Google DeepMind adaptasi teknik AI generatif untuk kemajuan medis

Google DeepMind, divisi kecerdasan buatan (AI) dari Alphabet Inc., telah membuat terobosan baru dalam bidang kedokteran dengan meminjam teknik dari generator gambar AI untuk aplikasi medis. Inovasi ini berpotensi membuka jalan bagi penelitian dan pengobatan penyakit baru yang lebih efektif.

AlphaFold 3, versi terbaru dari perangkat lunak AlphaFold yang dikembangkan oleh Google DeepMind dan Isomorphic Labs, telah menunjukkan kemampuannya dalam memprediksi cara protein melipat dengan akurasi yang mengejutkan. Katalog yang mencakup lebih dari 200 juta protein yang diketahui telah digunakan oleh jutaan peneliti untuk membuat penemuan di berbagai area, termasuk vaksin malaria, pengobatan kanker, dan desain enzim.

Struktur dan bentuk protein sangat penting karena menentukan bagaimana interaksi protein dengan tubuh manusia, yang memungkinkan para ilmuwan untuk menciptakan obat baru atau meningkatkan yang sudah ada. Namun, AlphaFold 3 dapat memodelkan molekul penting lainnya, termasuk DNA, dan juga memetakan interaksi antara obat dan penyakit, yang dapat membuka pintu baru yang menarik bagi para peneliti.

Salah satu kemajuan AlphaFold 3 berasal dari penerapan model difusi ke prediksi molekulnya. Model difusi adalah bagian penting dari generator gambar AI seperti Midjourney, Google Gemini, dan DALL-E 3 dari OpenAI. Penerapan algoritma ini ke dalam AlphaFold “memperjelas struktur molekul yang dihasilkan perangkat lunak,” seperti yang dijelaskan oleh Wired. Dengan kata lain, ia mengambil formasi yang tampak kabur atau samar dan membuat tebakan yang sangat terdidik berdasarkan pola dari data pelatihannya untuk menjernihkannya.

“AlphaFold 3 membawa kita melampaui protein ke spektrum biomolekul yang luas,” tulis tim peneliti Google DeepMind dalam sebuah posting blog. “Lompatan ini bisa membuka lebih banyak sains transformatif, mulai dari mengembangkan bahan biorenewable dan tanaman yang lebih tahan, hingga mempercepat desain obat dan penelitian genomika,” tambah mereka.

Sebelum AI, para ilmuwan hanya dapat mempelajari struktur protein melalui mikroskop elektron dan metode rumit seperti kristalografi sinar-X. Machine learning menyederhanakan banyak proses tersebut dengan menggunakan pola yang dikenali dari pelatihannya (seringkali tidak terlihat oleh manusia dan instrumen standar kita) untuk memprediksi bentuk protein berdasarkan asam amino mereka.

Terobosan ini menandai langkah signifikan dalam penggunaan AI untuk aplikasi medis, menunjukkan potensi besar dalam mendukung para spesialis medis guna mendiagnosis penyakit dan membuka kemungkinan untuk penelitian penyakit dan pengobatan yang lebih inovatif di masa depan.