- ยาปฏิชีวนะชนิดใหม่ กำลังถูกพัฒนาโดยมุ่งรักษา IBD (โรคลำไส้อักเสบเรื้อรัง)
- เทคโนโลยี AI มีส่วนช่วยในการคาดการณ์ กลไกการทำงาน ของยาปฏิชีวนะ
- เมื่อเทียบกับยารักษาเดิม แนวทางนี้ใช้ กลไกใหม่ และชี้ให้เห็นความเป็นไปได้ในการเอาชนะ การดื้อยา
- จาก ความสำเร็จในการทดลอง ทำให้เกิดความคาดหวังต่อการนำไปใช้ ทางคลินิก ในลำดับถัดไป
- แนวโน้มการใช้ AI ใน กระบวนการออกแบบและตรวจสอบยา กำลังมีความสำคัญมากขึ้น
ภาพรวม
- เมื่อไม่นานมานี้มีการวิจัย ยาปฏิชีวนะชนิดใหม่ เพื่อใช้รักษา โรคลำไส้อักเสบเรื้อรัง (IBD) จนได้รับความสนใจ
- ปัญญาประดิษฐ์ (AI) ได้คาดการณ์ หลักการออกฤทธิ์ ของยาปฏิชีวนะชนิดนี้ ซึ่งช่วยพลิกโฉมกระบวนการพัฒนายาแบบดั้งเดิม
- จากการทำความเข้าใจ การดื้อยาและข้อจำกัด ของยารักษาเดิม จึงมีการเสนอความเป็นไปได้ในการก้าวข้ามปัญหาเหล่านั้นด้วย กลไกใหม่
- ทีมนักวิจัยยืนยัน ผลที่มีนัยสำคัญ ได้ในขั้นต้น เช่น จาก การทดลองในสัตว์ และมีเป้าหมายจะนำไปใช้ ทางคลินิก ในอนาคต
- การพัฒนายาบนพื้นฐาน AI กำลังมีความสำคัญมากขึ้นในอุตสาหกรรมยา เนื่องจากมีข้อดีด้านความสามารถในการคาดการณ์กลไกการทำงาน ประสิทธิภาพ และการลดต้นทุน
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
งานวิจัยต้นฉบับอยู่ที่ Nature Microbiology ลิงก์ อยากแชร์ส่วนที่น่าสนใจ ตามข่าวประชาสัมพันธ์ของมหาวิทยาลัย ก่อนหน้านี้ AI ถูกใช้เป็นเครื่องมือเพื่อทำนายโมเลกุลที่มีศักยภาพในการรักษา แต่ในการศึกษานี้ AI ถูกใช้เพื่อเปิดเผย "กลไกการออกฤทธิ์ (MOA)" หรือก็คือยาโจมตีโรคอย่างไร การศึกษาด้าน MOA เป็นสิ่งจำเป็นต่อการพัฒนายา เพราะช่วยให้นักวิทยาศาสตร์ตรวจสอบความปลอดภัย ปรับขนาดยาให้เหมาะสม ปรับปรุงประสิทธิภาพ และบางครั้งยังช่วยค้นพบเป้าหมายการรักษาใหม่ ๆ อีกด้วย หน่วยงานกำกับดูแลก็สามารถใช้การศึกษานี้เพื่อตัดสินว่ายาใหม่ดังกล่าวเหมาะสมสำหรับใช้ในมนุษย์หรือไม่ เดิมทีการศึกษา MOA มักใช้เวลาประมาณ 2 ปี และมีค่าใช้จ่ายราว 2 ล้านดอลลาร์ แต่ครั้งนี้ใช้ AI จึงจบได้ภายใน 6 เดือนด้วยงบ 60,000 ดอลลาร์ หลังค้นพบยาปฏิชีวนะตัวใหม่ Stokes ได้ร่วมงานกับเพื่อนร่วมงานที่ MIT CSAIL เพื่อดูว่าแพลตฟอร์มแมชชีนเลิร์นนิงสมัยใหม่จะช่วยเร่งการศึกษา MOA ได้หรือไม่ ผลการทำนายออกมาในเวลาเพียง 100 วินาที และยืนยันได้ว่ายาใหม่นี้โจมตีคอมเพล็กซ์โปรตีนขนาดจิ๋วชื่อ LolCDE ซึ่งจำเป็นต่อการอยู่รอดของแบคทีเรีย ศาสตราจารย์ Regina Barzilay แห่ง MIT (ผู้พัฒนา DiffDock) อธิบายว่า “กรณีนี้แสดงให้เห็นว่า AI ไม่ได้มีประโยชน์แค่การค้นหาโมเลกุล แต่ยังสามารถอธิบายกลไกที่จำเป็นต่อกระบวนการพัฒนายาทั้งหมดได้ด้วย”
