آزمایش روش درمانی هوش مصنوعی برای سرطان نتایج امیدوارکنندهای ثبت کرد
یکی از بزرگترین چالشها در درمان سرطان، وجود تومورهای موسوم به «سرد» است. این تومورها خود را از دید سیستم ایمنی بدن پنهان میکنند و به همین دلیل، درمانهایی که برای فعالکردن سیستم ایمنی طراحی شدهاند، روی آنها بیاثر هستند. دانشمندان همواره به دنبال راهی برای «گرم کردن» این تومورها و قابل مشاهده کردن آنها برای سلولهای ایمنی بودهاند.
برای حل این مشکل، محققان گوگل یک مدل هوش مصنوعی بزرگ به نام C۲S-Scale ۲۷B را بر پایه مدلهای Gemma گوگل ساختند. این مدل ۲۷ میلیارد پارامتری برای درک زبان پیچیده سلولهای منفرد طراحی شده است.
اساس کار این مدل بر پایه قوانین مقیاسپذیری قرار دارد؛ اصلی که پیش از این در مدلهای زبانی بزرگ اثبات شده بود و نشان میدهد که با افزایش اندازه و پارامترهای یک مدل، نهتنها عملکرد آن در وظایف موجود بهتر میشود، بلکه قابلیتهای کاملاً جدیدی نیز در آن ظهور میکند. این مدل توانایی استدلال شرطی را از خود نشان داد؛ قابلیتی که در مدلهای کوچکتر وجود نداشت و به آن اجازه داد تا یک اثر بیولوژیکی پیچیده و وابسته به زمینه را کشف کند.
محققان یک وظیفه بسیار خاص را برای این هوش مصنوعی تعریف کردند: پیدا کردن دارویی که مانند یک تقویتکننده شرطی عمل کند. این به آن معناست که دارو باید سیگنالهای ایمنی تومور را فقط در یک محیط خاص، یعنی محیطی که در آن مقادیر کمی از پروتئین سیستم ایمنی به نام اینترفرون وجود دارد، تقویت کند.
هوش مصنوعی برای انجام این کار، یک غربالگری مجازی را روی بیش از ۴۰۰۰ دارو انجام داد که نتایج آن قابل توجه بود. این سیستم داروی «سیلمیتاسرتیب» را بهعنوان برجستهترین یافته خود معرفی کرد. مدل پیشبینی کرد که این دارو تنها زمانی میتواند «ارائه آنتیژن» (فرآیندی که تومور را برای سیستم ایمنی قابل مشاهده میکند) را افزایش دهد که با دوز پایینی از اینترفرون ترکیب شود. با این پیشبینی، محققان فرضیهای در دست داشتند که باید آن را در محیط واقعی آزمایش میکردند.
دانشمندان دانشگاه ییل این فرضیه هوش مصنوعی را روی سلولهای واقعی سرطان نورواندوکرین انسان (نوعی سلول که هوش مصنوعی هرگز در دادههای آموزشی خود ندیده بود) آزمایش کردند. نتایج، پیشبینی هوش مصنوعی را کاملاً تأیید کرد؛ استفاده از سیلمیتاسرتیب به تنهایی هیچ تأثیری نداشت و استفاده از دوز پایین اینترفرون نیز تأثیر بسیار کمی داشت. اما ترکیب این دو باعث افزایش ۵۰ درصدی در ارائه آنتیژن شد و تومور را برای سیستم ایمنی «گرم» و قابل مشاهده کرد.
این نتیجه نشان میدهد که C۲S-Scale فقط دادهها را پردازش نکرده، بلکه توانسته است با استدلال مبتنی بر زمینه، یک رابطه بیولوژیکی کاملاً جدید را کشف کند. این دستاورد مسیر جدیدی را برای توسعه درمانهای ترکیبی پیش روی محققان قرار میدهد و نشان میدهد چگونه فناوری هوش مصنوعی میتواند به اکتشافات علمی سرعت ببخشد. با انجام آزمایشهای پیشبالینی و بالینی بیشتر، این کشف ممکن است به یک روش درمانی مؤثر برای مبارزه با سرطان تبدیل شود.
انتهای پیام/
