นักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนียเมืองเออร์ไวน์ (University of California, Irvine) ได้สร้างกระบวนการที่ใช้ระบบ deep learning เพื่อเร่งการค้นหาตัวยาใหม่และงานวิจัยเกี่ยวกับโรคมะเร็งได้สำเร็จ
“พวกเราได้พัฒนาระบบโครงข่ายประสาทเทียม Convolutional Neural Network เพื่อปรับปรุงขั้นตอนการวิเคราะห์ข้อมูลเพื่อทำให้เกิดการคัดกรองตัวยาที่มีประสิทธิภาพคัดกรองได้จำนวนมากขึ้นโดยใช้ระบบ microphysiological system (MPS)” นักวิจัยกล่าวในงานตีพิมพ์ของพวกเขา
ระบบ microphysiological system หรือ MPS นั้นเป็นเหมือนระบบการพิมพ์ที่มีการสร้างเซล 2 หรือ 3 มิติมาเชื่อมต่อกัน ซึ่งมักจะถูกอ้างถึงว่าเป็น “organs-on-chips” หรือการพิมพ์เนื้อเยื่ออวัยวะจากเครื่องพิมพ์สามมิติ
“ระบบโครงข่ายประสาทเทียมนี้สามารถคัดแยกภาพใหม่ๆ ได้ใกล้เคียงแทบจะได้ผลทันทีทันใด และทำงานได้แม่นยำเหนือกว่าแรงงานมนุษย์ในงานนี้” ทีมวิจัยกล่าว “ความถูกต้องของโมเดลที่ดีที่สุดของพวกเราคือได้ผลลัพธ์ที่ดีกว่าแรงงานคนที่ได้รับการเทรนมาบ้างส่วนหนึ่งอย่างมีนัยสำคัญ และไม่จำเป็นต้องมีการแทรกแซงโดยมนุษย์ในการดำเนินการ โมเดลนี้จึงเป็นเหมือนก้าวแรกที่เริ่มเดินไปข้างหน้าในเรื่องการทำ automation ในการวิเคราะห์ข้อมูลเพื่อคัดกรองตัวยาได้รวดเร็วมากขึ้น”
โดยทีมวิจัยได้ใช้เฟรมเวิร์ก deep learning Keras เพื่อเทรนโครงข่ายประสาทเทียม Convolutional Neural Network บนข้อมูลภาพเส้นเลือดหลายพันภาพโดยรวมถึงภาพบางภาพที่ใช้วิธีการทำ data augmentation ซึ่งเมื่อระบบได้เทรนเสร็จสิ้น จึงนำมาทดสอบการคัดแยกตัวยาที่ได้ผลดีกับไม่ได้ผลดีผ่านการวิเคราะห์อัตโนมัติจากภาพหลอดเลือด (vascularization image)
“ความสำเร็จในการใช้โมเดล convolutional นี้ถูกขับเคลื่อนโดยส่วนของการปรับจูนค่า loss function อย่างระมัดระวังเพื่อป้องกันการเกิด false negative แต่ก็ยังควบคุมไม่ให้โมเดลเกิดการ overfit กับข้อมูลมากจนเกินไป” ทีมงานวิจัยกล่าว “หนึ่งในกลยุทธการทำให้ regularization คือการขยาย (augment) ข้อมูลที่ใช้เทรนซึ่งมีจำกัดนั้นเพิ่มขึ้นมาให้มีจำนวนกึ่งๆ ไม่จำกัด โดยการแรนดอมภาพแล้วแปลงข้อมูลบางส่วนของภาพนั้นให้กลายเป็นภาพใหม่ ระหว่างการเทรนระบบ”
งานวิจัยนี้จะได้ตีพิมพ์ใน IEEE/ACM Transaction on Computational Biology and Bioinformatics Journal
Source : https://news.developer.nvidia.com/ai-helps-further-the-drug-development-process/