หลังจากห้องแล็บค้นพบยาปฏิชีวนะตัวใหม่แล้ว Stokes ก็ร่วมงานกับเพื่อนร่วมงานที่ MIT CSAIL ซึ่งรู้สึกว่าน่าประทับใจมาก ถ้าอยู่ในมหาวิทยาลัย คุณสามารถพบผู้เชี่ยวชาญหลากหลายสาขาในแคมปัสได้ง่าย และมันเป็นสภาพแวดล้อมที่ยอดเยี่ยมที่ทำให้แก้ปัญหาที่สนใจได้โดยอาศัยพลังของสาขาล้ำสมัย
สงสัยว่า DiffDock เป็น large language model (LLM) หรือไม่ คนทั่วไปพอได้ยินคำว่า AI ก็มักนึกถึง LLM อย่าง ChatGPT ทันที แถม OpenAI ก็พูดเหมือนว่ากำลังสร้าง “เครื่องจักรที่คิดได้” และพาดหัวข่าวก็ใช้คำว่า “ทำนาย” ยิ่งทำให้งงเข้าไปใหญ่
สงสัยว่ามี pre-print ไหม ตอนนี้ฉันไม่ได้สังกัดมหาวิทยาลัยแล้ว เลยอดเสียดายยุคที่เคยมีคนอัปโหลดงานวิจัยตอนดึก ๆ ให้หาอ่านกันได้
รู้สึกว่ามีอะไรแปลก ๆ เรารู้มาตั้งแต่ก่อนปี 2016 แล้วว่า LolCDE เป็นจุดอ่อนของ E. coli และสารที่ยับยั้งมันได้อย่าง globomycin ก็เป็นที่รู้จักมาตั้งแต่ปี 1978 อ้างอิง1 อ้างอิง2 ถ้าอย่างนั้น enterololin เป็นแค่ globomycin สายพันธุ์ใหม่หรือเปล่า ไม่แน่ใจว่า AI ฉลาดขึ้น หรือว่านักวิทยาศาสตร์กำลังทึ่มลงเรื่อย ๆ กันแน่
การที่เดิมงานศึกษา MOA ต้องใช้ 2 ปีและ 2 ล้านดอลลาร์ แต่ครั้งนี้จบได้ใน 6 เดือนและ 60,000 ดอลลาร์ด้วย AI นี่สวยงามจริง ๆ นี่ไม่ใช่แค่การเติมโค้ดอัตโนมัติหรือสร้างภาพอีกต่อไป แต่น่าจะเป็นหนึ่งในคุณค่าที่แท้จริงของ AI/แมชชีนเลิร์นนิง อยากเห็นมากว่าอีก 10 ปีข้างหน้าสาขานี้จะพัฒนาไปอย่างไร อยากติดตามทั้ง AlphaFold ด้าน protein folding และการลดต้นทุนกับเร่งการทดลองทางคลินิกผ่านการทำนายกลไกแบบครั้งนี้ต่อไป
ข่าวนี้ดูเหมือนจะเสริมมุมมองว่า “AI จะมาแทนงานของนักวิจัย” แต่จริง ๆ แล้วมันคล้ายกับประสบการณ์ที่ฉันใช้เครื่องมือ AI ในที่ทำงานมาก Stokes เน้นว่าผลทำนายนั้นน่าสนใจ แต่ก็ยังเป็นเพียงการทำนาย และยังจำเป็นต้องทำการศึกษา MOA เชิงทดลองแบบดั้งเดิมอยู่ดี การที่ AI “อาจจะถูกต้อง” ช่วยประหยัดเวลาของเราในการคิดขั้นตอนถัดไป ดังนั้นพวกเขาจึงเริ่มทำการทดลองจากคำทำนายของ MIT และไม่กี่เดือนต่อมาก็พบว่า AI ทำนายถูก สุดท้ายก็ตรวจสอบยืนยันว่าคำทำนายนั้นถูกต้องด้วยการทดลอง MOA มาตรฐาน และด้วยวิธีนี้พวกเขาประหยัดเวลาไปได้ 1.5 ปีจากปกติ
