هوش مصنوعی جدید گوگل راهی به سوی درمان سرطان باز می‌ کند

شرکت گوگل دیپ‌مایند و دانشگاه ییل، سامانه هوش مصنوعی جدیدی معرفی کردند که با کشف بینش‌های تازه در سلول‌های سرطانی، راهی نوین برای طراحی درمان‌های آینده سرطان باز می‌کند.

به گزارش تک‌ناک، این مدل بنیادین جدید با نام C2S-Scale 27B که در 15 اکتبر معرفی شد، یکی از بزرگ‌ترین و پیچیده‌ترین سامانه‌های هوش مصنوعی طراحی‌شده برای مطالعه رفتار سلولی به حساب می‌آید. با بهره‌گیری از معماری خانواده مدل‌های Gemma گوگل، این هوش مصنوعی فرضیه‌ای انقلابی درباره نحوه تعامل سلول‌های سرطانی با سیستم ایمنی ارائه کرده است.

این کشف از قابلیت هوش مصنوعی در فهم «زبان» سلول‌های منفرد سرچشمه گرفته است و نشان می‌دهد که چگونه می‌توان تومورهای مقاوم و «سرد» را برای سیستم ایمنی بدن آشکار ساخت؛ تومورهایی که معمولا از شناسایی سیستم ایمنی فرار می‌کنند و یکی از چالش‌های بزرگ ایمونوتراپی محسوب می‌شوند. با شناسایی مکانیزمی که این تومورها را «فعال» می‌کند، سامانه دیپ‌مایند می‌تواند مسیر درمان‌های ترکیبی نوین در حوزه انکولوژی را هموار کند.

سوندار پیچای، مدیرعامل گوگل در پستی در X نوشت: «با آزمایش‌های پیش‌بالینی و بالینی بیشتر، این کشف ممکن است راه جدید و امیدبخشی برای توسعه درمان‌های ضد سرطان ارائه دهد.»

وی تصریح کرد: «این یک نقطه عطف هیجان‌انگیز برای هوش مصنوعی در علوم زیستی است. مدل بنیادین C2S-Scale 27B ما، ساخته‌شده با همکاری دانشگاه ییل و مبتنی بر Gemma، فرضیه‌ای نوآورانه درباره رفتار سلول‌های سرطانی ارائه کرده است، که به‌ صورت تجربی در سلول‌های زنده تایید شد.»

آموزش زبان سلول‌ها به هوش مصنوعی

مدل C2S-Scale 27B برای تحلیل شرایط زیستی فوق‌العاده پیچیده طراحی شد؛ موقعیت‌هایی که مدل‌های کوچک‌تر قادر به پردازش آن نبودند. ماموریت اصلی این مدل شناسایی داروهایی بود که قادر به تقویت سیگنال‌دهی ایمنی هستند، با تمرکز ویژه بر افزایش ارائه آنتی‌ژن‌ها تا سلول‌های ایمنی بتوانند سلول‌های سرطانی را تشخیص دهند.

هوش مصنوعی برای دستیابی به این هدف، از یک «صفحه‌نمایش مجازی دوگانه» بهره برد و بیش از 4000 دارو را روی نمونه‌های تومور بیماران و داده‌های سلولی ایزوله‌شده تحلیل کرد. این شبیه‌سازی در مقیاس بزرگ، امکان شناسایی ترکیباتی را فراهم کرد که به‌طور انتخابی فعال‌سازی ایمنی را در زمینه‌های زیستی مرتبط افزایش دهند و به‌طور سراسری نباشد. نتایج حیرت‌انگیز بود؛ در حالی که برخی داروهای شناسایی‌شده قبلا شناخته شده بودند، حدود 10 تا 30 درصد کاملا نامزدهای نوظهور بودند؛ موادی که پیش از این هیچ ارتباطی با ایمونوتراپی سرطان یا تعدیل ایمنی نداشتند.

از جمله برجسته‌ترین یافته‌ها، مهارکننده کیناز CK2 به نام سیلمیتاسرتیب (CX-4945) بود؛ مدلی که پیش‌بینی کرد این دارو تنها در محیط «مثبت-زمینه‌ای ایمنی»، جایی که سطح اینترفرون پایین است، ارائه آنتی‌ژن را به شدت افزایش می‌دهد. مصرف دارو یا اینترفرون به‌تنهایی تاثیر چندانی ندارد، اما ترکیب این دو می‌تواند واکنش ایمنی قابل‌ توجهی علیه تومورها ایجاد کند.

تبدیل تومورهای سرطانی «سرد» به «گرم»

دانشمندان ییل پیش‌بینی‌های هوش مصنوعی را روی مدل‌های انسانی نورواندوکرین آزمایش کردند، مدل‌هایی که هرگز در داده‌های آموزشی سیستم حضور نداشتند. نتایج آزمایش به‌طور کامل فرضیه AI را تایید کرد؛ سیلمیتاسرتیب به‌تنهایی تغییری ایجاد نکرد و اینترفرون دوز پایین نیز تنها اثر جزئی داشت، اما ترکیب آنها باعث افزایش ۵۰ درصدی ارائه آنتی‌ژن شد و شناسایی ایمنی را در نواحی پیشین غیرفعال، فعال ساخت. این کشف نشان می‌دهد که C2S-Scale 27B فراتر از پردازش داده‌ها عمل کرده و با تحلیل شرایط زمینه‌ای، دریافته است که موفقیت درمان چگونه به شرایط سلولی وابسته است. این یافته می‌تواند نقشه راهی برای مقابله با تومورهایی باشد، که در برابر درمان‌های ایمونوتراپی موجود مقاوم هستند.

محققان ییل اکنون مکانیزم دقیق این کشف را بررسی و سایر پیش‌بینی‌های تولیدشده توسط سیستم را آزمایش می‌کنند. این همکاری نمونه‌ای است از نقش هوش مصنوعی در مقیاس بزرگ به‌عنوان آزمایشگاه مجازی، که هزاران شبیه‌سازی را برای آشکارسازی روابط ناشناخته میان داروها، سلول‌ها و سیگنال‌های ایمنی اجرا می‌کند. موفقیت C2S-Scale 27B نشانگر تغییر رویکرد دانشمندان به زیست‌شناسی است؛ به جای آزمون و خطای سنتی، مدل‌های AI در این ابعاد قادر هستند فرضیات را با سرعت و دقت بی‌سابقه تولید و ارزیابی کنند.