Dalam dunia medis, banyak penyakit langka yang belum memiliki terapi atau pengobatan yang disetujui. Hanya sekitar 5% hingga 7% dari penyakit langka yang memiliki obat. Untuk mengatasi hal ini, para peneliti mengembangkan TxGNN, sebuah model kecerdasan buatan (AI) berbasis graf yang mampu memprediksi pengobatan untuk penyakit-penyakit tersebut. Model ini memberikan harapan baru bagi para penderita penyakit langka, terutama yang tidak memiliki opsi terapi yang tersedia.

Apa Itu TxGNN?

TxGNN adalah model Graph Neural Network (GNN) yang dikembangkan untuk melakukan repurposing obat—yakni memanfaatkan obat yang sudah ada untuk digunakan dalam indikasi medis yang baru, dikutip dari Kempner Institute, Harvard University (10/1/2024). Keunggulan TxGNN terletak pada kemampuannya memprediksi obat untuk penyakit yang belum memiliki pengobatan yang disetujui. Ini adalah sebuah langkah penting dalam dunia medis, terutama karena proses pengembangan obat baru bisa memakan waktu yang sangat lama.

Cara Kerja TxGNN

Model TxGNN menggunakan graf pengetahuan medis yang mencakup lebih dari 17.000 penyakit dan hampir 8.000 obat. Dengan memproses data ini, TxGNN mampu memprediksi hubungan antara penyakit dan obat secara lebih akurat dibandingkan metode konvensional. Yang unik dari TxGNN adalah kemampuannya untuk membuat prediksi zero-shot, artinya model ini bisa memprediksi obat untuk penyakit yang bahkan belum pernah diteliti sebelumnya atau tidak memiliki data molekuler yang cukup.

Tantangan Dalam Repurposing Obat

Sebelumnya, kebanyakan model AI hanya mampu memprediksi obat berdasarkan kemiripan dengan pengobatan yang sudah ada. Namun, pendekatan ini memiliki kelemahan besar—yaitu tidak dapat menangani penyakit tanpa pengobatan yang disetujui. Di sinilah TxGNN hadir sebagai solusi, dengan pendekatan zero-shot yang memungkinkan prediksi untuk penyakit dengan data yang terbatas.

Keunggulan TxGNN Dibandingkan Model Lain

Dalam uji coba, TxGNN dibandingkan dengan delapan metode terdepan lainnya, termasuk model berbasis pemrosesan bahasa alami dan metode GNN lainnya. Hasilnya, TxGNN unggul secara signifikan dalam memprediksi indikasi obat untuk penyakit tanpa terapi yang tersedia. Model ini menunjukkan peningkatan performa sebesar 49,2% dalam prediksi obat, dan 35,1% dalam memprediksi kontraindikasi obat, dibandingkan dengan model terbaik lainnya.

Keunggulan ini menjadi penting karena kebanyakan model konvensional gagal dalam skenario zero-shot, di mana tidak ada hubungan obat-penyakit yang tersedia selama pelatihan.

Validasi Dunia Nyata

TxGNN juga diuji dalam situasi dunia nyata menggunakan rekam medis elektronik (EMR) dari lebih dari 1,2 juta pasien. Hasil prediksi model ini cocok dengan resep off-label yang diberikan oleh dokter, menunjukkan bahwa TxGNN memiliki potensi nyata untuk digunakan dalam praktik klinis.

Dalam sebuah studi kecil, ilmuwan dan dokter yang menguji prediksi TxGNN menunjukkan peningkatan keyakinan terhadap prediksi ketika diberikan penjelasan terperinci. TxGNN juga diuji pada penyakit langka seperti Kleefstra Syndrome dan Ehlers-Danlos Syndrome, di mana hasil prediksi model cocok dengan bukti medis yang ada.

Kesimpulan

TxGNN merupakan terobosan besar dalam dunia kecerdasan buatan (AI) untuk repurposing obat, terutama bagi penyakit-penyakit yang belum memiliki pengobatan yang tersedia. Dengan kemampuan zero-shot dan pendekatan berbasis graf, TxGNN berhasil memprediksi pengobatan dengan lebih akurat dan transparan. Model ini tidak hanya memberikan prediksi, tetapi juga penjelasan yang dapat dipahami oleh para ahli medis, meningkatkan kepercayaan dan potensi penggunaan di dunia klinis.

