درمان بیماری با هوش مصنوعی! معجزه AI و درمان بیماران لاعلاج

درمان بیماری نادر با هوش مصنوعی و بازاستفاده از داروها

درمان بیماری با هوش مصنوعی یکی از امیدوارکننده‌ترین اخبار این روزها است. هوش مصنوعی (AI) در سال‌های اخیر به بخش جدایی‌ناپذیری از پیشرفت‌های پزشکی تبدیل شده است. الگوریتم‌های هوشمند اکنون قادرند حجم عظیمی از اطلاعات پزشکی را در زمانی کوتاه پردازش کند و الگوهایی بیابند که شاید از چشم متخصصان انسانی پنهان بماند.

هدفون جی بی ال مدل Tune 770NC

6,890,000 تومان مشاهده و خرید

این توانایی ویژه در دنیای بیماری‌های نادر اهمیت دوچندان دارد؛ جایی که به‌دلیل کمیاب بودن بیماران، تحقیقات سنتی دارویی کم‌تر انجام میشود. نتیجه آن شده که بیش از 90٪ بیماری‌های نادر درمان تاییدشده‌ای ندارند​. در چنین شرایطی، AI میتواند با رویکردهای نوآورانه جان بیماران را نجات دهد. یکی از بهترین نمونه‌ها، بازکاربرد دارویی (Drug Repurposing) است که در آن هوش مصنوعی برای یافتن کاربردهای جدید داروهای موجود به کار گرفته میشود​

ماجرای نجات یک بیمار توسط هوش مصنوعی

یک نمونه‌ی واقعی از قدرت AI در پزشکی، داستان بیماری به‌نام جوزف کوتس است. کوتس 37 ساله به یک اختلال خونی نادر به نام سندرم POEMS مبتلا بود که به تدریج ارگان‌های حیاتی بدنش را از کار انداخته بود. تنها درمان شناخته‌شده برای POEMS، پیوند سلول‌های بنیادی است، اما وضعیت جسمی کوتس آن‌قدر وخیم بود که دیگر قادر به انجام این پیوند نبود​.

پزشکان معالج در نهایت از درمان او قطع امید کردند و به او گفتند تنها تصمیم باقی‌مانده این است که انتخاب کند می‌خواهد لحظات پایانی عمرش را در خانه بگذراند یا در بیمارستان​. کوتس خود را تسلیم سرنوشت کرد و فکر می‌کرد پایان زندگی‌اش حتمی است​. اما در این میان نامزد کوتس، تارا ثیوبالد، تسلیم نشد.

او که نمیخواست شاهد از دست رفتن کوتس باشد، دست به دامان دکتری به‌نام دیوید فایگنباوم در فیلادلفیا شد که در یک همایش بیماری‌های نادر با او آشنا شده بودند​. دکتر فایگنباوم پس از بررسی شرایط کوتس، یک روش درمانی نامتعارف پیشنهاد داد که ترکیبی از شیمی درمانی، ایمونوتراپی و استروئیدها بود​. نکته جالب اینجاست که این درمان ابتکاری را خود دکتر ابداع نکرده بود، بلکه یک مدل هوش مصنوعی آن را پیشنهاد داده بود​.

در واقع AI با تحلیل تمامی داروهای موجود و اثرات آن‌ها، این ترکیب را به‌عنوان راهکاری بالقوه برای شرایط کوتس شناسایی کرد. خوشبختانه تیم پزشکی تصمیم گرفت این توصیه AI را به‌کار گیرد. ظرف چند هفته حال کوتس به درمان پاسخ داد و آن‌قدر بهبود یافت که توانست چهار ماه بعد پیوند سلول‌های بنیادی را با موفقیت انجام دهد​. اکنون، حدود یک سال پس از روزی که تصور میشد آخرین روزهای زندگی‌اش باشد، کوتس در وضعیت بهبودی و خاموشی بیماری به سر میبرد و این معجزه را مدیون هوش مصنوعی است​.

بازکاربرد دارویی چیست؟

بازکاربرد دارویی به زبان ساده یعنی پیدا کردن کاربردهای جدید برای داروهایی که قبلاً برای بیماری‌های دیگری تأیید شده‌اند​. بسیاری از داروها علاوه بر اثر اصلی، عوارض جانبی متعدد یا اثرات فرعی دارند. ایده اصلی این است که شاید یک عارضهٔ جانبی یک داروی موجود، همان اثر اصلی باشد که برای درمان یک بیماری نادر به آن نیاز داریم​.

برای مثال اگر دارویی برای فشار خون ساخته شده اما در برخی بیماران باعث تقویت سیستم ایمنی شده است، همین خاصیت میتواند راهگشای درمان یک بیماری نادر نقص ایمنی باشد. در گذشته، یافتن چنین سرنخ‌هایی کاملاً به شانس یا سال‌ها مطالعه پژوهشگران وابسته بود. هر پژوهشگر ممکن بود فقط بر یک بیماری یا تعداد محدودی دارو تمرکز کند؛ در حالی که هزاران مقاله و گزارش پزشکی وجود دارد که ارتباطات پنهانی میان داروها و بیماری‌های مختلف در آن‌ها نهفته است.