ฉันคิดว่าคำว่า AI ทุกวันนี้กลายเป็นคำที่เข้าใจยากไปแล้ว คนทั่วไปคิดว่า AI=ChatGPT แล้วจินตนาการว่า “ChatGPT ค้นพบยาตัวใหม่” แต่ในงานวิจัยจริง นอกจากทรานส์ฟอร์เมอร์ (LLM) ก็ยังมีเครื่องมือ ML อีกมากมายที่ถูกใช้อย่างหลากหลาย และส่วนใหญ่ไม่ได้เกี่ยวข้องกับ LLM หรือ ChatGPT เลย
เห็นด้วย ฉันไม่รู้ว่าคุณใช้ LLM โดยตรง หรือใช้เครื่องมือ ML/ดีปเลิร์นนิงที่เหมาะกับสาขาของคุณ แต่ความสำเร็จของ LLM ส่วนใหญ่ในช่วงปีที่ผ่านมา สำหรับฉันคือการที่เครื่องมือเหล่านี้ช่วยผู้เชี่ยวชาญที่อยู่ “แนวหน้าของภาคสนามจริง” ได้มากเป็นพิเศษ คือคนที่อ่านงานวิจัยล้ำสมัยของสาขาตัวเองมาหมดแล้ว ข้อบ่นเรื่อง “หลอน (hallucination)” ฉันคิดว่ามาจากประสบการณ์ของคนที่ไม่ใช่ผู้เชี่ยวชาญซึ่งไม่มีแหล่งพึ่งพาหรือที่ให้ค้นข้อมูลต่อมากกว่า ตรงกันข้าม ฉันมองว่า LLM มีประโยชน์มากในการโยนสมมติฐานหรือเบาะแสที่เชื่อมสาขาความสนใจของฉันกับสาขาข้างเคียงที่ฉันไม่เคยรู้มาก่อน สุดท้ายแล้วนักวิจัยก็ยังต้องทดลองหรือยืนยันผลเอง และบางครั้งถ้าฉันยังไม่มั่นใจกับข้อสรุปของตัวเอง ฉันก็ใส่ข้อมูลของฉันให้ LLM ดูว่าไปถึงข้อสรุปเดียวกันหรือไม่ ฉันไม่ได้กังวลเรื่อง hallucination เลย เพราะสุดท้ายคนที่ต้องรับผิดชอบต่อความผิดพลาดก็คือฉัน และที่แนวหน้าขององค์ความรู้ คำแนะนำแปลก ๆ ก็อาจนำไปสู่ไอเดียสดใหม่ได้ ทุกวันนี้แทบไม่มีแล้วที่ฉันจะติดอยู่หลายวัน หลายสัปดาห์ หรือหลายเดือนเพราะไม่รู้จะไปหาข้อมูลจากไหน เมื่อก่อน Palantir เคยโพสต์เรื่องการแข่งขันหมากรุกว่าความสำคัญอยู่ที่ “เวิร์กโฟลว์” ของการร่วมมือกันระหว่างมนุษย์กับคอมพิวเตอร์ และสุดท้ายทีมสมัครเล่น+เวิร์กโฟลว์ที่ดีที่สุดกลับชนะ ตอนนี้ดูเหมือนเรากำลังอยู่ในสังคมที่เครื่องมือใหม่ ๆ ยิ่งเสริมพลังให้ผู้เชี่ยวชาญมากขึ้น ลิงก์
สิ่งที่ AI และทีมนักวิจัยค้นพบในการศึกษานี้ไม่ใช่ยารักษา IBD โดยตรง แต่คือ IBD และผู้ที่ได้รับยาปฏิชีวนะแบบออกฤทธิ์กว้างมักมีการเพิ่มจำนวนมากผิดปกติของสายพันธุ์ enterobacter ในลำไส้ (รวมถึง E. coli บางชนิด) ซึ่งมักดื้อยาปฏิชีวนะเดิมและไม่ดีต่อสุขภาพลำไส้ ทีมนักวิจัยค้นพบสารใหม่ที่ยับยั้งเฉพาะ enterobacter เหล่านี้ โดยปล่อยให้ไมโครไบโอมโดยรวมคงอยู่เหมือนเดิม สิ่งนี้อาจช่วยให้ผู้ที่มีปัญหาความไม่สมดุลของแบคทีเรียในลำไส้ โดยเฉพาะผู้ป่วย IBD ฟื้นคืนสภาพแวดล้อมในลำไส้ที่ดีต่อสุขภาพมากขึ้นได้ แต่ตอนนี้ยังอยู่ในขั้นทดลองกับหนู
