یک مدل یادگیری ماشین که در فنلاند ساخته شدهاست میتواند به ما کمک کند تا به طور موثر سرطان را درمان کنیم. هنگامی که پزشکان بیماران مبتلا به سرطانهای پیشرفته را درمان میکنند، معمولاً لازم است از ترکیبی از روشهای درمانی مختلف استفاده کنند. علاوه بر جراحی سرطان، بیماران معمولا با پرتودرمانی و دارو و یا ترکیبی از هر دو تحت درمان قرار میگیرند.
درمان سرطان ترکیبی از داروهای مختلف است که بر روی سلولهای مختلف سرطانی تأثیر میگذارد. درمانهای دارویی ترکیبی معمولا اثربخشی درمان را بهبود میبخشند و در صورت کاهش دوز داروها به صورت جداگانه میتوان عوارض جانبی را کاهش داد. با این حال، آزمایشهای غربالگری ترکیبات دارویی بسیار کند و هزینهبر است و در نتیجه مزایای کامل درمانهای ترکیبی اغلب کشف نمیشوند. با کمک روش جدید یادگیری ماشین ، میتوان بهترین ترکیبات را برای از بین بردن انتخابی سلولهای سرطانی با آرایش ژنتیکی یا عملکردی خاص شناسایی کرد.
محققان دانشگاه آلتو، دانشگاه هلسینکی و دانشگاه تورکو در فنلاند یک مدل یادگیری ماشین توسعه دادند که به طور دقیق اینکه چگونه ترکیبات داروهای سرطانی مختلف، انواع سلولهای سرطانی را از بین میبرند را پیش بینی میکند. مدل جدید هوش مصنوعی با مجموعه زیادی از دادههای به دست آمده از مطالعات پیشین، که ارتباط بین داروها و سلولهای سرطانی را بررسی کردهبودند ، آموزش دیدهاست. پروفسور Juho Rousu از دانشگاه آلتو میگوید: ”مدلی که توسط دستگاه آموخته شده در واقع یک تابع چندجملهای است که در ریاضیات مدرسه با آن آشنا شدهاید، اما بسیار پیچیده است.”
نتایج تحقیق در مجله Nature Communications منتشر شد. این نتایج نشان میدهد که این مدل، ارتباط بین داروها و سلولهای سرطانی که قبلا مشاهده نشده بودند را پیدا کردهاست. پروفسور روسو میگوید: ”این مدل نتایج بسیار دقیقی را ارائه میدهد. به عنوان مثال، مقادیر ضریب همبستگی در آزمایشات ما بیش از 9/0 بود که حاکی از قابلیت اطمینان بالای این روش است”. در اندازهگیریهای تجربی، ضریب همبستگی 8/0 تا 9/0 قابل اعتماد در نظر گرفته میشود.
این مدل به طور دقیق پیشبینی میکند که چگونه یک ترکیب دارویی بهطور انتخابی سلولهای خاص سرطانی را مهار میکند در حالی که اثر این داروی ترکیبی بر روی آن نوع سرطان قبلا آزمایش نشدهاست. محقق Tero Aittokallio از موسسه پزشکی مولکولی فنلاند (FIMM) در دانشگاه هلسینکی میگوید: ”این روش به محققان در زمینه سرطان کمک خواهد کرد که انتخاب داروی ترکیبی برای انجام تحقیقات بیشتر را اولویتبندی کنند.”
این روش یادگیری ماشین را میتوان برای بیماریهای غیر سرطانی نیز استفاده کرد. در این حالت باید به مدل دوباره با دادههای مربوط به آن بیماری آموزش دادهشود. به عنوان مثال، میتوان از این مدل برای بررسی چگونگی تأثیر ترکیبات مختلف آنتیبیوتیک بر عفونتهای باکتریایی استفاده کرد. همچنین این روش در تشخیص چگونگی از بین رفتن سلولهایی که توسط ویروس کرونا آلوده شدهاند با داروهای ترکیبی، سودمند است.