هوش مصنوعی راه رهایی از اعتیاد را هموار کرد

مرفین اولین اپیویید طبیعی(آلکالوئید) است که در سال ۱۸۰۴ توسط یک داروساز آلمانی به نام «فردریش ویلیام آدام سرتورنر» در شهر پادربرن از تریاک استخراج شد. اُپیوئیدها از نظر توانایی، قدرت و مدت اثر با یکدیگر متفاوت هستند و خاصیت چسبندگی آن‌ها به گیرنده‌های عصبی و همچنین میزان حلال بودن آن‌ها در چربی، تعیین‌کننده است. همچنین واکنش‌های مختلفی نسبت به گیرنده‌های مختلف اپیویید از خود نشان می‌دهند. مصرف اپیوئیدها موجب وابستگی روانی و جسمی شبیه اعتیاد به تریاک می‌شود. با قطع ناگهانی آن‌ها علائم اضطراب، تعریق، بی‌خوابی، تهوع و لرز، اسهال، درد عضلانی، ترس و بیقراری و گُرگرفتگی پیش می‌آید. پس از اتمام دوره درمان، مقدار مصرف روزانه دارو تحت نظارت پزشک باید به آهستگی کاهش یابد تا از بروز علایم محرومیت دارو جلوگیری شود.

اپیوئیدها به خودی خود به سیستم ارگانیک بدن آسیب چندانی نمی‌رسانند، چرا که هدفمند بر روی گیرنده‌های مخصوص خود اثر می‌گذارند، با وجود این مصرف دائمی و طولانی مدت این مواد ممکن است همراه با آسیب‌های جسمی باشد، اما به‌ طور کلی می‌توان اعتیاد را خطرناک‌ترین آسیب این گروه داروها دانست. 

**درمان اعتیاد به مواد مخدر با بهره‌گیری از هوش مصنوعی

«لزلی سالاس استرادا» از آزمایشگاه مارتا فیلیزولا در دانشکده پزشکی ایکان در مونت سینای اکنون امیدوار است که با کشف داروهایی که گیرنده‌ای موسوم به گیرنده کاپا-افیونی را مهار می‌کنند، اعتیاد به مواد افیونی را کاهش دهد.

به گفته وی «اگر معتاد باشید و سعی می‌کنید اعتیاد خود را ترک کنید، در برخی مواقع علائم ناشی از ترک اعتیاد خود را مشاهده خواهید کرد و غلبه بر آنها می‌تواند واقعاً سخت باشد. بعد از قرار گرفتن در معرض مواد افیونی زیاد، مغز شما به مواد مخدر بیشتری نیاز دارد. مسدود کردن فعالیت گیرنده کاپا-افیونی در مدل‌های حیوانی نشان داده است که نیاز به استفاده از دارو در دوره ترک را کاهش می‌دهد.»

**کاهش زمان و هزینه داروهای درمان اعتیاد

به همین دلیل استرادا برای کارآمدتر کردن این فرآیند به ابزارهای محاسباتی روی آورده است. وی از هوش مصنوعی برای بهینه‌سازی سیستم‌های یافتن داروی خود استفاده می‌کند. استرادا معتقد است که «هوش مصنوعی این مزیت را دارد که می‌تواند حجم عظیمی از اطلاعات را دریافت کند و یاد بگیرد که الگوها را از میان آنها تشخیص دهد. بنابراین ما معتقدیم که فناوری یادگیری ماشینی می‌تواند کمک کند تا اطلاعاتی را که می‌توان از پایگاه‌های داده شیمیایی بزرگ برای طراحی داروهای جدید به دست آورد، مورد استفاده قرار دهیم و به این ترتیب، ما به طور بالقوه می‌توانیم زمان و هزینه‌های مرتبط با کشف داروهای جدید را کاهش دهیم.»

همکاران استرادا یک مدل رایانه‌ای را برای تولید ترکیباتی آموزش دادند که ممکن است گیرنده را با یک الگوریتم یادگیری تقویتی که به خواصی که برای درمان‌های دارویی مطلوب هستند، مسدود کند. آنها این کار را با ترکیب اطلاعات مربوط به گیرنده کاپا-افیونی و داروهای شناخته شده انجام دادند. این راهکار تا اینجا موفقیت‌آمیز بوده است. محققان تاکنون چند ترکیب را شناسایی کرده‌اند که ویژگی‌های امیدوارکننده‌ای دارند. پژوهشگران اکنون قصد دارند آن‌ها را ترکیب کنند و در نهایت در مدل‌های حیوانی به منظور مشاهده و تعیین ایمنی و اثربخشی آزمایش کنند. به گفته استرادا هدف نهایی، کمک به افرادی است که با اعتیاد دست و پنجه نرم می‌کنند.

حسن خاکبازان

انتهای پیام/۱۱۰/