(Business Lounge – Health) Para peneliti yang mempelajari penyakit Alzheimer menggunakan basis data berbasis kecerdasan buatan (AI) untuk mempercepat proses penemuan obat dengan mempermudah penyaringan sejumlah besar data biomedis.
Dengan teknologi ini, para ilmuwan di Oxford Drug Discovery Institute di Inggris dapat mempercepat pencarian dalam jurnal dan basis data hampir sepuluh kali lipat—membantu mereka lebih cepat memprioritaskan gen atau protein mana yang harus dipelajari lebih lanjut untuk mengembangkan obat potensial bagi Alzheimer.
Ahli biologi di Oxford Drug Discovery Institute telah memilih 54 gen dari studi asosiasi genom yang terkait dengan sistem kekebalan tubuh, yang semuanya berpotensi menjadi target pengujian laboratorium, kata Emma Mead, kepala ilmuwan institusi tersebut. Target tersebut mencakup struktur biologis seperti gen atau protein yang menjadi sasaran obat potensial.
Menentukan target Alzheimer bisa sangat sulit karena banyaknya gen yang dapat meningkatkan risiko penyakit ini, serta banyaknya faktor risiko lingkungan dan sosial ekonomi yang membingungkan, kata Mead.
Namun, penggunaan knowledge graph, teknologi basis data yang dipopulerkan oleh Google lebih dari satu dekade lalu untuk mesin pencarinya, memungkinkan staf lebih cepat memahami karakteristik target ini dari berbagai sumber—mulai dari PubMed yang dikelola Perpustakaan Nasional Kedokteran AS hingga berbagai jurnal ilmiah dan kumpulan data mereka sendiri.
Knowledge graph—yang bekerja seperti basis data yang merepresentasikan informasi dalam bentuk peta—dapat menunjukkan hubungan antara orang, ide, dan dokumen. Dalam beberapa tahun terakhir, teknologi ini digunakan di industri seperti ritel digital untuk memberikan rekomendasi yang disesuaikan kepada pembeli online.
Di kalangan bisnis, knowledge graph digunakan bersama metode yang disebut retrieval-augmented generation (RAG) untuk membantu menyempurnakan model AI umum yang ditawarkan oleh perusahaan seperti Anthropic atau OpenAI. Model AI juga dapat dihubungkan dengan basis data vektor, yaitu format penyimpanan data yang mewakili informasi dalam bentuk “vektor.”
Sebagai contoh, metode penghubungan basis data dengan AI membantu bisnis menyesuaikan chatbot AI yang mereka bangun untuk karyawan guna merujuk pada kebijakan perusahaan.
Organisasi di bidang kesehatan dan ilmu hayati, khususnya, dapat memperoleh manfaat dengan mengorganisasi berbagai sumber data mereka ke dalam hubungan berbentuk peta dibandingkan dengan basis data relasional tradisional, kata Radu Miclaus, analis di firma riset pasar dan konsultasi IT Gartner.
Dengan menggunakan knowledge graph, ilmuwan dapat melacak sumber informasi tentang gen atau protein tertentu, termasuk artikel spesifik yang mengutip hubungan biologis tertentu atau basis data tempat informasi itu ditemukan, kata Martina Markova, manajer produk senior di Graphwise, perusahaan yang membangun knowledge graph untuk bisnis.
Para ahli biologi di Oxford Drug Discovery Institute bekerja sama dengan Graphwise untuk menyesuaikan knowledge graph skala besar yang berisi informasi penelitian ilmu hayati mereka. Proses ini membantu ilmuwan institusi tersebut mempercepat evaluasi 54 gen dari beberapa minggu menjadi beberapa hari, dan membantu mereka mengidentifikasi biomarker yang mungkin terkait dengan gen tersebut.
Dengan subset gen yang telah diprioritaskan, tim Mead berencana melakukan validasi eksperimental lebih lanjut. Langkah ini melibatkan konfirmasi bahwa target tersebut dapat menyebabkan perubahan pada sel otak yang berkontribusi pada penyakit dan menentukan apakah target tersebut “dapat diobati,” kata Mead.
Yang paling penting, meningkatnya ketersediaan data biomedis dalam beberapa tahun terakhir telah menjadi keuntungan bagi para peneliti—jika mereka mampu menganalisisnya. Itulah sebabnya alat seperti AI dan knowledge graph dapat memberikan dorongan yang sangat dibutuhkan bagi ilmuwan dan peneliti, baik mereka memiliki latar belakang bioinformatika maupun tidak. “Jika tidak, Anda akan merasa tersesat dalam data,” kata Mead.