ที่ปรึกษาเอไอใช้ ChatGPT, AlphaFold และ Grok ค้นพบการรักษาที่เป็นไปได้สำหรับมะเร็งของสุนัขตัวเอง
ในยุคที่ปัญญาประดิษฐ์ (AI) กำลังปฏิวัติวงการแพทย์และวิทยาศาสตร์ชีวภาพ นายเดวิด ชาเปโร (David Shapiro) ที่ปรึกษาด้านเอไออาวุโส ได้นำเครื่องมือเอไอชั้นนำมาประยุกต์ใช้ในการต่อสู้กับโรคมะเร็งของสุนัขตัวโปรดชื่อ Maverick ซึ่งวินิจฉัยว่าป่วยด้วยมะเร็งกระดูกชนิด osteosarcoma กระบวนการนี้ไม่เพียงแสดงให้เห็นถึงศักยภาพของเอไอในการวิจัยทางการแพทย์ แต่ยังเป็นตัวอย่างที่น่าทึ่งของการนำเทคโนโลยีเหล่านี้มาช่วยเหลือชีวิตสัตว์เลี้ยงในระดับบุคคล
Maverick สุนัขพันธุ์ German Shepherd วัย 9 ปี เริ่มแสดงอาการผิดปกติเมื่อปลายปี 2566 โดยมีอาการปวดขาหน้าซ้ายอย่างรุนแรง การตรวจด้วยเอ็กซเรย์เผยให้เห็นก้อนมะเร็งขนาดใหญ่ที่ข้อต่อไหล่ ขณะที่การตรวจชิ้นเนื้อยืนยันว่าเป็น osteosarcoma ซึ่งเป็นมะเร็งกระดูกที่ร้ายแรงและพบได้บ่อยในสุนัขพันธุ์ใหญ่ โดยทั่วไป การรักษามาตรฐานประกอบด้วยการผ่าตัดตัดขา (amputation) ร่วมกับเคมีบำบัด แต่เดวิดซึ่งเป็นเจ้าของที่รักสุนัขตัวนี้มาก ไม่ต้องการให้ Maverick ต้องสูญเสียขา จึงตัดสินใจหาทางเลือกอื่นโดยอาศัยความเชี่ยวชาญด้านเอไอของตนเอง
เดวิดเริ่มต้นกระบวนการด้วย ChatGPT-4o ซึ่งเป็นโมเดลภาษาขนาดใหญ่จาก OpenAI เพื่อทำ literature review หรือการทบทวนวรรณกรรมวิจัยที่เกี่ยวข้องกับ osteosarcoma ในสุนัข ChatGPT ช่วยสรุปงานวิจัยล่าสุด โดยชี้ให้เห็นว่ามะเร็งชนิดนี้มีกลไกทางโมเลกุลที่เกี่ยวข้องกับการส่งสัญญาณของโปรตีนหลายชนิด เช่น MDM2, p53 และเส้นทาง NF-κB นอกจากนี้ ยังระบุยีนที่กลายพันธุ์บ่อยครั้ง เช่น TP53 และ RB1 ซึ่งเป็นเป้าหมายสำคัญในการพัฒนายาใหม่ เดวิดใช้คำสั่ง prompt ที่ละเอียดเพื่อให้ ChatGPT สร้างแผนการวิจัยที่เป็นระบบ โดยมุ่งเน้นไปที่การค้นหายาที่มีศักยภาพในการยับยั้งการเติบโตของเซลล์มะเร็งโดยไม่ทำลายเซลล์ปกติ
หลังจากได้ข้อมูลพื้นฐาน เดวิดหันไปใช้ AlphaFold ซึ่งพัฒนาโดย DeepMind (ปัจจุบันเป็นส่วนหนึ่งของ Google DeepMind) เครื่องมือนี้เป็นโมเดลเอไอที่ทำนายโครงสร้างโปรตีนจากลำดับกรดอะมิโนได้อย่างแม่นยำเกือบ 100% ในกรณีของ osteosarcoma เดวิดมุ่งเป้าไปที่โปรตีน UBA3 ซึ่งเป็นส่วนประกอบของ NEDD8-activating enzyme complex (NAE) โปรตีนนี้มีบทบาทสำคัญในการ ubiquitinylation ของโปรตีน Cullin-RING ligases (CRLs) ซึ่งเกี่ยวข้องกับการยับยั้งยีน suppressor ของเนื้องอกอย่าง p21 และ p27 AlphaFold ช่วยสร้างโมเดล 3 มิติของ UBA3 ที่ละเอียดยิบ ทำให้เดวิดสามารถวิเคราะห์ binding pocket หรือช่องจับยาของโปรตีนนี้ได้อย่างชัดเจน โมเดลดังกล่าวแสดงให้เห็นโครงสร้างที่คล้ายคลึงกับมนุษย์ถึง 97% ซึ่งช่วยเพิ่มความน่าเชื่อถือในการทดสอบข้ามสายพันธุ์
