هوش مصنوعی گوگل کد جدیدی از سرطان را شکست: کشف دارویی که تومورها را برای سیستم ایمنی آشکار می‌کند

مدل ۲۷ میلیارد پارامتری دیپ‌مایند (DeepMind) به نام «Cell2Sentence-Scale» ترکیبی دارویی را شناسایی کرده که تومورها را برای سیستم ایمنی بدن نمایان‌ تر می‌کند؛ پیشرفتی که گوگل آن را «نقط عطفی برای هوش مصنوعی در علم» می‌نامد.

به گزارش بخش اخبار علمی زوم تک به نقل از Decrypt، شرکت گوگل دیپ‌مایند روز چهارشنبه اعلام کرد که جدیدترین سیستم هوش مصنوعی بیولوژیکی آن، یک فرضیه جدید برای درمان سرطان را تولید و به صورت تجربی تأیید کرده است؛ نتیجه‌ای که این شرکت آن را «نقط عطفی برای هوش مصنوعی در علم» می‌خواند. ساندار پیچای، مدیرعامل گوگل، در توییتی نوشت: «با آزمایش‌ های پیش‌ بالینی و بالینی بیشتر، این کشف ممکن است مسیر جدید و امیدوارکننده‌ای برای توسعه روش‌ های درمانی جهت مبارزه با سرطان آشکار کند.»

معرفی مدل انقلابی Cell2Sentence-Scale

محققان دیپ‌مایند با همکاری دانشگاه ییل، یک مدل پایه ۲۷ میلیارد پارامتری برای تحلیل تک‌سلولی به نام Cell2Sentence-Scale 27B (C2S-Scale) را منتشر کردند که بر اساس خانواده مدل‌های منبع‌باز Gemma گوگل ساخته شده است. این شرکت در یک پست وبلاگی نوشت: «این مدل توانست یک فرضیه جدید در مورد رفتار سلولی سرطان تولید کند و ما از آن زمان پیش‌بینی آن را با اعتبارسنجی تجربی در سلول‌های زنده تأیید کرده‌ایم. این کشف، مسیر جدید و امیدوارکننده‌ای را برای توسعه روش‌های درمانی جهت مبارزه با سرطان نشان می‌دهد.»

کشف بزرگ: چگونه هوش مصنوعی تومورهای «سرد» را «گرم» می‌کند؟

این یافته بر یکی از دشوارترین مشکلات در ایمنی‌درمانی سرطان متمرکز است: چگونه می‌توان به اصطلاح تومورهای سرد را که برای سیستم ایمنی نامرئی هستند، «گرم‌تر» و در نتیجه به درمان پاسخگوتر کرد. دیپ‌مایند اعلام کرد که مدل آن با موفقیت یک داروی تقویت‌کننده شرطی را شناسایی کرده که می‌تواند قابلیت دید سیستم ایمنی را تنها در زمینه‌های بیولوژیکی خاصی افزایش دهد.

برای آزمایش این ایده، C2S-Scale داده‌های تومور بیماران را تجزیه و تحلیل کرد و اثرات بیش از ۴۰۰۰ داروی کاندید را تحت دو شرط شبیه‌سازی کرد: یکی در حالتی که سیگنال‌دهی ایمنی فعال بود و دیگری در حالتی که فعال نبود. این مدل پیش‌بینی کرد که داروی سیلمیتاسرتیب (silmitasertib) (CX-4945)، که یک مهارکننده کیناز CK2 است، به طور چشمگیری «ارائه آنتی‌ژن» – یک محرک کلیدی ایمنی – را افزایش می‌دهد، اما فقط در محیطی که سیستم ایمنی فعال است.

از فرضیه تا واقعیت: تأیید آزمایشگاهی پیش‌ بینی هوش مصنوعی

گوگل نوشت: «چیزی که این پیش‌بینی را بسیار هیجان‌انگیز کرد، این بود که یک ایده جدید بود.» «اگرچه CK2 در بسیاری از عملکردهای سلولی، از جمله به عنوان یک تعدیل‌کننده سیستم ایمنی، نقش دارد، اما مهار CK2 از طریق سیلمیتاسرتیب در مقالات علمی به عنوان عاملی برای افزایش صریح بیان MHC-I یا ارائه آنتی‌ژن گزارش نشده بود. این نشان می‌دهد که مدل در حال تولید یک فرضیه جدید و قابل آزمایش بود، و نه فقط تکرار حقایق شناخته شده.»

آزمایش‌های آزمایشگاهی این پیش‌بینی را تأیید کردند. هنگامی که سلول‌های نورواندوکرین انسانی با هر دو داروی سیلمیتاسرتیب و دوز پایین اینترفرون درمان شدند، ارائه آنتی‌ژن تقریباً ۵۰ درصد افزایش یافت و به طور مؤثری سلول‌های تومور را برای سیستم ایمنی نمایان‌تر کرد.

آینده اکتشافات علمی و گام‌ های بعدی

محققان دیپ‌مایند این کشف را به عنوان مدرکی توصیف کردند که نشان می‌دهد مقیاس‌بندی مدل‌های هوش مصنوعی بیولوژیکی فقط دقت را بهبود نمی‌بخشد، بلکه می‌تواند فرضیه‌های کاملاً جدیدی تولید کند. در این پست آمده است: «وعده واقعی مقیاس‌بندی در خلق ایده‌های جدید و کشف ناشناخته‌ها نهفته است.»

تیم‌های دانشگاه ییل اکنون در حال بررسی مکانیزمی هستند که زیربنای این اثر سیستم ایمنی است و در حال آزمایش سایر پیش‌بینی‌های تولید شده توسط هوش مصنوعی هستند. دیپ‌مایند گفت که این کار «طرحی کلی برای نوع جدیدی از اکتشافات بیولوژیکی فراهم می‌کند»، نوعی که از سیستم‌های هوش مصنوعی در مقیاس بزرگ برای اجرای غربالگری‌های دارویی مجازی و پیشنهاد فرضیه‌های مبتنی بر زیست‌شناسی برای آزمایش آزمایشگاهی استفاده می‌کند.

این مدل و ابزارهای همراه آن به صورت عمومی در Hugging Face و GitHub در دسترس هستند و یک پیش‌نویس علمی از آن در bioRxiv منتشر شده است.

با این حال، کارشناسان هشدار می‌دهند که چنین یافته‌هایی تنها اولین گام در یک فرآیند طولانی را نشان می‌دهند. نتایج هنوز باید تحت داوری همتا یا اعتبارسنجی بالینی قرار گیرند و هرگونه کاربرد درمانی به سال‌ها تحقیق و آزمایش‌های اضافی نیاز خواهد داشت.