Kecerdasan buatan belum merevolusi dunia kedokteran, namun beberapa upaya tampaknya lebih menjanjikan dibandingkan upaya lainnya.
Perusahaan riset kanker besar Memorial Sloan Kettering dan pionir AI kehidupan Absci pada hari Senin mengumumkan kemitraan pertamanya untuk menemukan enam pengobatan kanker menggunakan kecerdasan buatan, dan berjanji untuk membawa obat baru ke uji klinis tahun depan.
MSK akan mengidentifikasi sel target yang akan ditargetkan, dan Absci akan menggunakan gen AI-nya untuk menghasilkan a lagi antibodi yang akan mengikat target itu.
“Ini adalah kolaborasi pertama yang dilakukan Absci, terutama dengan organisasi seperti MSK,” kata Sean McClain, pendiri dan CEO Absci, dalam wawancara dengan ZDNET. “Ini memberikan sinergi yang sangat baik: pengetahuan dan keahlian MSK di bidang onkologi, serta tujuan buku yang akan mereka kemukakan, dan kemampuan Absci untuk menciptakan pecandu narkoba dengan platform AI kami.”
“Jika MSK menghadirkan GPCR baru, platform kami sangat baik dalam menemukan antibodi yang mengikat target,” yang oleh McClain disebut “untuk membantu merancang biologi.”
absi
Juga: Mengintegrasikan keluaran AI ke data klinis membantu para dokter
Keputusan MSK merupakan sebuah kepercayaan besar bagi AI ilmu kehidupan termuda di dunia.
“Kami selalu mencari cara baru untuk memperbaiki keadaan pasien di seluruh dunia, dan AI jelas merupakan bidang yang perlu kami wujudkan,” kata Dr. Gregory Raskin, MD, wakil presiden senior Pengembangan Teknologi di MSK.
“Kami belum pernah berkolaborasi untuk mengembangkan obat antibodi baru dengan perusahaan yang fokus pada AI,” ujarnya. “Kami berharap tidak hanya menjadi pemimpin dalam perawatan kanker, namun juga pemimpin dalam AI perawatan kanker di MSK.”
Perjanjian tersebut digambarkan sebagai perjanjian “pengembangan bersama” dan “kemitraan 50/50”, dengan kedua belah pihak memberikan dukungan keuangan untuk proyek tersebut, meskipun jumlah uangnya belum diungkapkan.
Diskusi antara MSK dan Absci dimulai dengan diskusi pada konferensi JP Morgan Healthcare di San Francisco pada bulan Juni, kata Raskin, dan berkembang selama tujuh bulan berikutnya.
Pembagian kerja melibatkan MSK yang menentukan target, bernegosiasi antara kedua tim untuk menyetujui apa yang mereka inginkan, dan Absci mendistribusikan pembentukan antibodi, atau antibodi, terhadap target. Selain eksperimen komputer yang dapat dijalankan Absci, serta lingkungan lab basahnya, MSK akan membantu “titik awal dan para ilmuwan di institusi kami yang ahli di dunia untuk mengetahui apakah suatu obat dapat mengalahkan tumor dan menjadi aman,” kata Raskin.
“Setelah kami mengetahui apa yang kami cari, kami akan menggunakan model AI untuk mengembangkan antibodi yang menargetkan biologi,” kata McClain.
Juga: Bagaimana GenAI menjadi sukses dalam pertanyaan klinis – berkat RAG
MSK memiliki lebih dari seratus laboratorium penelitian dengan orang-orang yang bekerja di bidang onkologi, mencari cara baru untuk mengobati kanker,” kata Raskin. Neuroblastoma pediatrik, pada tahun 2020, dan Erleada, pengobatan untuk kanker prostat yang resistan terhadap pengebirian metastatik, pada tahun 2018.
“Dalam kasus antibodi tikus, ini adalah proses yang memakan waktu dan membutuhkan banyak tenaga,” kata Raskin. “Anda dapat memiliki banyak antibodi yang tidak sesuai dengan yang Anda inginkan.”
“Kami berharap metode ini akan lebih cepat diterapkan pada pasien kami – itu yang paling penting.”
Peringatan Sloan Kettering
MSK memiliki pasiennya sendiri yang dapat digunakan untuk menguji obat-obatan yang mungkin dihasilkan dari kesepakatan tersebut, kata Raskin kepada ZDNET. Rumah sakit ini memiliki sekitar 1.800 tes kesehatan, ada yang untuk pihak eksternal, ada pula yang untuk penyakit dalam.
“Kami mempunyai kemampuan untuk menulis IND kami,” katanya, “dan kami dapat memulai uji coba pada pasien kami dengan teknologi ini,” mengacu pada “Obat Baru Investigasi” yang harus diserahkan ke Badan Pengawas Obat dan Makanan AS, yaitu bertanggung jawab untuk menyetujui uji klinis dan, pada akhirnya, menerima atau menolak obat tersebut.