Inovasi ini memberikan harapan baru bagi penderita penyakit langka dan menjadi langkah maju dalam pemanfaatan teknologi AI untuk solusi medis di masa depan.

FAQ

1. Apa itu TxGNN?
   • TxGNN adalah model kecerdasan buatan (AI) berbasis Graph Neural Network (GNN) yang digunakan untuk memprediksi pengobatan baru dari obat-obat yang sudah ada. Ini dikenal sebagai proses repurposing obat dan dirancang untuk membantu mengatasi penyakit yang belum memiliki terapi yang disetujui.
2. Apa yang dimaksud dengan repurposing obat?
   • Repurposing obat adalah pendekatan di mana obat-obat yang telah ada dipelajari ulang untuk mengetahui apakah mereka bisa digunakan untuk mengobati penyakit lain yang berbeda dari indikasi aslinya. Ini memungkinkan pengobatan lebih cepat dan mengurangi biaya pengembangan dibandingkan menciptakan obat baru dari awal.
3. Bagaimana TxGNN bekerja?
   • TxGNN menggunakan graf pengetahuan medis yang menghubungkan berbagai penyakit dan obat. Dengan memproses data ini, TxGNN memprediksi obat yang dapat digunakan untuk penyakit yang belum memiliki pengobatan yang disetujui. Keunggulan utamanya adalah kemampuannya dalam melakukan zero-shot prediction, yaitu memprediksi pengobatan bahkan untuk penyakit dengan data yang terbatas atau yang tidak pernah diteliti sebelumnya.
4. Apa yang dimaksud dengan zero-shot prediction?
   • Zero-shot prediction adalah kemampuan model AI untuk memprediksi hasil yang tepat (seperti obat untuk penyakit tertentu) meskipun model tersebut belum pernah melihat data terkait selama pelatihan. Ini penting dalam kasus penyakit langka yang belum ada obat atau informasi molekulernya.
5. Mengapa TxGNN penting bagi pengobatan penyakit langka?
   • Banyak penyakit langka yang tidak memiliki obat yang disetujui, dan proses pengembangan obat baru sangat lama serta mahal. Dengan TxGNN, obat yang sudah ada bisa diprediksi ulang untuk digunakan dalam penyakit-penyakit langka ini, memberikan harapan baru bagi pasien yang sebelumnya tidak memiliki pilihan terapi.
6. Bagaimana TxGNN dibandingkan dengan model AI lainnya?
   • TxGNN telah diuji dibandingkan dengan delapan metode terkemuka lainnya, termasuk model AI berbasis pemrosesan bahasa alami dan model GNN lainnya. TxGNN secara signifikan lebih baik dalam memprediksi obat untuk penyakit tanpa pengobatan yang tersedia, menunjukkan peningkatan performa hingga 49,2% dalam prediksi obat.
7. Apakah TxGNN sudah diuji dalam praktik klinis?
   • Ya, TxGNN telah divalidasi menggunakan rekam medis elektronik (EMR) dari lebih dari 1,2 juta pasien. Hasil prediksinya sejalan dengan resep off-label yang diberikan oleh dokter, menunjukkan potensi penggunaan TxGNN dalam praktik medis dunia nyata.
8. Apa keuntungan utama dari TxGNN bagi para dokter dan peneliti?
   • Selain akurasi prediksinya, TxGNN juga menawarkan penjelasan multi-hop yang transparan, memungkinkan para ahli medis untuk memahami hubungan antara obat dan penyakit dengan lebih baik. Ini membantu meningkatkan kepercayaan terhadap hasil prediksi yang dihasilkan oleh model AI.
9. Apa saja contoh penyakit langka yang bisa dibantu dengan TxGNN?
   • TxGNN telah diuji pada beberapa penyakit langka seperti Kleefstra Syndrome, Ehlers-Danlos Syndrome, dan Nephrogenic Syndrome of Inappropriate Antidiuresis (NSIAD). Pada kasus ini, TxGNN berhasil memprediksi obat yang konsisten dengan bukti medis yang ada.
10. Bagaimana TxGNN dapat membantu mempercepat pengembangan obat?
    • Karena TxGNN menggunakan data yang sudah ada dan memanfaatkan obat yang telah disetujui, proses repurposing obat dapat menghemat waktu dan biaya yang biasanya dibutuhkan untuk mengembangkan obat baru dari awal. Ini mempercepat waktu untuk membawa pengobatan baru ke pasien yang membutuhkannya.