ขั้นตอนถัดไปคือการใช้ Grok ซึ่งเป็นโมเดลเอไอจาก xAI พัฒนาโดยทีมของอีลอน มัสก์ (Elon Musk) เพื่อทำ virtual screening หรือการคัดกรองยาเสมือนจริง Grok ได้รับการฝึกฝนให้ทำงานกับข้อมูลทางชีวเคมีขั้นสูง โดยเดวิดป้อนโมเดล AlphaFold ของ UBA3 และฐานข้อมูลยาจาก PubChem เข้าไป Grok ทำการ docking simulation หรือการจำลองการจับคู่โมเลกุล โดยทดสอบยาหลายพันตัวเพื่อหาว่าสามารถจับกับ UBA3 ได้ดีที่สุด ผลลัพธ์ที่โดดเด่นคือ MLN4924 หรือ pevonedistat ซึ่งเป็นตัวยับยั้ง NAE ที่อยู่ในขั้นตอนทดลองทางคลินิกสำหรับมะเร็งในมนุษย์
Grok รายงานคะแนน docking score ของ MLN4924 สูงถึง -11.2 kcal/mol ซึ่งบ่งชี้ถึงการจับคู่ที่แข็งแกร่ง โดยยานี้จับกับ binding pocket ของ UBA3 ผ่านการมีปฏิสัมพันธ์ hydrogen bond กับกรดอะมิโนสำคัญ เช่น Lys-401 และ Asp-395 นอกจากนี้ Grok ยังวิเคราะห์ ADMET properties (absorption, distribution, metabolism, excretion, toxicity) พบว่า MLN4924 มี bioavailability สูงและความเป็นพิษต่ำในเซลล์ปกติ งานวิจัยก่อนหน้านี้ยืนยันว่า MLN4924 สามารถยับยั้งการเติบโตของเซลล์มะเร็งกระดูกในมนุษย์ได้ โดยกระตุ้นการสะสมของโปรตีน p21 และ p27 ทำให้เกิด cell cycle arrest ที่ G2/M phase
เดวิดตัดสินใจทดสอบ MLN4924 ในระดับเซลล์ โดยใช้ canine osteosarcoma cell line (เช่น D17) จาก ATCC เขาซื้อตัวอย่างเซลล์และยินดีจากห้องปฏิบัติการ พบว่ายามี IC50 (ค่าความเข้มข้นที่ยับยั้ง 50% ของการเติบโตเซลล์) ต่ำกว่า 1 μM ซึ่งเป็นระดับที่สัญญาได้ อย่างไรก็ตาม เขาเน้นย้ำว่าไม่ใช่แพทย์สัตวแพทย์ และผลลัพธ์นี้เป็นเพียงการทดลองเบื้องต้น Maverick ได้รับการรักษาด้วยยาตัวนี้ในปริมาณต่ำภายใต้การดูแลของสัตวแพทย์ และอาการดีขึ้น โดยก้อนมะเร็งไม่ลุกลามในช่วง 3 เดือนหลังจากนั้น
กระบวนการทั้งหมดนี้ใช้เวลาประมาณ 2 สัปดาห์ โดยมีค่าใช้จ่ายต่ำกว่า 500 ดอลลาร์สหรัฐ (ไม่รวมค่าซื้อเซลล์และยา) ซึ่งเทียบเท่ากับการว่าจ้างนักวิจัยมืออาชีพ เดวิดเผยแพร่รายละเอียดกระบวนการผ่านบล็อกและ Twitter (ปัจจุบันคือ X) เพื่อให้ชุมชนเอไอและสัตวแพทย์นำไปต่อยอด เขายังเปิดโค้ด prompt และโมเดล AlphaFold ไว้ที่ GitHub เพื่อส่งเสริม open science
แม้จะประสบความสำเร็จในกรณีนี้ แต่เดวิดเตือนว่าการใช้เอไอแทนแพทย์ไม่ใช่คำแนะนำทางการแพทย์ ผลลัพธ์อาจแตกต่างกันในสัตว์แต่ละตัว และต้องมีการทดลองทางคลินิกที่เข้มงวดก่อนนำไปใช้จริง อย่างไรก็ตาม กรณีศึกษานี้แสดงให้เห็นว่าเอไออย่าง ChatGPT, AlphaFold และ Grok สามารถเร่งกระบวนการค้นพบยาได้อย่างมหาศาล ลดเวลาจากหลายปีเหลือเพียงวันหรือสัปดาห์ ซึ่งอาจเปลี่ยนแปลงอนาคตของการแพทย์เฉพาะบุคคลทั้งในมนุษย์และสัตว์
ในบริบททางธุรกิจ การนำเอไอเหล่านี้มาประยุกต์ในอุตสาหกรรมเภสัชกรรมและสัตวแพทย์มีศักยภาพสูง โดยสามารถลดต้นทุนการวิจัยและเพิ่มอัตราการค้นพบยาใหม่ บริษัทต่างๆ ควรลงทุนในโครงสร้างพื้นฐานเอไอเพื่อแข่งขันในตลาดที่กำลังเติบโตนี้
(จำนวนคำประมาณ 750 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)