The medical potential of AI and metabolites | Leila Pirhaji

Translator: margaret ambarita Reviewer: Emi Kurnia

In 2003,

Pada tahun 2003,

when we sequenced the human genome,

ketika melakukan sekuens genom pada manusia,

we thought we would have the answer to treat many diseases.

kami pikir menemukan jawaban untuk mengobati berbagai penyakit itu mudah.

But the reality is far from that,

Ternyata kenyataannya tidak semudah itu,

because in addition to our genes,

karena selain gen,

our environment and lifestyle could have a significant role

lingkungan dan gaya hidup manusia juga memiliki peranan penting

in developing many major diseases.

yang memengaruhi berbagai penyakit mayor.

One example is fatty liver disease,

Contohnya adalah penyakit hati berlemak,

which is affecting over 20 percent of the population globally,

yang memengaruhi 20% populasi global,

and it has no treatment and leads to liver cancer

belum ditemukan pengobatannya dan menjadi penyebab kanker hati

or liver failure.

atau gagal hati.

So sequencing DNA alone doesn't give us enough information

Sekuens DNA saja belum cukup memberikan informasi

to find effective therapeutics.

untuk mendapatkan terapeutik yang efektif.

On the bright side, there are many other molecules in our body.

Untungnya, ada banyak molekul lain di dalam tubuh,

In fact, there are over 100,000 metabolites.

bahkan ada lebih dari 100 ribu metabolit.

Metabolites are any molecule that is supersmall in their size.

Metabolit adalah molekul yang berukuran sangat kecil.

Known examples are glucose, fructose, fats, cholesterol --

Contohnya adalah glukosa, fruktosa, lemak, kolesterol --

things we hear all the time.

yang sudah sering kita dengar.

Metabolites are involved in our metabolism.

Metabolit terbentuk dari metabolisme.

They are also downstream of DNA,

Metabolit adalah bagian hilir DNA,

so they carry information from both our genes as well as lifestyle.

yang berfungsi membawa informasi gen dan gaya hidup manusia.

Understanding metabolites is essential to find treatments for many diseases.

Memahami metabolit bermanfaat untuk menemukan pengobatan

berbagai penyakit.

I've always wanted to treat patients.

Dulu saya bercita-cita menjadi seorang dokter.

Despite that, 15 years ago, I left medical school,

Tetapi, 15 tahun lalu saya harus meninggalkan

sekolah kedokteran,

as I missed mathematics.

karena tidak lulus pelajaran matematika.

Soon after, I found the coolest thing:

Sejak saat itu, saya sadar bahwa

I can use mathematics to study medicine.

matematika bisa digunakan untuk mempelajari obat-obatan.

Since then, I've been developing algorithms to analyze biological data.

Kemudian, saya mengembangkan algoritma untuk menganalisis data biologi.

So, it sounded easy:

Kedengarannya mudah.

let's collect data from all the metabolites in our body,

Mengumpulkan data metabolit dari dalam tubuh,

develop mathematical models to describe how they are changed in a disease

mengembangkan model matematika untuk menguraikan perubahan data metabolit

di dalam penyakit,

and intervene in those changes to treat them.

lalu mengendalikan perubahan tersebut untuk mengobati penyakit.

Then I realized why no one has done this before:

Kemudian saya sadar belum ada orang yang melakukan ini

it's extremely difficult.

karena benar-benar sulit.

(Laughter)

(Tertawa)

There are many metabolites in our body.

Metabolit banyak terdapat di dalam tubuh.

Each one is different from the other one.

Setiap metabolit berbeda satu sama lain.

For some metabolites, we can measure their molecular mass

Beberapa senyawa metabolit dapat diukur massa molekulernya

using mass spectrometry instruments.

menggunakan alat spektometri massa.

But because there could be, like, 10 molecules with the exact same mass,

Namun, karena ada 10 molekul dengan massa yang persis sama,

we don't know exactly what they are,

molekul yang pasti sulit diketahui

and if you want to clearly identify all of them,

dan jika ingin melakukan identifikasi,

you have to do more experiments, which could take decades

diperlukan pengujian lebih lanjut yang memakan waktu lama

and billions of dollars.

dan berharga jutaan dolar.