มีสมมติฐานมานานแล้วว่า ถ้าปรับสมดุลไมโครไบโอมในผู้ป่วย IBD ได้อย่างสมบูรณ์ ก็อาจตัดวงจรของโรคและทำให้เข้าสู่ระยะสงบได้ (แม้ยังไม่ได้พิสูจน์อย่างเป็นทางการ)
ตามบทความ “ยาตัวใหม่นี้อาจเป็นการรักษาที่มีความหวังอย่างมากสำหรับผู้ป่วย IBD หลายล้านคน ในปัจจุบันยังไม่มีวิธีรักษาให้หายขาด ดังนั้นมันอาจช่วยบรรเทาอาการอย่างมีนัยสำคัญและยกระดับคุณภาพชีวิตได้”
สงสัยว่าเรื่องที่ IBD เกิดจาก E. coli นั้นเป็นข้อเท็จจริงที่พิสูจน์ดีแล้วหรือยัง หรือว่ามันเป็นลักษณะไวต่อ E. coli มากกว่า
ยังไม่แน่ชัด ดูเหมือนจะเป็นผลร่วมกันของปัจจัยทางพันธุกรรมกับเชื้อจุลินทรีย์ สถานการณ์ค่อนข้างซับซ้อน เพราะเราไม่สามารถดูแค่เนื้อเยื่อเพาะเลี้ยงหรือชิ้นเนื้อจากผิวที่อักเสบแล้วบอกว่า “อ๋อ เป็นเพราะนี่นี่เอง!” ได้ การรักษาที่ได้ผลที่สุดก็ยังเป็นการบล็อกบางส่วนของระบบภูมิคุ้มกัน และในความเป็นจริงก็คือพยายามใช้ยากดภูมิคุ้มกันหลายแบบกับผู้ป่วยบางราย รวมถึงผสมผสานกันเพื่อพอควบคุมอาการได้
เราทุกคนมี E. coli อยู่แล้ว ดังนั้นมันไม่ใช่สาเหตุโดยตรง บทความทำให้สับสนอยู่บ้าง แต่สิ่งที่ค้นพบครั้งนี้คือยาที่มีสเปกตรัมแคบกว่ายาเดิม (เล็งเป้าเชื้อแบคทีเรียเฉพาะกว่า) จึงทำลายชั้นแบคทีเรียตามธรรมชาติของร่างกายน้อยกว่า ในทางกลับกัน enterobacter ที่ดื้อยาได้มากกว่า (ชนิดหลักคือ e coli แต่ไม่ใช่ทั้งหมด) ก็อาจเพิ่มจำนวนเกินปกติได้ง่ายขึ้น มีความสัมพันธ์ระหว่าง IBD กับไมโครไบโอมที่มี e coli เพิ่มจำนวนเกินปกติ และยังพบชนิดย่อยของ e coli ที่เกี่ยวข้องด้วย อ้างอิง
ไม่ได้หมายความว่า E. coli เป็นตัวก่อ IBD โดยตรง แต่ E. coli และ Enterobacteriaceae อื่น ๆ สามารถอาศัยโอกาสจากการอักเสบเพื่อเพิ่มจำนวนได้ การอักเสบทำให้มีการหลั่งไนเตรต และ Enterobacteriaceae ใช้มันเป็นตัวรับอิเล็กตรอนปลายทางเพื่อเพิ่มจำนวน นอกจากนี้เมื่อชั้นเมือกป้องกันบางลงหรือมีรูพรุนมากขึ้น (ซึ่งมักเกิดจากไมโครไบโอมเสียสมดุล) พวกมันก็แทรกซึมและเพิ่มจำนวนได้ง่ายขึ้น การเพิ่มจำนวนของเชื้อเหล่านี้กลับยิ่งกระตุ้นการอักเสบ ทำให้การเข้าสู่ภาวะทุเลา (remission) เป็นไปได้ยากขึ้น ช่วงหลังยังมีผลลัพธ์ทางคลินิกบางส่วนที่ลดการอักเสบได้ด้วยการบล็อกปัจจัยที่ E. coli ใช้เกาะติดกับเยื่อบุ
ฉันไม่ค่อยเข้าใจว่าทำไมเราไม่ให้ GPU credits แก่นักวิจัยโดยตรง ตัดขั้นตอนทางกฎหมายที่ยุ่งยากออกไป แค่สร้างบัญชีด้วยอีเมลให้กับผู้ให้บริการอย่าง runpod/prime-intelect หรือผู้ให้บริการ x-gpu แล้วเติมเงินให้ 5,000 ดอลลาร์ก็พอแล้ว ถ้าจะคัดว่าใครควรได้จริง ๆ ดูประวัติใน Github หรือ Huggingface ก็น่าจะกรองได้มากพอ
