หนึ่งในวิธีการรักษาโรคสมัยใหม่ที่ได้รับการพิสูจน์แล้วว่าได้ผล คือการนำยารักษาโรคที่ได้ผลกับโรคอื่นๆมาใช้หรือใช้ร่วมกับยาอื่นในการรักษา ซึ่งการทำเช่นนี้นอกจากจะช่วยต่อสู้กับโรคร้ายแล้ว ในบางครั้งยังสามารถช่วยลดอาการดื้อยาและลดผลข้างเคียงจากยาได้อีกด้วย
ทว่ายารักษาโรคในปัจจุบันนั้นมีอยู่มากมาย ทำให้การจะเลือกยาทั้งหลายมาทดลองว่าสามารถใช้ร่วมกันได้ดีหรือไม่เป็นเรื่องยาก แต่ปัญหานี้อาจจะคลี่คลายลงด้วยระบบ AI ใหม่จาก Facebook ที่สามารถทำนายผลของการใช้ยาร่วมกันได้
Compositional Perturbation Autoencoder (CPA) เป็นโมเดลปัญญาประดิษฐ์ที่ถูกพัฒนาขึ้นเพื่อทำนายผลลัพธ์ของการใช้ยารักษาโรคร่วมกัน โดยมีเป้าหมายหลักคือการเป็นเครื่องมือเพื่อช่วยนักวิจัยคัดเลือกตัวยาที่น่าจะใช้ร่วมกันได้ดี แล้วนำไปทดลองต่อไปเพื่อดูว่าจะสามารถช่วยในการรักษาโรคได้จริงหรือไม่
CPA สามารถทำนายผลลัพธ์ของการใช้ยาร่วมกันได้แม้จะไม่มีข้อมูลในการใช้ยานั้นๆร่วมกันมาก่อน เป็นต้นว่าหาก CPA รู้จักการทำงานของยา A, B, และ C และรู้ว่ายา A และ B ใช้งานร่วมกันแล้วเป็นอย่างไร โมเดลดังกล่าวก็จะสามารถทำนายการทำงานร่วมกันของยา A และ B, ยา B และ C รวมไปถึงการทำนายไปไกลกว่านั้นว่าการใช้ยา A+B ร่วมกับยา C+D ที่ไม่เคยเห็นมาก่อนจะมีผลลัพธ์ประมาณไหน
ข้อมูลที่ใช้ในการพัฒนาโมเดล CPA คือข้อมูลการแสดงออกของยีนใน RNA (RNA Gene Expression) ของเซลล์ในช่วงเวลาปกติ และช่วงเวลาที่ได้รับยาหรือถูกรบกวนด้วยปัจจัยอื่นๆ
ในการทำงาน โมเดล CPA จะทำการ”ย่อ”” (Encode) ข้อมูลลำดับ RNA ของเซลล์ และข้อมูลลำดับของการรักษา เช่น ผลของตัวยาที่ใช้ โดสของยา ระยะเวลา และชนิดของเซลล์ เมื่อได้ฉบับย่อของ RNA และการรักษาแล้ว จะมีระบบที่นำฉบับย่อทั้งสองมารวมกัน และนำฉบับย่อที่รวมแล้วนี้ไปวิเคราะห์ร่วมกับยาและเซลล์ชนิดใหม่ เพื่อทำการทำนายว่าผลลัพธ์ของการใช้ยาชนิดใหม่ในโรคใหม่นั้นจะออกมาเป็นอย่างไร
Facebook ได้ทดสอบโมเดล CPA นี้กับชุดข้อมูลลำดับ RNA และการรักษาในเซลล์มะเร็งที่มีการเผยแพร่เพื่อการวิจัยทั้งหมด 5 ชุด พบว่า CPA สามารถทำนายได้เป็นอย่างดีว่าผลการรักษาจากการใช้ยาร่วมกันนั้นจะก่อให้เกิด RNA Gene Expression ของเซลล์ในแบบใด ซึ่งนั่นก็หมายความว่า หากนักวิจัยทราบว่า Gene Expression ของโรคที่ถูกรักษาให้ดีขึ้นเป็นอย่างไร ก็จะสามารถนำโมเดลนี้ไปใช้ในการค้นหาแนวทางการใช้ยาร่วมกันได้
Facebook ได้เผยแพร่ระบบ AI ตัวนี้ในรูปแบบของ Opensource ที่มาพร้อมกับ API ในการเชื่อมต่อและ Python Package ซึ่งสามารถนำไปใช้งานต่อยอดได้ฟรี โดย Facebook หวังว่า CPA จะช่วยลดระยะเวลาที่นักวิจัยใช้ในการค้นหาตัวยาที่น่าจะทำงานร่วมกันได้ดีได้ ซึ่งความสามารถในการตั้งสมมติฐานการทำงานร่วมกันของยาอย่างรวดเร็ว ท้ายที่สุดแล้วก็จะนำไปสู่แนวทางการรักษาใหม่ๆในโรคที่มีความซับซ้อน เช่น มะเร็ง หรือโรคอุบัติใหม่อย่างโควิด 19 เป็นต้น
สามารถเข้าไปศึกษาโค้ดของ CPA ได้ที่ github และอ่านเปเปอร์ที่กำลังเตรียมตีพิมพ์ได้ที่นี่