پژوهش‌های جدید نشان می‌دهند هوش مصنوعی می‌تواند فراتر از تحلیل داده‌ها عمل کند و راهکارهای نوآورانه‌ای برای مقابله با بیماری‌های پیچیده‌ای مانند سرطان ارائه دهد. گوگل دیپ‌مایند با همکاری دانشگاه ییل، مدلی طراحی کرده که توانسته یک درمان جدید برای تومورهای مقاوم به درمان پیشنهاد دهد و آزمایش‌های اولیه روی سلول‌های انسانی نتایج امیدبخشی ارائه کرده‌اند.
چالش تومورهای سرد در درمان سرطان
تومورهای موسوم به «سرد» یکی از بزرگ‌ترین موانع درمان سرطان هستند. این تومورها خود را از دید سیستم ایمنی پنهان می‌کنند و داروهای موجود که برای فعال‌سازی سیستم ایمنی طراحی شده‌اند، روی آنها اثرگذار نیستند. هدف پژوهشگران این بود که بتوانند تومورها را «داغ» کرده و آنها را قابل تشخیص برای سلول‌های ایمنی کنند، تا پاسخ ایمنی بدن به درمان‌های ایمونوتراپی افزایش یابد.
هوش مصنوعی گوگل چگونه مسیر درمان را باز می کند؟
برای حل این معضل، محققان گوگل یک مدل هوش مصنوعی پیشرفته به نام C2S-Scale 27B بر پایه مدل‌های Gemma طراحی کردند. این مدل ۲۷ میلیارد پارامتری توانایی درک «زبان» پیچیده سلول‌های منفرد را دارد و می‌تواند تعاملات پیچیده مولکولی را تحلیل کند.
وظیفه اصلی این مدل یافتن دارویی بود که به عنوان «تقویت‌کننده شرطی» عمل کند؛ یعنی دارویی که تنها در شرایط خاص، مانند محیطی با مقادیر کم پروتئین اینترفرون، بتواند سیگنال‌های ایمنی تومور را تقویت کند. برای این کار، هوش مصنوعی بیش از ۴ هزار داروی موجود را غربالگری کرد و حدود ۱۰ تا ۳۰ درصد از داروهای پیشنهادی، کاملاً گزینه‌های جدیدی بودند که پیش‌تر برای درمان سرطان استفاده نشده بودند.
کشف سیلمیتاسرتیب و آزمایش پیش بالینی
یکی از برجسته‌ترین یافته‌های مدل، داروی سیلمیتاسرتیب (Silmitasertib) بود. مدل پیش‌بینی کرد که این دارو تنها در ترکیب با دوز پایین اینترفرون می‌تواند «ارائه آنتی‌ژن» را افزایش دهد و تومور را برای سیستم ایمنی قابل مشاهده کند.
دانشمندان دانشگاه ییل این فرضیه را روی سلول‌های واقعی سرطان نورواندوکرین انسان آزمایش کردند؛ سلول‌هایی که هوش مصنوعی هرگز در داده‌های آموزشی خود ندیده بود. نتایج کاملاً با پیش‌بینی مدل مطابقت داشت: سیلمیتاسرتیب به تنهایی اثر کمی داشت، دوز پایین اینترفرون نیز تنها تأثیر جزئی ایجاد کرد، اما ترکیب این دو باعث افزایش ۵۰ درصدی در ارائه آنتی‌ژن شد و تومور را برای سیستم ایمنی «داغ» و قابل تشخیص کرد. این موفقیت نشان داد C2S-Scale نه تنها داده‌ها را پردازش می‌کند، بلکه قادر به استنتاج و کشف روابط بیولوژیکی جدید نیز هست.
اهمیت این کشف برای آینده درمان سرطان
این پژوهش نمونه‌ای از توانایی هوش مصنوعی در شناسایی مسیرهای درمانی نوین است. با ادامه آزمایش‌های پیش‌بالینی و بالینی، این کشف می‌تواند مسیر جدیدی برای توسعه درمان‌های ایمنی‌محور برای تومورهای مقاوم به درمان فراهم کند. یافته‌های این مطالعه نشان می‌دهد که تلفیق هوش مصنوعی و بیولوژی مولکولی می‌تواند به شناسایی داروهای ترکیبی مؤثر و کشف مکانیسم‌های ناشناخته بیماری‌ها منجر شود.
چشم انداز آینده و نقش هوش مصنوعی در پزشکی
هوش مصنوعی در پزشکی به سرعت در حال گسترش است و توانایی تحلیل داده‌های پیچیده سلولی و مولکولی را دارد که فراتر از ظرفیت‌های انسانی است. مدل‌های پیشرفته مانند C2S-Scale می‌توانند با شبیه‌سازی تعاملات مولکولی، پیش‌بینی اثرات داروها و شناسایی مسیرهای درمانی نوظهور، انقلابی در طراحی دارو و درمان بیماری‌های مزمن و مقاوم ایجاد کنند.
نتیجه گیری
همکاری گوگل دیپ‌مایند و دانشگاه ییل نمونه‌ای از پتانسیل بالای هوش مصنوعی در ابداع روش‌های درمانی نوین است. کشف درمان ترکیبی با سیلمیتاسرتیب و اینترفرون می‌تواند نویدبخش درمان تومورهای مقاوم به ایمنوتراپی باشد و افق جدیدی برای تحقیقات سرطان باز کند. استفاده از هوش مصنوعی برای تحلیل داده‌های سلولی و کشف روابط پیچیده بیولوژیکی، نشان‌دهنده مسیر نوینی در پزشکی شخصی‌سازی شده است که می‌تواند جان میلیون‌ها بیمار را نجات دهد.
«ساندار پیچای»، مدیرعامل گوگل، این دستاورد را نقطه امیدی در مسیر مبارزه با سرطان خوانده و بر اهمیت ادامه آزمایش‌های پیش‌بالینی و بالینی برای تبدیل یافته‌های هوش مصنوعی به درمان‌های عملی تأکید کرده است.
بدون نظر! اولین نفر باشید