هوش مصنوعی برای درمان سرطان چه چیزی کم دارد

به گزارش خبرگزاری آنا به نقل از «Techcrunch»؛ شرکت زیست فناوری Vivodyne در تلاش است تا مشکل را با ساخت سامانه‌ای برای آزمایش خودکار دارو روی بافت‌های انسانی برطرف کند. این رویکرد قرار است داده‌های دقیق‌تری برای آموزش و ارزیابی مدل‌های هوش مصنوعی فراهم کند.

چرا هوش مصنوعی هنوز برای درمان سرطان کافی نیست؟

پیشرفت مدل‌های هوش مصنوعی در زیست‌شناسی و کشف دارو طی سال‌های گذشته قابل توجه بوده است. ابزارهایی مانند AlphaFold توانسته‌اند در پیش‌بینی ساختار پروتئین‌ها تحول ایجاد کنند و مسیرهای تازه‌ای برای مطالعه بیماری‌ها و طراحی داروها به وجود آورند؛ اما شناخت ساختار یک پروتئین با پیش‌بینی واکنش یک بدن کامل به یک دارو تفاوت زیادی دارد.

سرطان نیز فقط یک مشکل مربوط به یک سلول یا پروتئین نیست؛ مجموعه‌ای پیچیده از سلول‌ها، بافت‌ها، سیستم ایمنی و فرایندهای زیستی مختلف در شکل‌گیری و پیشرفت آن نقش دارند. به همین دلیل، حتی اگر یک مدل هوش مصنوعی بتواند یک ترکیب دارویی امیدوارکننده پیشنهاد کند، هنوز باید مشخص شود این ترکیب در یک محیط زیستی واقعی چه عملکردی دارد.

مشکل اصلی چیست؟

Vivodyne معتقد است یکی از موانع مهم در مسیر استفاده از AI برای کشف دارو، کیفیت داده‌های زیستی است و مدل‌های هوش مصنوعی برای یادگیری به حجم زیادی از داده نیاز دارند، اما همه داده‌ها ارزش یکسانی ندارند. اطلاعات به‌دست‌آمده از سلول‌های جدا شده، مدل‌های آزمایشگاهی یا حیوانات به تنهایی نمی‌تواند رفتار پیچیده بدن انسان را به‌طور کامل بازسازی کند.

از طرف دیگر، آزمایش دارو روی انسان فرایندی بسیار طولانی، پرهزینه و حساس است. بنابراین اگر بتوان پیش از رسیدن به مرحله آزمایش‌های بالینی، اطلاعات دقیق‌تری درباره واکنش بافت انسانی به دارو به دست آورد، می‌توان بخشی از عدم قطعیت این مسیر را کاهش داد.

آزمایشگاه رباتیک برای ساخت داده‌های واقعی‌تر

Vivodyne برای حل این مشکل سامانه‌ای به نام HIVE توسعه داده است. یک محیط آزمایشگاهی رباتیک که می‌تواند بافت‌های انسانی را پرورش دهد و آزمایش‌های دارویی را به شکل خودکار انجام دهد.

این سامانه می‌تواند حدود ۲۰ نوع بافت انسانی را رشد دهد و داروهای مختلف را روی آنها آزمایش کند و سپس واکنش بافت‌ها به داروها اندازه‌گیری و ثبت می‌شود. هدف این است که به‌جای آنکه هوش مصنوعی تنها بر اساس داده‌های موجود درباره سلول‌ها، پروتئین‌ها یا آزمایش‌های حیوانی تصمیم‌گیری کند، بتواند به داده‌هایی نزدیک‌تر به زیست‌شناسی واقعی انسان دسترسی داشته باشد.

در چنین رویکردی، هوش مصنوعی نقش مغز تحلیل‌گر را دارد و آزمایشگاه رباتیک داده‌هایی را تولید می‌کند که این مغز برای یادگیری به آن‌ها نیاز دارد.