Daya tarik AI, kata Raskin, adalah kemampuan teknologinya untuk mempercepat pengembangan obat yang rata-rata membutuhkan waktu satu dekade. Dengan menggunakan AI generatif, obat-obatan baru dapat dengan cepat dikembangkan dan disimulasikan secara elektronik, terkadang menghemat waktu bertahun-tahun dari percobaan kimia in vitro dan percobaan pada hewan in vivo.
“Dalam kasus antibodi tikus, ini merupakan proses yang memakan waktu dan membutuhkan banyak tenaga,” kata Raskin. “Anda dapat memiliki banyak antibodi yang tidak sesuai dengan yang Anda inginkan.”
“Kami berharap metode ini akan lebih cepat diterapkan pada pasien kami – itu yang paling penting.”
Juga: AI generatif dapat menurunkan harga obat. Begitulah adanya
Untuk kolaborasi pertama Absci dengan rumah sakit terkait obat, kata McClain, kuncinya adalah “dapat menggunakan obat yang kami kembangkan bersama sebagai pasien di MSK, dan dapat meminta bantuan MSK dalam hal penerjemahan, untuk memastikan bahwa kami memiliki pendekatan klinis yang tepat.”
Absci telah menjalin kemitraan dengan beberapa raksasa farmasi, termasuk AstraZeneca, Almirall dan Merck, serta dengan raksasa chip AI Nvidia.
Kesepakatan MSK berbeda karena lembaga tersebut bersifat nirlaba, berbeda dengan operasi Big Pharma yang bersifat nirlaba, kata McClain. Karena pemasaran obat bisa sangat besar, Absci dan Memorial Sloan Kettering berencana mendatangkan mitra medis untuk memasarkan setiap obat, kata McClain, setelah menyajikan “bukti konsep” mereka sendiri.
Mengenai enam obat berikutnya, “Saya kira kita belum tahu,” kata Raskin. “Kami harus berbicara dengan ilmuwan kami dan melihat apa yang sejalan dengan pemikiran Absci.”
Menemukan target kanker adalah tugas utama, kata McClain. Absci memiliki alat untuk membuat antibodi baru dari keluaran AI, namun perusahaan tersebut memerlukan keahlian ilmuwan yang terlatih untuk melakukan pencarian menggunakan reseptor kimiawi tubuh agar dapat mencapai titik yang tepat.
“Banyak GPCR yang muncul sebagai target baru,” katanya, mengacu pada “protein berpasangan protein G,” yang merupakan kelompok reseptor terbesar yang ditargetkan oleh obat-obatan yang disetujui.
“Jika MSK menghasilkan GPCR baru, platform kami sangat baik dalam menemukan antibodi yang mengikat target tersebut,” McClain menyebutnya “untuk membantu merancang biologi.”
Kesepakatan ini, jika dapat memberikan informasi klinis yang pasti, dapat menjadi bukti penting karena hingga saat ini tidak ada bukti klinis yang cukup mengenai efektivitas AI. “Ada perusahaan kecil yang memiliki molekul yang akan menjalani fase II (uji klinis),” kata McClain. “Tetapi dalam hal antibodi, ini akan menjadi antibodi pertama yang sampai ke klinik.”
Absci telah menunjukkan bukti awal bahwa AI buatan dapat menghasilkan antibodi baru yang mengikat target kanker. Pada bulan Maret, Absci melaporkan pengembangan antibodi terhadap apa yang disebut reseptor faktor pertumbuhan epidermal manusia 2, atau HER2, sebuah onkogen manusia yang telah dikaitkan dengan beberapa jenis kanker payudara.
Model AI tidak diberi informasi tentang antibodi yang tersedia, yang efektif melawan HER2, juga tidak ada informasi rinci tentang cara mengikat — atau “mengikat” ke — HER2 dengan benar.
Obat utama Absci yang sedang dikembangkan, ABS-101, adalah pengobatan untuk gangguan pencernaan. Antibodi baru, yang dibuat menggunakan gen AI, berikatan dengan protein TL1A dalam sel kekebalan yang ekspresinya dikaitkan dengan berbagai penyakit inflamasi autoimun. Antibodi ini dikembangkan dari awal hanya dalam waktu empat belas bulan dan dengan biaya kurang dari $5 juta, McClain menekankan.
ABS-101 diperkirakan akan memulai uji klinis Tahap I tahun depan. Aplikasi lain, ABS-301, adalah target “onkologi imun” yang tidak diketahui dan telah dikonfirmasi oleh Absci secara internal.
“Anda mulai melihat antibodi dan molekul kecil yang dihasilkan oleh AI mulai digunakan di klinik,” kata McClain.
Mengingat kerahasiaan data pasien, penting untuk membedakan antara data pasien MSK dan penelitian AI Absci.
“Kami akan menggunakan data dan keahlian mereka untuk memilih target kanker, dan kemudian kami akan menggunakan model kami untuk mengembangkan antibodi,” kata McClain. “Kami tidak berencana menggunakan data Msk untuk melatih model kami, kami akan membuat datanya sendiri, menggunakan pelatihan – jadi, dari sudut pandang itu, ini akan sangat berbeda dengan mobil pemadam kebakaran.”
