ابداع فناوری یادگیری عمیق برای کمک به شخصی‌سازی درمان سرطان
گروهی از مهندسان و محققان حوزه سرطان در دانشگاه «جانز هاپکینز» یک فناوری یادگیری عمیق ابداع کرده‌اند که قادر به پیش‌بینی صحیح اجزای پروتئینی مرتبط با سرطان است و می‌تواند واکنش سیستم ایمنی را برانگیزد.
به گزارش ایرنا از «سای تک دیلی»، چنانچه این فناوری در آزمایش های بالینی موفقیت آمیز باشد، می‌تواند یک چالش مهم در ایجاد واکسن‌ها و درمان‌های ایمنی شخصی سازی شده را از سر راه بردارد. این محققان نشان دادند که این شیوه یادگیری عمیق موسوم به «بیگ ام اچ سی» (BigMHC) می تواند اجزای پروتئین روی سلول‌های سرطانی منجر به پاسخ سیستم ایمنی برای کشتن سلول‌های سرطانی را شناسایی کند. این یک گام ضروری برای شناخت پاسخ به ایمنی درمانی (ایمونوتراپی) و ایجاد درمان های شخصی سازی شده برای سرطان است.
«راچل کارچین» استاد مهندسی بیومدیکال، آنکولوژی و علوم رایانه گفت: ایمنی درمانی سرطان به این منظور طراحی می شود که سیستم ایمنی بدن بیمار را برای نابود کردن سلول های سرطان برانگیزد. یک گام مهم در این فرایند، شناسایی سلول های سرطانی توسط سیستم ایمنی از طریق پیوند سلول «تی» با اجزای پروتئینی خاص سرطان روی سطح سلول است.
اجزای پروتئین سرطان که موجب این واکنش سیستم ایمنی می شوند، ممکن است ناشی از تغییراتی در ترکیب ژنتیکی سلول های سرطانی موسوم به «نئوآنتی‌ژن‌های مرتبط با جهش» باشند. تومور هر بیمار مجموعه منحصر به فردی از این نئوآنتی‌ژن‌ها را دارد که ویژگی های تومور را برای آن شخص تعیین می کند.
دانشمندان از طریق آنالیز ژنوم سرطان می توانند مشخص کنند که تومور هر بیمار کدام نئوآنتی‌ژن‌های مرتبط با سرطان را دارد. مشخص کردن آنهایی که بیشتر احتمال دارد برانگیزاننده واکنش سیستم ایمنی برای نابود کردن تومور باشند، می تواند دانشمندان را قادر سازد که واکسن های شخصی‌سازی‌شده یا ایمنی درمانی بهینه سازی شده برای هر بیمار را ایجاد کنند.
شیوه های قبلی برای شناسایی نئوآنتی‌ژن‌های برانگیزاننده سیستم ایمنی وقت گیر بوده و مستلزم کار آزمایشگاهی زیادی است. اما محققان برای حل این مشکل مجموعه ای از شبکه های عصبی عمیق موسوم به bigMHC را در دو مرحله آموزش دادند. محققان سپس این سیستم را با داده هایی مورد آزمایش قرار داده و مشاهده کردند که این سیستم یادگیری عمیق عملکرد بسیار بهتری نسبت به هفت شیوه دیگر در این زمینه دارد.
این تیم از محققان هم اکنون در حال توسعه تلاش های خود برای آزمایش این سیستم در آزمایش های بالینی است تا مشخص کنند که آیا این سیستم می تواند به دانشمندان برای شناسایی نئوآنتی‌ژن‌هایی با بیشترین احتمال برانگیختن واکنش سیستم ایمنی از میان صدها هزار نئوآنتی‌ژن یاری برساند یا نه.
این محققان بر این باورند که bigMHC و ابزارهای بر پایه یادگیری ماشینی مانند آن می توانند به محققان حوزه سرطان برای ایجاد رویکردهای شخصی تر جهت درمان سرطان یاری برسانند.