چرا آزمایش روی حیوانات همیشه کافی نیست؟

یکی از مشکلات مهم توسعه دارو این است که نتیجه موفقیت‌آمیز در آزمایش‌های اولیه به معنای موفقیت در انسان نیست و طبق گزارش TechCrunch، حدود ۹۰ درصد داروهایی که آزمایش‌های حیوانی را پشت سر می‌گذارند و وارد آزمایش‌های بالینی می‌شوند، در نهایت تاییدیه انسانی دریافت نمی‌کنند.

این شکست‌ها دلایل مختلفی دارند، اما یکی از آنها تفاوت میان زیست‌شناسی حیوان و انسان است. بدن انسان بسیار پیچیده است و واکنش آن به دارو ممکن است با چیزی که در مدل‌های حیوانی مشاهده شده تفاوت داشته باشد.

به همین دلیل، تولید مدل‌های آزمایشگاهی که بتوانند بخش‌هایی از بافت انسانی را با دقت بیشتری بازسازی کنند، می‌تواند به یکی از حلقه‌های مهم میان هوش مصنوعی و پزشکی تبدیل شود.

هوش مصنوعی به چه چیزی نیاز دارد؟

نکته جالب اینجاست که در ظاهر این مشکل درباره قدرت هوش مصنوعی است، اما در عمق خود درباره محدودیت داده‌ها صحبت می‌کند. AI می‌تواند میلیاردها داده را در مدت کوتاهی تحلیل کند، الگوهایی را پیدا کند که برای انسان دشوار است و حتی ترکیبات جدیدی برای دارو پیشنهاد دهد؛ اما اگر داده‌های اولیه تصویری ناقص از بدن انسان ارائه کنند، خروجی هوش مصنوعی نیز نمی‌تواند از محدودیت همان داده‌ها فراتر برود.

به همین دلیل، شاید مرحله بعدی انقلاب هوش مصنوعی در پزشکی نه ساخت مدل‌های بزرگ‌تر، بلکه ساخت داده‌های واقعی‌تر و باکیفیت‌تر باشد. در این نگاه، AI قرار نیست به‌تنهایی سرطان را درمان کند. این فناوری به مجموعه‌ای از ابزارهای آزمایشگاهی، داده‌های انسانی و روش‌های دقیق برای بررسی واکنش بدن نیاز دارد.

مسیر درمان سرطان هنوز طولانی است

یک مقاله پژوهشی در سال ۲۰۲۶ نیز دقیقا به مشکل محدودیت اندازه و تنوع داده‌ها در مدل‌های AI برای پیش‌بینی پاسخ سرطان به دارو پرداخته است. پژوهشگران با گسترش یک مجموعه‌داده، بیش از ۵۰ هزار ترکیب دارویی جدید به داده‌ها اضافه کرده‌اند و نشان داده‌اند که مجموعه‌داده بزرگ‌تر می‌تواند عملکرد مدل‌ها را در مواجهه با ترکیبات جدید بهبود دهد. 

البته نباید از این فناوری چنین برداشت کرد که درمان سرطان با هوش مصنوعی به‌زودی اتفاق خواهد افتاد. حتی اگر آزمایش روی بافت‌های انسانی بتواند داده‌های ارزشمندتری تولید کند، فاصله میان یک نتیجه آزمایشگاهی و یک داروی تایید شده زیاد است و هوش مصنوعی هرچقدر هم قدرتمند باشد، نمی‌تواند تمام پیچیدگی بدن انسان را فقط از داخل یک رایانه بفهمد.

آینده پزشکی، برای رسیدن به درمان‌های بهتر، نه در رقابت میان انسان و هوش مصنوعی، بلکه در همکاری میان آنها شکل می‌گیرد. AI برای تحلیل حجم عظیم داده‌ها و آزمایشگاه‌های پیشرفته برای تولید داده‌هایی که به واقعیت بدن انسان نزدیک‌تر هستند.