یادگیری ماشینی کارآیی ایمنی‌درمانی سرطان را پیش‌بینی می‌کند

پژوهشگران کره جنوبی، یک مدل یادگیری ماشینی را به‌کار گرفته‌اند تا با کمک آن، کارآیی ایمنی‌درمانی را در بیماران مبتلا به سرطان پیش‌بینی کنند.

به گزارش هفت‌گرد و به نقل از وب‌سایت رسمی دانشگاه علم و فناوری پوهانگ (POSTECH)، ایمنی‌درمانی یک روش درمانی برای سرطان است که سیستم ایمنی بدن را برای مبارزه با سلول‌های سرطانی، بدون استفاده از شیمی‌درمانی یا پرتودرمانی فعال می‌کند. این روش، عوارض جانبی کمتری نسبت به داروهای متداول ضد سرطان دارد زیرا تنها با استفاده از سیستم ایمنی بدن، به سلول‌های سرطانی حمله می‌کند. علاوه بر این، به دلیل استفاده از حافظه و سازگاری سیستم ایمنی، بیمارانی که از اثرات درمانی این روش بهره‌مند شده‌اند، اثرات ضد سرطان پایداری را تجربه می‌کنند.

یک مهارکننده وارسی ایمنی (immune checkpoint inhibitor) که اخیرا ساخته شده است، موفق شده تا میزان بقای بیماران مبتلا به سرطان را به میزان قابل توجهی بهبود ببخشد. با وجود این، مشکل ایمنی‌درمانی سرطان این است که تنها حدود ۳۰ درصد از بیماران مبتلا به سرطان از اثر درمانی آن بهره‌مند می‌شوند و روش‌های تشخیصی کنونی، واکنش بیمار نسبت به درمان را به‌طور دقیق پیش‌بینی نمی‌کنند.

پروفسور “سانگوک کیم”(Sanguk Kim)، پژوهشگر دانشگاه علم و فناوری پوهانگ و گروهش، بر این موضوع تمرکز کرده‌اند و دقت پیش‌بینی واکنش بیمار نسبت به مهارکننده‌های وارسی ایمنی را با استفاده از یادگیری ماشینی مبتنی بر شبکه بهبود بخشیده‌اند.

این گروه پژوهشی با تجزیه و تحلیل نتایج بالینی بیش از ۷۰۰ بیمار مبتلا به سه سرطان مختلف شامل ملانوما، سرطان معده و سرطان مثانه و همچنین، داده‌های به دست آمده از بافت‌های سرطانی بیماران، نشانگرهای زیستی جدیدی را کشف کردند.

پژوهشگران با استفاده از نشانگرهای زیستی مبتنی بر شبکه، هوش مصنوعی را با موفقیت توسعه دادند تا بتواند واکنش به درمان ضد سرطان را پیش‌بینی کند. همچنین، آنها ثابت کردند پیش‌بینی پاسخ درمانی براساس نشانگرهای زیستی تازه کشف‌شده، بر نشانگرهای زیستی درمان‌های مرسوم ضد سرطان برتری دارد.

این گروه پژوهشی در پروژه پیشین خود، نوعی یادگیری ماشینی را توسعه داده بودند که می‌توانست پاسخ دارویی به شیمی‌درمانی را در بیماران مبتلا به سرطان معده یا مثانه پیش‌بینی کند. این پژوهش نشان داده است که هوش مصنوعی با استفاده از فعل و انفعالات بین ژن‌ها در یک شبکه بیولوژیکی می‌تواند پاسخ بیمار را نه تنها به شیمی‌درمانی، بلکه نسبت به ایمنی‌درمانی در انواع مختلف سرطان با موفقیت پیش‌بینی کند.

این پژوهش به شناسایی بیمارانی کمک می‌کند که از پیش به ایمنی‌درمانی پاسخ داده‌اند. همچنین این پژوهش، به ایجاد طرح‌های درمانی و پزشکی دقیق سفارشی‌سازی‌شده کمک می‌کند تا بیماران بیشتری از درمان‌های سرطان بهره‌مند شوند.

این پژوهش، در مجله “Nature Communications” به چاپ رسید.