So we developed an artificial intelligence, or AI, platform, to do that.

Sehingga kami membangun Inteligensi Artifisial atau platform AI

We leveraged the growth of biological data

untuk memaksimalkan perkembangan data biologi

and built a database of any existing information about metabolites

serta membangun pangkalan data informasi tentang metabolit

and their interactions with other molecules.

dan interaksinya dengan molekul lain.

We combined all this data as a meganetwork.

Kami menggabungkan semua data dalam jaringan besar.

Then, from tissues or blood of patients,

Kemudian, kami mengambil jaringan atau darah pasien,

we measure masses of metabolites

untuk mengukur massa metabolit

and find the masses that are changed in a disease.

dan mencari massa yang berubah di dalam penyakit.

But, as I mentioned earlier, we don't know exactly what they are.

Tetapi, kami belum menemukan senyawa molekul yang pasti.

A molecular mass of 180 could be either the glucose, galactose or fructose.

Massa molekuler 180 mungkin adalah glukosa, galaktosa, atau fruktosa,

They all have the exact same mass

yang memiliki massa persis sama

but different functions in our body.

tetapi fungsinya berbeda di dalam tubuh.

Our AI algorithm considered all these ambiguities.

Algoritma AI menjawab semua ambiguitas itu.

It then mined that meganetwork

AI menggali jaringan besar

to find how those metabolic masses are connected to each other

untuk menemukan cara massa metabolit terhubung satu sama lain

that result in disease.

yang mengakibatkan timbulnya penyakit.

And because of the way they are connected,

Dari cara metabolit terhubung,

then we are able to infer what each metabolite mass is,

kami menentukan massa setiap metabolit,

like that 180 could be glucose here,

misalnya, massa molekuler 180 adalah glukosa

and, more importantly, to discover

dan yang lebih penting kami menemukan

how changes in glucose and other metabolites

bahwa perubahan dalam glukosa dan metabolit lain

lead to a disease.

dapat menyebabkan penyakit.

This novel understanding of disease mechanisms

Penemuan baru tentang mekanisme penyakit ini

then enable us to discover effective therapeutics to target that.

memungkinkan kita untuk menemukan terapeutik efektif sebagai pengobatan.

So we formed a start-up company to bring this technology to the market

Lalu, kami mendirikan perusahaan rintisan untuk membawa teknologi ini ke pasar

and impact people's lives.

dan menyelamatkan jiwa manusia.

Now my team and I at ReviveMed are working to discover

Saat ini saya dan tim di ReviveMed bekerja untuk menemukan

therapeutics for major diseases that metabolites are key drivers for,

terapeutik bagi penyakit mayor yang disebabkan oleh metabolit,

like fatty liver disease,

seperti penyakit hati berlemak,

because it is caused by accumulation of fats,

akibat timbunan lemak

which are types of metabolites in the liver.

yang merupakan tipe metabolit di dalam hati.

As I mentioned earlier, it's a huge epidemic with no treatment.

Penyakit ini adalah epidemi besar yang belum ditemukan obatnya.

And fatty liver disease is just one example.

Penyakit hati berlemak hanya sebuah contoh.

Moving forward, we are going to tackle hundreds of other diseases

Selanjutnya, kami akan menangani ratusan penyakit lain

with no treatment.

yang belum tertangani.

And by collecting more and more data about metabolites

Dengan mengumpulkan lebih banyak data metabolit

and understanding how changes in metabolites

dan memahami bahwa perubahan di dalam metabolit

leads to developing diseases,

bisa menjadi penyebab penyakit,

our algorithms will get smarter and smarter

algoritma bisa diandalkan

to discover the right therapeutics for the right patients.

untuk menemukan terapeutik yang sesuai untuk pasien yang tepat.

And we will get closer to reach our vision

Visi kami akan lebih mudah dicapai,

of saving lives with every line of code.

yaitu menyelamatkan jiwa manusia menggunakan setiap baris kode.

Thank you.

Terima kasih.

(Applause)

(Tepuk tangan)