Facebook afirma que a IA pode prever combinações de medicamentos para tratar doenças complexas

16 de Abril de 2021

O modelo usado pelo Facebook gera rótulos a partir dos dados, expondo as relações entre as partes dos dados, uma etapa considerada crítica para alcançar inteligência em nível humano.

 

O Facebook detalhou hoje o que afirma ser o primeiro modelo de IA capaz de prever os efeitos de combinações de drogas, dosagens, tempo e outros tipos de intervenções como a exclusão de genes. Desenvolvido em colaboração com Helmholtz Zentrum München, o Facebook afirma que o modelo pode acelerar o processo de identificação de combinações de medicamentos e outros tratamentos que podem levar a melhores resultados para doenças.

Descobrir maneiras de redirecionar os medicamentos existentes provou ser uma ferramenta poderosa para tratar doenças, incluindo o câncer. Nos últimos anos, os médicos obtiveram sucesso com “coquetéis de drogas” para combater doenças malignas e continuar a explorar tratamentos personalizados para pacientes . Mas encontrar uma combinação eficaz dos medicamentos existentes na dose certa é extremamente desafiador, em parte porque existem possibilidades quase infinitas. Os pesquisadores teriam que tentar de 5.000 a 19 bilhões de soluções para encontrar o regime ideal, dado um pool de 100 medicamentos.

O modelo de código aberto do Facebook - Compositional Perturbation Autoencoder (CPA) - aborda isso ostensivamente com uma técnica de auto-supervisão que observa células tratadas com combinações de drogas e prevê o efeito de novas combinações. Ao contrário dos modelos supervisionados que aprendem com conjuntos de dados rotulados, o do Facebook gera rótulos a partir dos dados, expondo as relações entre as partes dos dados, uma etapa considerada crítica para alcançar inteligência em nível humano.

As previsões do CPA levam horas, ao contrário dos anos que podem decorrer com os métodos convencionais, permitindo que os pesquisadores selecionem os resultados mais promissores para validação e acompanhamento, de acordo com o Facebook.

Em biologia, o sequenciamento de RNA é usado como uma forma de medir as expressões gênicas de células em nível molecular e estudar os efeitos de perturbações, incluindo combinações de drogas. A academia e a indústria lançaram conjuntos de dados de sequenciamento de RNA contendo até milhões de células e 20.000 leituras por célula para facilitar a pesquisa biomédica.

O Facebook aproveitou esses conjuntos de dados para treinar o CPA usando uma abordagem chamada autocodificação, na qual os dados são compactados e descompactados até serem resumidos em padrões úteis para previsão. O CPA primeiro separa e aprende os principais atributos sobre uma célula, como os efeitos de um determinado medicamento, combinação, dosagem, tempo, exclusão de gene ou tipo de célula. Em seguida, ele recombina os atributos de forma independente para projetar seus efeitos nas expressões gênicas da célula. Por exemplo, se um dos conjuntos de dados tivesse informações sobre como os medicamentos afetam diferentes tipos de células A, B, C e A + B, o CPA aprenderia o impacto de cada medicamento em um tipo específico de célula e, em seguida, recombinaria cada um em ordem para extrapolar as interações entre A + C, B + C e A + B.

Para testar o CPA, o Facebook diz que aplicou o modelo a cinco conjuntos de dados de sequência de RNA disponíveis publicamente com medições e resultados de drogas, doses e outros fatores de confusão nas células cancerosas. Comparado em termos da métrica R2, que representa a precisão das previsões de expressão gênica, o Facebook afirma que o CPA “permaneceu consistente” entre o treinamento e o teste - uma indicação de robustez. Além disso, as previsões do CPA sobre os efeitos das combinações e doses de drogas nas células cancerosas corresponderam às encontradas no conjunto de dados de teste de forma "confiável".
 

Para a íntegra desta matéria, clique aqui.

Notícias Relacionadas