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

01

از 02

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.

02

از 02

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.