طراحی ترکیب ایمنی‌درمانی سرطان کبد با کمک هوش مصنوعی

به گزارش سراج24؛ پژوهشگران مرکز سرطان کیمل دانشگاه جانز هاپکینز و دانشکده پزشکی این دانشگاه با بهره‌گیری از ابزارهای محاسباتی، روشی نوین برای پیش‌بینی اثربخشی ترکیب ایمنی‌درمانی و درمان هدفمند در بیماران مبتلا به کارسینوم هپاتوسلولار (HCC)، شایع‌ترین نوع سرطان اولیه کبد، توسعه داده‌اند.

این سامانه از یک پلتفرم مدل‌سازی موسوم به Spatial Quantitative Systems Pharmacology (Spatial QSP) استفاده می‌کند که دو فناوری را با یکدیگر ترکیب کرده است. نخست، مدل ریاضی «فارماکولوژی کمی سامانه‌ها» که واکنش کل بدن به درمان و روند رشد تومور را شبیه‌سازی می‌کند و دوم، یک مدل مبتنی بر عامل (Agent-Based Model) که رفتار تک‌تک سلول‌ها و نحوه تعامل آن‌ها در ریزمحیط تومور را دنبال می‌کند. حاصل این ترکیب، تصویری دقیق از تعداد، موقعیت و تعامل سلول‌های سرطانی و ایمنی در بافت تومور ارائه می‌دهد.

پژوهشگران در این مطالعه، مدل را به گونه‌ای توسعه دادند که سلول‌های فیبروبلاست ــ که نقش مهمی در مقاومت سرطان کبد به ایمنی‌درمانی دارند ــ نیز در آن شبیه‌سازی شوند. همچنین با استفاده از یادگیری ماشین، مدل بر اساس داده‌های واقعی کارآزمایی‌های بالینی تنظیم شد تا «بیماران مجازی» ایجاد شوند و پاسخ پیش‌بینی‌شده آن‌ها با نتایج واقعی مقایسه شود.

به گفته آتول دشپانده، استادیار انکولوژی دانشگاه جانز هاپکینز و نویسنده ارشد مطالعه، این مدل مانند یک «شبیه‌ساز جنگ» عمل می‌کند و به پژوهشگران اجازه می‌دهد معماری تومور و ریزمحیط آن را تغییر دهند و بررسی کنند که آیا این تغییرات به نفع سلول‌های سرطانی است یا سیستم ایمنی.

یکی از مهم‌ترین مزیت‌های این فناوری، امکان تولید جمعیت بزرگی از بیماران مجازی است. به عنوان نمونه، داده‌های یک مطالعه فاز اول با تنها ۱۵ بیمار می‌تواند به کمک این مدل به یک جمعیت مجازی هم‌اندازه با کارآزمایی فاز سوم تبدیل شود و عملکرد درمان در مقیاسی بسیار بزرگ‌تر، بدون صرف زمان و هزینه سنگین و بدون ایجاد خطر برای بیماران، ارزیابی شود.

پژوهشگران درمان با داروی هدفمند کابوزانتینیب و داروی ایمنی‌درمانی نیولوماب را به‌صورت جداگانه و ترکیبی در بیماران مجازی شبیه‌سازی کردند. نتایج پیش‌بینی‌شده این مدل با نتایج واقعی کارآزمایی‌های بالینی همخوانی بالایی داشت و نشان داد بیماران مجازی رفتار مشابه بیماران واقعی دارند.

بررسی‌ها همچنین نشان داد در بیمارانی که به درمان پاسخ نمی‌دهند، فیبروبلاست‌ها با ایجاد نوعی سد فیزیکی در اطراف تومور، مانع رسیدن سلول‌های ایمنی به سلول‌های سرطانی می‌شوند و در نتیجه محیطی سرکوب‌کننده برای سیستم ایمنی ایجاد می‌کنند.

به گفته محققان، از آنجا که این ویژگی‌های ساختاری تومور پیش از آغاز درمان نیز قابل مشاهده هستند، در آینده می‌توان از آن‌ها برای پیش‌بینی پاسخ بیماران به درمان و انتخاب مؤثرترین ترکیب دارویی استفاده کرد. البته پژوهشگران تأکید کرده‌اند این فناوری پیش از ورود به کاربردهای بالینی، نیازمند اعتبارسنجی بیشتر در مطالعات گسترده‌تر است.