طبق مطالعه‌ای که در سال 2022 در کتابخانه ملی پزشکی منتشر شد، 90% از نامزدهای دارویی در مراحل اولیه آزمایش شکست می‌خورند. برای شرکت‌هایی که در حوزه توسعه داروهای نجات‌بخش فعالیت می‌کنند، این فرآیند با ریسک‌های زیادی همراه است، از جمله بسیار کُند بودن و هزینه‌های میلیاردی. گوگل امیدوار است با مدل هوش مصنوعی جدید خود به نام TxGemma این فرآیند را تسهیل کند.
TxGemma نسخه بهبودیافته و آزاد Tx-LLM است که گوگل در اکتبر گذشته برای کمک به توسعه دارو معرفی کرد. Tx-LLM توجه قابل توجهی از طرف‌های علاقه‌مند، مانند محققان دارویی، که به دنبال مدلی برای استفاده و تنظیم دقیق برای توسعه کاربردهای درمانی بودند، جلب کرد. در پاسخ به این نیاز، گوگل TxGemma را برای توسعه‌دهندگانی که می‌توانند از این مدل روی داده‌های خود و برای وظایف خاص خود استفاده کنند، منتشر کرده است.
TxGemma بر پایه مدل‌های Gemma گوگل ساخته شده است، اما تفاوت آن در این است که برای کمک به توسعه درمان‌ها آموزش دیده است. TxGemma می‌تواند خواص درمانی را در طول فرآیند توسعه درک و پیش‌بینی کند. این مدل می‌تواند به محققان در شناسایی امیدوارکننده‌ترین اهداف کمک کند و می‌تواند نتایج آزمایش‌های بالینی را پیش‌بینی کند تا زمان کمتری هدر رود.
مدل‌های جدید TxGemma برای انعطاف‌پذیری طراحی شده‌اند. این مدل‌ها در سه اندازه عرضه می‌شوند تا توسعه‌دهندگان بتوانند با توجه به قابلیتهای سخت‌افزار موجود، مدل مناسب را انتخاب کنند. آن‌ها با 2 میلیارد پارامتر، 9 میلیارد پارامتر و 27 میلیارد پارامتر در دسترس هستند. هر کدام دارای نسخه ‘پیش‌بینی’ هستند که می‌توانند وظایف محدود مانند طبقه‌بندی (مثلاً آیا این مولکول از سد خونی-مغزی عبور می‌کند؟)، رگرسیون (مثلاً پیش‌بینی تمایل اتصال دارو) و تولید (مثلاً با توجه به محصول یک واکنش، مجموعه واکنش‌دهنده را تولید کند) را انجام دهند.
گوگل در نمایش اثربخشی بزرگترین مدل 27 میلیارد پارامتری خود اعلام کرد: “بزرگترین مدل TxGemma (نسخه پیش‌بینی 27B) عملکرد قوی‌ای ارائه می‌دهد. نه تنها در تقریباً هر وظیفه‌ای بهتر یا تقریباً برابر با مدل عمومی قبلی ما (Tx-LLM) است، بلکه با بسیاری از مدل‌هایی که به طور خاص برای وظایف منفرد طراحی شده‌اند نیز رقابت می‌کند یا از آن‌ها پیشی می‌گیرد. به طور خاص، در 64 از 66 وظیفه عملکرد بهتر یا قابل مقایسه با مدل قبلی ما دارد (در 45 مورد از آن پیشی می‌گیرد)، و همین کار را در مقابل مدل‌های تخصصی در 50 وظیفه انجام می‌دهد (در 26 مورد از آن‌ها پیشی می‌گیرد).”
علاوه بر مدل‌های TxGemma، گوگل همچنین مدل‌های TxGemma-Chat را در پیکربندی‌های 9 و 27 میلیارد پارامتری منتشر کرده است. ویژگی خاص این مدل‌ها این است که محققان می‌توانند از مدل بخواهند استدلال خود را برای نتیجه‌گیری‌هایش به اشتراک بگذارد و به سؤالات پیچیده پاسخ دهد. این مکالمات می‌تواند به محققان کمک کند تا توسعه درمان‌ها را به طور چشمگیری سرعت بخشند.
گوگل همچنین Agentic-Tx را بر اساس Gemini 2.0 Pro معرفی کرد. Agentic-Tx هدفش غلبه بر محدودیت‌های مربوط به اطلاعات خارجی به‌روز و استدلال چند مرحله‌ای است. این مدل به 18 ابزار مجهز شده است تا به محققان در دستیابی به اهداف کمک کند، از جمله:
- TxGemma به عنوان ابزاری برای استدلال چند مرحله‌ای
- ابزارهای جستجوی عمومی از PubMed، ویکی‌پدیا و وب
- ابزارهای مولکولی خاص
- ابزارهای ژن و پروتئین