هوش مصنوعی بار دیگر وارد میدان درمان سرطان شده است؛ این بار نه برای تشخیص بیماری، بلکه برای درک دقیق‌تر آنچه در دل یک تومور می‌گذرد. پژوهشگران با بهره‌گیری از یک مدل بنیادی جدید، قصد دارند داده‌های پیچیده بافت تومور را به اطلاعاتی قابل‌استفاده برای پزشکان و بیماران تبدیل کنند.

تومور؛ چیزی فراتر از سلول‌های سرطانی

یک تومور تنها مجموعه‌ای از سلول‌های سرطانی نیست. سلول‌های ایمنی، رگ‌های خونی و بافت‌های اطراف نیز در آن حضور دارند و همگی بر شیوه رشد سرطان و پاسخ آن به درمان اثر می‌گذارند. به همین دلیل است که دو تومور با سلول‌های یکسان می‌توانند به یک درمان واحد واکنش‌های کاملاً متفاوتی نشان دهند؛ تفاوتی که ریشه در جزئیات مولکولی ساختار هر تومور دارد.

فناوری «پروتئومیکس فضایی» می‌تواند این ساختار پیچیده را با دقت مولکولی ثبت کند، اما داده‌های حاصل، متغیرهای فراوانی دارند و تفسیر و مقایسه آن‌ها در مطالعات مختلف دشوار است. همین چالش، پژوهشگران را به سمت بهره‌گیری از هوش مصنوعی سوق داده است.

مدل بنیادی «بافت‌های مجازی»

شارلوت بان از دانشکده علوم ارتباطات و رایانه EPFL مدلی را با نام «بافت‌های مجازی» (VirTues) توسعه داده است؛ مدلی بنیادی که برای زیست‌شناسی بافت طراحی شده است. این مدل از داده‌های پروتئومیکس فضایی گردآوری‌شده در پژوهش‌های گوناگون و انواع مختلف سرطان یاد می‌گیرد و می‌توان آن را برای بررسی‌های زیست‌شناختی در مقیاس‌های متفاوت به کار گرفت؛ از سلول‌های منفرد گرفته تا بخشی از بافت و حتی پیامدهای بالینی برای بیمار.

بان درباره ضرورت این پژوهش می‌گوید: «باید بدانیم کدام سلول‌ها نقش دارند و همچنین در کجا قرار گرفته‌اند و چگونه با یکدیگر تعامل می‌کنند. پاسخ به این پرسش‌ها برای بسیاری از بیماران، افزون بر یک چالش محاسباتی، یک مسئله زیست‌شناختی نیز به شمار می‌رود.»

از آزمایشگاه تا بالین بیمار

آندرئاس ویکی، از پژوهشگران این پروژه، به رشد چشمگیر داده‌های تولیدشده از تحلیل بافت در سال‌های اخیر اشاره می‌کند و می‌گوید: «مدل‌سازی محاسباتی ابزاری کلیدی برای تبدیل این فناوری به چیزی است که بتوان در محیط بالینی برای بیماران به کار گرفت.»

یکی از ویژگی‌های مهم VirTues این است که می‌توان آن را روی پروتئین‌های مختلف در پژوهش‌های متعدد، انواع سرطان و پنل‌های گوناگون به کار برد. هر نمونه بافت تازه‌ای را می‌توان در همین چارچوب با داده‌های پیشین مقایسه و تحلیل کرد؛ هر پژوهش جدید نیز بر پایه آموخته‌های مدل بنا می‌شود و دامنه دانش آن را گسترش می‌دهد.

تفاوت این مدل با ابزارهای پیشین در رویکرد آن است. بیشتر مدل‌های محاسباتی پیشرفته برای انجام یک وظیفه مشخص در هر زمان طراحی شده‌اند، اما VirTues از منطق مدل‌های بنیادی که در حوزه زبان طبیعی به کار می‌روند پیروی می‌کند. این مدل به‌جای آموزش برای یک وظیفه از پیش تعیین‌شده، به‌صورت گسترده آموزش می‌بیند و به‌جای یادگیری رابطه میان واژه‌ها، رابطه میان پروتئین‌ها، سلول‌ها و جایگاه فضایی آن‌ها را یاد می‌گیرد.

نتیجه این رویکرد، ایجاد یک بازنمایی مشترک از بافت تومور است که می‌توان از آن برای انجام تحلیل‌های گوناگون استفاده کرد. به این ترتیب، داده‌های بافتی که پیش از این پاسخ‌گویی به پرسش‌های متعدد زیست‌شناختی و بالینی با آن‌ها دشوار بود، حالا می‌توانند به ابزاری عملی برای شخصی‌سازی درمان سرطان و بهبود مراقبت از بیماران تبدیل شوند.