Исследовательская группа под руководством профессора Чо Кван-Хюна из кафедры био- и мозговой инженерии Корейского института передовых технологий (KAIST) разработала новую концепцию технологии «Gray Box», которая позволяет одновременно прогнозировать реакцию на лекарства и анализировать механизмы работы раковых клеток, объединяя ИИ и системную биологию.

Несмотря на исследования в области лечения рака, который является основной причиной смертности в Корее, существует ряд ограничений в применении таргетной терапии с использованием только традиционных методов экспериментальной биологии, так как у каждого пациента имеются уникальные генетические мутации, вызывающие рак, и соответствующие изменения в генетической сети. С другой стороны, использование так называемых «черных ящиков» ИИ, таких как глубокое обучение, может заменить эксперименты и прогнозировать реакцию на лекарства на основе анализа данных. Однако биологическую основу этих прогнозов невозможно объяснить, что затрудняет доверие к полученным результатам.

Исследовательская группа профессора Чо Кван-Хюна разработала технологию «Gray Box», чтобы преодолеть ограничения обеих технологий, сочетая глубокое обучение, называемое «черным ящиком» за его высокую предсказательную способность при отсутствии прозрачности, и системную биологию, называемую «белым ящиком» за ее ограниченную точность, но высокую интерпретируемость.

Исследовательская группа разработала общую модель, которая может быть использована для прогнозирования реакции на лекарства при различных видах рака и противораковых препаратов, создав молекулярную регуляторную сеть путем интеграции информации о мутациях в различных видах рака и целевых генах этих препаратов. Была создана панраковая генетическая сеть, сосредоточенная на генах с частыми мутациями в различных видах рака. Также была выделена подсеть, состоящая из мутаций и связанных с ними генов, относящихся к реакции на лекарства для каждого противоракового препарата, что позволило создать системно-биологическую модель для прогнозирования реакции на лекарства.

Значимость этого научного достижения заключается в разработке новой технологии прогнозирования реакции на лекарства, которая одновременно обладает высокой предсказательной способностью ИИ, являющегося «черным ящиком», и интерпретативной мощностью системной биологии, являющейся «белым ящиком», через оптимизацию модели на основе обучения. В частности, это универсальная технология прогнозирования реакции на лекарства для рака, который является гетерогенным и сложным сетевым заболеванием. Таким образом, предполагается, что эта технология позволит разрабатывать стратегии лечения для различных типов рака и персонализированные подходы для пациентов благодаря дальнейшему развитию технологий.

Профессор Чо Кван-Хюн отметил: «Эта новая конвергентная технология, сочетающая высокую предсказательную способность ИИ и превосходную интерпретативную мощность системной биологии, обещает быть полезной в индустрии разработки новых лекарств благодаря дальнейшему развитию».