تیمی از ۳۷ هزار ایجنت هوش مصنوعی، هدف درمانی امیدوارکننده‌ای برای سرطان ریه کشف کردند

یک سیستم هوش مصنوعی با ۳۷ هزار ایجنت، ۵۵٬۹۸۴ کارآزمایی بالینی را تحلیل کرد تا از CD276 به عنوان یک هدف درمانی برای سرطان ریه پشتیبانی کند، هرچند این روند به آزمایش‌های آزمایشگاهی یا انسانی ختم نشد.

تقریباً ۳۷ هزار ایجنت هوش مصنوعی که مانند یک شرکت زیست‌دارویی سازمان‌دهی شده بودند، یک استراتژی درمانی پیشنهاد دادند که انسان‌ها هنوز باید آن را آزمایش کنند.

اهمیت این تمایز بیش از چیزی است که به نظر می‌رسد. هدف پیشنهادی این سیستم، یعنی CD276، بعدها زمانی که شرکت‌های مرک (Merck) و دایچی سانکیو (Daiichi Sankyo) رویکردی تقریباً مشابه را برای سرطان ریه سلول کوچک گسترده دنبال کردند، موفق به دریافت تاییدیه «درمان خط‌شکن» از سازمان غذا و داروی آمریکا (FDA) شد. این نزدیک‌ترین تایید مستقلی است که یک فرضیه محاسباتی می‌تواند بدون ورود به آزمایشگاه دریافت کند.

بیوتک مجازی دقیقا چه کاری انجام داد؟

این سیستم یک چارت سازمانی شرکتی را شبیه‌سازی می‌کند که کاملاً از نرم‌افزار ساخته شده است و در آن هزاران ایجنت تخصصی توسط یک هوش مصنوعی «دانشمند ارشد» در راس هرم هماهنگ می‌شوند.

این معماری را مانند یک چارت سازمانی شرکتی در نظر بگیرید که تماماً نرم‌افزاری است. ایجنت‌های سطح پایین، نقاط پایانی را از گزارش‌های کارآزمایی بالینی استخراج کرده و داده‌های ژنومی را استانداردسازی کردند.

ایجنت‌های سطح میانی، این خروجی‌ها را به پروفایل‌های هدف یکپارچه ترکیب کردند. در راس هرم، هماهنگ‌کننده‌های «دانشمند ارشد» تصمیم گرفتند کدام فرضیه‌ها را دنبال کنند و تحلیل‌های جدیدی را به ایجنت‌های پایین‌رده سفارش دادند.

این ساختار با پردازش ۵۵٬۹۸۴ کارآزمایی بالینی، گزارش‌های ناهمگون را به شواهد ساختاریافته و قابل جستجو تبدیل کرد. این سیستم سپس داده‌های ژنتیک آماری، داده‌های تک‌سلولی، اومیکس فضایی (spatial omics) و مجموعه داده‌های بالینی-ژنومی را یکپارچه کرد. این شواهد چندوجهی برای ارزیابی CD276، که با نام B7-H3 نیز شناخته می‌شود، به عنوان یک هدف درمانی سرطان ریه مورد استفاده قرار گرفت.

بر اساس مقاله پیش‌چاپ این بیوتک مجازی که در سپتامبر ۲۰۲۶ منتشر شده است، این ایجنت‌ها «B7-H3 را به عنوان یک هدف درمانی برای سرطان ریه ارزیابی کرده و با یکپارچه‌سازی شواهد ژنتیک آماری، تک‌سلولی، فضایی و بالینی-ژنومی، یک استراتژی مبتنی بر ترکیب آنتی‌بادی-دارو پیشنهاد دادند.»

متاآنالیز پشت این پیشنهاد از اهمیت بالایی برخوردار است. بر اساس همین مقاله، داروهایی که ژن‌های خاص انواع سلول (مانند CD276 در سلول‌های تومور) را هدف قرار می‌دهند، ۴۰ درصد احتمال بیشتری برای عبور از فاز ۱ به فاز ۲ کارآزمایی دارند، ۴۸ درصد احتمال بیشتری برای رسیدن به بازار دارند و ۳۲ درصد عوارض جانبی کمتری نسبت به اهداف غیر اختصاصی نشان می‌دهند.

کشف یا استراتژی؟ چرا این تمایز اهمیت دارد؟

هوش مصنوعی پیشنهاد داد که هدف‌گیری باید کجا انجام شود؛ هیچ مولکول جدیدی طراحی، سنتز یا از نظر بالینی آزمایش نکرد.

این هوش مصنوعی مولکول جدیدی سنتز نکرد. هیچ آزمایشی در آزمایشگاه انجام نداد و کارآزمایی بالینی را آغاز نکرد.

سازمان سرطان ریه اروپا (Lung Cancer Europe) نیز آنچه را که خود مقاله پیش‌چاپ به وضوح بیان می‌کند، تایید کرد: این سیستم CD276 را کشف نکرده است و در نتیجه مستقیم این کار، هیچ درمانی روی انسان آزمایش نشده است. نویسندگان مقاله سهم خود را به سادگی بیان می‌کنند: «سیستم‌های چند-ایجنتی با هدایت انسان می‌توانند تحلیل‌های شفاف و چندمقیاسی را برای کمک به تصمیم‌گیری‌های توسعه دارو انجام دهند.»

این چارچوب، بیوتک مجازی را در مسیر خاصی از کشف داروی مبتنی بر هوش مصنوعی قرار می‌دهد؛ مسیری که به جای طراحی مولکولی، بر یکپارچه‌سازی شواهد و توصیه استراتژی متمرکز است. این موضوع را با داروی رنتوسرتیب (rentosertib) متعلق به شرکت اینسیلیکو مدیسین (Insilico Medicine) مقایسه کنید؛ مولکولی که توسط هوش مصنوعی طراحی شده و پروتئین جدیدی به نام TNIK را برای درمان فیبروز ریوی ایدیوپاتیک هدف قرار می‌دهد.

آن برنامه از هدف شناسایی‌شده توسط هوش مصنوعی به نتایج فاز ۲آ (Phase IIa) کارآزمایی رسید. در مجله نیچر مدیسین (Nature Medicine) در ژوئن ۲۰۲۵، ۷۱ بیمار بهبود ۹۸.۴ میلی‌لیتری در عملکرد ریه نشان دادند.

تا اواسط سال ۲۰۲۶، شرکت اینسیلیکو کارآزمایی فاز ۳ را آغاز کرده بود. این نمایی از یک داروی طراحی‌شده توسط هوش مصنوعی است که مراحل اعتبارسنجی بالینی را طی می‌کند.

بیوتک مجازی یک قابلیت متفاوت اما مکمل را ارائه می‌دهد: سیستمی که کل چشم‌انداز کارآزمایی‌های بالینی را می‌خواند و به شما می‌گوید هدف کجاست، نه اینکه چه مولکولی باید شلیک شود. همگرایی این رویکرد با برنامه دارویی شرکت‌های مرک و دایچی سانکیو برای CD276، که موفق به دریافت تاییدیه درمان خط‌شکن و بررسی اولویت‌دار از FDA شد، نشان می‌دهد که استدلال این هوش مصنوعی کاملاً منطقی بوده است.

اینکه آیا شرکت‌های داروسازی به تدریج به دانشمندان ارشد الگوریتمی برای تعیین برنامه‌های تحقیقاتی در مقیاس وسیع اعتماد خواهند کرد، سوالی است که نسل بعدی این سیستم‌ها باید به آن پاسخ دهند.