تطوير ذكاء اصطناعي باستطاعته تطوير علاج للسرطان خلال 30 يوماً فقط

واكتشف الذكاء الاصطناعي مسارا علاجيا غير معروف سابقا وصمم “جزيئا جديدا ناجحا” يمكن أن يرتبط بهذا الهدف. والنظام، الذي يمكنه أيضا التنبؤ بمعدل البقاء على قيد الحياة، هو من اختراع علماء من جامعة كولومبيا البريطانية.

وأصبح الذكاء الاصطناعي سلاحا جديدا ضد الأمراض الفتاكة، حيث أن التكنولوجيا قادرة على تحليل كميات هائلة من البيانات، وكشف الأنماط والعلاقات، والتنبؤ بآثار العلاجات.

وقال اليكس زافورونكوف، المؤسس والرئيس التنفيذي لشركة Insilico Medicine في بيان: “بينما كان العالم مفتونا بالتطورات في مجال الذكاء الاصطناعي التوليدي في الفن واللغة، تمكنت خوارزميات الذكاء الاصطناعي التوليدية الخاصة بنا من تصميم مثبطات قوية لهدف بهيكل مشتق من AlphaFold”.

واستخدم الفريق AlphaFold، قاعدة بيانات بنية بروتينية مدعومة بالذكاء الاصطناعي (AI)، لتصميم وتوليف دواء محتمل لعلاج سرطان الخلايا الكبدية (HCC)، وهو النوع الأكثر شيوعا من سرطان الكبد الأولي.

وتم إنجاز هذا العمل الفذ في 30 يوما فقط من اختيار الهدف وبعد تصنيع سبعة مركبات فقط.

وفي جولة ثانية من التوليد المركب المدعوم بالذكاء الاصطناعي، اكتشف الباحثون جزيئا أكثر فاعلية على الرغم من أن أي دواء محتمل سيظل بحاجة إلى الخضوع لتجارب إكلينيكية.

وقال فينغ رين، كبير المسؤولين العلميين والرئيس التنفيذي المشارك لشركة Insilico Medicine: “شق AlphaFold أرضية علمية جديدة في التنبؤ بهيكل جميع البروتينات في جسم الإنسان. في Insilico Medicine، رأينا ذلك كفرصة لا تصدق لأخذ هذه الهياكل وتطبيقها على منصة الذكاء الاصطناعي الشاملة الخاصة بنا من أجل إنشاء علاجات جديدة لمعالجة الأمراض ذات الاحتياجات العالية غير الملباة. وهذه الورقة هي خطوة أولى مهمة في هذا الاتجاه”.

ويستخدم النظام المستخدم للتنبؤ بمتوسط العمر المتوقع معالجة اللغة الطبيعية (NLP) – فرع من الذكاء الاصطناعي يفهم لغة الإنسان المعقدة لتحليل ملاحظات أخصائي الأورام بعد زيارة الاستشارة الأولية للمريض.

وحدد النموذج الخصائص الفريدة لكل مريض، وتوقع بقاء ستة أشهر و36 شهرا و60 شهرا بدقة تزيد عن 80%.

وتحتوي الوثائق على العديد من التفاصيل مثل عمر المريض، ونوع السرطان، والظروف الصحية الأساسية، وتعاطي العقاقير في الماضي، وتاريخ العائلة.

ويجمع الذكاء الاصطناعي كل هذا لرسم صورة كاملة لنتائج المرضى.

تقليديا، تم حساب معدلات البقاء على قيد الحياة من السرطان بأثر رجعي وتصنيفها فقط من خلال عدد قليل من العوامل العامة، مثل موقع السرطان ونوع الأنسجة.

ومع ذلك، فإن النموذج قادر على التقاط أدلة فريدة في وثيقة الاستشارة الأولية للمريض لتقديم تقييم أكثر دقة