TigerGraph mengumumkan pemanfaatan advanced graphic analytics berbasis machine learning dan Artificial Intelligence (AI) oleh Technical University of Denmark (DTU) untuk meningkatkan perawatan leukemia limfoblastik akut.
Para peneliti di DTU adalah bagian dari proyek iCOPE (Interregional Childhood Oncology Precision Medicine Exploration) yang didanai Uni Eropa dan diselenggarakan oleh Denmark dan Swedia. Memetakan materi genetik untuk semua penderita kanker masa kanak-kanak, tujuan jangka panjang iCOPE adalah untuk meningkatkan diagnosa, perawatan, tingkat kesembuhan, dan situasi kehidupan anak-anak penderita kanker secara keseluruhan.
Proses pemetaan tersebut dimulai dengan tes darah pasien, dipadu dengan data ekspresi RNA-seq melalui Whole Genome Sequencing (WGS), yang kemudian digunakan untuk menemukan pola ekspresi menyimpang, yang memiliki kemungkinan berkorelasi atau disebabkan oleh mutasi penambah.
Proses tersebut menghasilkan sejumlah besar data. Oleh TigerGraph, data tersebut akan ditautkan dengan berbagai data point lain terkait kehidupan, penyakit, dan pengobatan pasien, untuk lebih memahami mengapa anak-anak terjangkit kanker, sehingga dapat memberikan diagnosis lebih dini dan perawatan yang jauh lebih efektif.
Jesper Vang, Mahasiswa Ph.D. di Departemen Teknologi Kesehatan, Biologi Sistem Kanker di DTU, menjelaskan, “Sistem kami saat ini hanya menampung data mentah seperti data tersekuens berdasarkan genotipe dan genom keseluruhan. Data mentah tersebut diproses melalui pipeline khusus yang memperhitungkan varian genetik dan memberi anotasi data dalam sebuah database MySQL. Akan tetapi, kami membutuhkan sesuatu yang lebih mudah digunakan, khususnya oleh personel klinis, sehingga memungkinkan mereka untuk mencari data asosiasi genetik, yang merupakan kasus penggunaan yang sempurna untuk analitik grafik.”
DTU memilih platform database grafik on-premise yang dapat mendukung keperluan kinerjanya. Pilihan DTU jatuh pada TigerGraph karena dipandang sebagai satu-satunya platform yang dapat dikembangkan dan memberikan kedalaman analisis yang diperlukan proyek tersebut.
“Selama proses pengujian kami, TigerGraph adalah satu-satunya solusi yang menawarkan kinerja tertinggi dengan kemungkinan untuk dikembangkan pada skala yang akan kami butuhkan nantinya," jelas Jesper Vang.
Saat ini DTU berada di tahap terakhir untuk sepenuhnya menjalankan seluruh sistem tersebut. Menurut keterangan pers, sistem ini sudah digunakan dalam sebuah proyek yang menggabungkan bidang kecerdasan buatan (AI), pembelajaran mesin, dan bioinformatika translasional guna menciptakan model yang dapat memprediksi risiko kambuh ulang dan toksisitas dalam perawatan leukemia limfoblastik akut.
Martin Darling, VP EMEA di TigerGraph menambahkan, “Upaya di DTU dan di seluruh proyek iCOPE bersifat transformasionalis dan menyoroti bagaimana penerapan keunggulan klinis dengan teknologi inovatif dapat menghadirkan wawasan terobosan dalam bidang-bidang seperti ilmu kehidupan. Kami sangat senang atas ketersediaan Jesper yang akan mempresentasikan studi kasus lengkap tentang proyek tersebut pada Graph + AI Summit pada bulan April mendatang.”