandingkan pendekatan eksperimental tradisional. Efisiensi ini dapat mengubah penelitian medis, serupa dengan bagaimana pengurutan hasil tinggi merevolusi biologi dua dekade lalu.
Kemajuan ini merupakan bagian dari tren yang sedang berkembang. Tim peneliti lain, termasuk di MIT dan Cellarity, telah mengembangkan alat AI pelengkap seperti DrugReflector yang dapat menguji ribuan obat di berbagai jenis sel. Sistem loop tertutup ini, di mana AI mengidentifikasi pengobatan potensial dan mengujinya di laboratorium, dapat secara signifikan mempersingkat waktu yang dibutuhkan untuk mengembangkan terapi baru.
Namun para ahli menekankan bahwa AI diposisikan sebagai kolaborator, bukan pengganti peneliti manusia. Pada konferensi AI dalam Biologi baru-baru ini, para ilmuwan mengakui kekuatan AI dalam menangani data yang kompleks namun menekankan bahwa peneliti manusia masih memberikan konteks dan penilaian yang penting. Sistem ini unggul dalam mengidentifikasi pola dan hubungan tak terduga yang mungkin terlewatkan oleh manusia, sehingga membantu peneliti memfokuskan penyelidikan mereka.
Ke depan, perkembangan ini merupakan tonggak sejarah dalam metodologi ilmiah. Untuk pertama kalinya, model AI berskala besar berhasil menganalisis data biologis untuk menghasilkan hipotesis yang dapat diuji tentang resistensi kanker dan masih dalam pengawasan laboratorium. Pendekatan ini menciptakan cetak biru untuk mempercepat penemuan ilmiah di semua bidang dengan memungkinkan eksperimen virtual yang dapat dengan cepat menyaring ribuan kemungkinan.
Wawasan Utama
- Paradigma Baru: AI mengubah penelitian kanker dari mendeskripsikan kanker menjadi memprediksi perilaku dan kerentanannya.
- Efisiensi: Sistem ini dapat menganalisis ribuan kombinasi obat secara bersamaan, sehingga mempercepat proses penemuan obat.
- Kolaborasi: AI muncul sebagai kolaborator hebat yang membantu peneliti memfokuskan penyelidikan mereka dibandingkan menggantikan ilmuwan manusia.
- Potensi Masa Depan: Metodologi yang diciptakan melalui terobosan ini dapat mentransformasi penemuan ilmiah di berbagai disiplin ilmu