เรื่อง “เราไม่สามารถสมมติว่าโมเดล AI ถูกเสมอ” ฉันสงสัยว่าทำไมเราต้องมีสมมติฐานแบบนั้นด้วย และดูเหมือนว่าสิ่งที่เกิดขึ้นคือการที่มัน “อาจจะถูก” ช่วยลดการลองผิดลองถูกในขั้นต่อไป แต่ฉันก็คิดว่านี่อาจเป็นแค่ confirmation bias หรือเปล่า เช่น ใน 100 กรณี เราอาจถาม AI ว่า “สิ่งนี้ทำงานอย่างไร?” แล้ว 99 ครั้งได้คำตอบไร้สาระหรือฟังดูดีแต่ผิด มีแค่ 1 ครั้งที่ถูกแล้วเลยกลายเป็นข่าว การที่ครั้งนั้นตรงกับผลในแล็บ แปลว่า AI ช่วยประหยัดเวลาได้จริงหรือเปล่าก็ยังน่าสงสัย นาฬิกาตายยังถูกวันละสองครั้ง เราคงพูดไม่ได้ว่า “ถึงจะเป็นนาฬิกาตาย แต่เวลาถูกก็คุ้มสุด ๆ!” เช่นเดียวกัน ฉันสงสัยว่าเรากำลังเห็นแค่กรณีที่โชคดี ไม่ใช่ “AI ที่สร้างผลิตภาพ” จริง ๆ ถ้าจะบอกว่าวงการนี้พัฒนาแล้วจริง ก็ควรเปิดเผยหรือยอมรับข้อมูลกรณีล้มเหลวด้วย ไม่อย่างนั้นก็แค่เพิ่ม hype เท่านั้น
ในทางปฏิบัติทีมนักวิจัยก็ยังใช้ระเบียบวิธีทางวิทยาศาสตร์อยู่ AI แค่ช่วยเสนอสมมติฐานให้ตรวจสอบ เพราะแบบนี้ AI จึงทรงพลังมากในการ “ระดมสมองสมมติฐานที่น่าเชื่อถือ”
แม้แต่มนุษย์ผู้เชี่ยวชาญเองก็ผิดพลาดบ่อยในแนวหน้าของงานวิจัย สมมติฐานและการทดลองส่วนใหญ่ก็ล้มเหลว เราชื่นชมเวลานักวิจัยสร้างความก้าวหน้าได้ ไม่ใช่เพราะพวกเขาสำเร็จ 100% แต่เพราะพวกเขาทำได้เร็วกว่าและมีโอกาสถูกสูงกว่าการเดาสุ่ม ถ้า AI ทำให้อัตราสำเร็จจาก 1/99 ใน 100 กรณี กลายเป็น 2/99 หรือ 3/99 นั่นก็คือประสิทธิภาพเพิ่มขึ้นสองถึงสามเท่า และถ้า AI ทดสอบสัญชาตญาณทั้งหมดนี้ได้ภายใน 100 วินาที ก็ยิ่งทำงานคืบหน้าได้เร็วมากกว่ามนุษย์
เท่าที่ฉันเข้าใจ งานวิจัยนี้ไม่ใช่ยารักษา IBD แต่เป็นยาปฏิชีวนะที่ปลอดภัยกว่าสำหรับผู้ป่วย IBD
McMaster University อาจฟังดูเหมือนชื่อขำ ๆ แต่จริง ๆ แล้วเป็นมหาวิทยาลัยที่ก่อตั้งมาตั้งแต่ปี 1887 [ดูวิกิ]
เป็นหนึ่งในมหาวิทยาลัยชั้นนำที่สุดของแคนาดา และสำหรับฉันด้านวิจัยการแพทย์น่าจะดีที่สุดในประเทศ อ้างอิง
ที่ลอนดอนก็มี Goodenough College ซึ่งเปิดมาตั้งแต่ปี 1930 และถึงชื่อจะสื่ออีกแบบ แต่ที่นั่นก็บริหารได้ดีจริง ๆ
มีการใช้แมชชีนเลิร์นนิงในงานวิจัยวิทยาศาสตร์มานานกว่า 10 ปีแล้ว เลยสงสัยว่าครั้งนี้มันต่างจากเดิมอย่างไร ต่อให้สื่อทั่วไปจะใช้คำมั่ว ๆ ก็เถอะ แต่ไม่เข้าใจว่า NATURE ทำไมถึงใช้คำว่า “ปัญญาประดิษฐ์” ด้วย