واضح است که بررسی همه این اطلاعات از عهده انسان خارج است و ممکن است بیماران فرصت کافی برای انتظار کشیدن نداشته باشید​. اینجاست که هوش مصنوعی وارد عمل میشود. AI با سرعتی بسیار بالا میتواند تمام داده‌های موجود (از مقالات پژوهشی گرفته تا گزارش‌های بالینی) را وجب‌به‌وجب جست‌وجو کند و الگوهایی بیابد که یک انسان در زمان کوتاه قادر به یافتنش نیست​. به بیان دیگر، هوش مصنوعی میتواند مانند یک محقق خستگی‌ناپذیر، داروهای موجود را غربال کند و مناسب‌ترین گزینه‌ها را برای آزمایش به پزشکان پیشنهاد دهد​.

دکتر دیوید فایگنباوم و Every Cure

ماجرای کوتس تنها یکی از نمونه‌های موفقیت‌آمیز این رویکرد است. پیش از او، خود دکتر دیوید فایگنباوم نیز تجربه‌ای شخصی از نجات با بازاستفاده از داروها داشت. فایگنباوم در دوران دانشجویی پزشکی به یک بیماری نادر و مرگبار به نام بیماری کَسلمن مبتلا شد که سیستم ایمنی بدن را به‌شدت درگیر میکند​. درمان‌های استاندارد روی او بی‌اثر بودند و وضعیتش رو به وخامت میرفت.

در کمال ناامیدی، او به بررسی تحقیقات موجود روی داروهای دیگر پرداخت و سرانجام به دارویی ژنریک به نام سیرولیموس رسید که معمولاً برای جلوگیری از پس‌زدن عضو پیوندی استفاده میشود. این دارو توانست جان او را نجات دهد​. همین تجربه الهام‌بخش فایگنباوم شد تا سازمان مردم‌نهادی به‌نام Every Cure را پایه‌گذاری کند که هدفش استفاده از قدرت هوش مصنوعی برای تسریع کشف درمان‌های پنهان در دل داروهای موجود است​.

Every Cure با بهره‌گیری از AI، پایگاه‌های داده عظیمی را ایجاد کرده که در آن 4000 داروی تأییدشده در برابر 18500 بیماری سنجیده میشوند و به هر ترکیب امتیاز احتمال اثربخشی اختصاص می‌یابد​. این رویکرد سیستماتیک، جست‌وجوی هوشمندانه‌ای را ممکن میسازد که فراتر از توانایی‌های فردی انسان است. تلاش‌های Every Cure و دیگر گروه‌های مشابه، حمایت نهادهای بزرگ را نیز جلب کرده است.

برای مثال، «پروژه Audacious» تد و آژانس تحقیقات پیشرفته سلامت ایالات متحده (ARPAH) مجموعاً بیش از صد میلیون دلار بودجه به این سازمان اختصاص داده‌اند​ تا توسعه یک پلتفرم متن‌باز جهانی برای این منظور و انجام کارآزمایی‌های بالینی داروهای بازاستفاده‌شده را پیش ببرند​. این سرمایه‌گذاری‌ها نشان میدهد که پتانسیل این روش چقدر بالاست؛ چنان‌که نیویورک‌تایمز گزارش داده است، کاربرد AI در بازاستفاده از داروها میتواند به صدها میلیون بیمار در سراسر جهان که از بیماری‌های نادر و سخت‌درمان رنج میبرند سود برساند​.

مزایای استفاده از هوش مصنوعی در درمان بیماری‌های نادر

هوش مصنوعی با سرعت و دقت خود، مرزهای جدیدی در کشف درمان بیماری‌های نادر گشوده است. در ادامه به برخی از مزایای کلیدی AI در مقایسه با روش‌های سنتی انسانی اشاره میکنیم:

مقایسه عملکرد هوش مصنوعی با روش‌های سنتی

• معیار هوش مصنوعی (AI) روش سنتی (انسانی)
• سرعت بررسی اطلاعات بسیار بالا – تحلیل میلیون‌ها داده در مدت کوتاه​
• سال‌ها مطالعه برای بررسی همین حجم اطلاعات
• دامنه جست‌وجو گسترده – بررسی هزاران دارو در برابر هزاران بیماری​
• محدودیت – تمرکز بر تعداد کمی دارو یا یک بیماری خاص
• پیشنهادهای نوآورانه زیاد – یافتن راه‌حل‌های غیرمنتظره بر پایه شواهد (مثلاً استنشاق الکل برای تهوع)​
• تکیه بر دانش و تجربیات شناخته‌شده‌ی قبلی
• نیاز به نیروی انسانی کم – خودکارسازی عمدهٔ کارها، پزشک فقط تصمیم نهایی را میگیرد​

پژوهشگران باید تمام مراحل را خود انجام دهند

همان‌طور که در جدول بالا مشاهده می‌کنید، AI میتواند در زمانی کوتاه منابع عظیمی را کاوش کرده و درمان‌های احتمالی را پیشنهاد دهد که شاید هرگز به ذهن پزشکان خطور نکند. نمونه استنشاق الکل برای درمان حالت تهوع مقاوم، که یک مدل AI برای بیماری غیرقابل‌درمان در آلاباما پیشنهاد کرد، نشان میدهد چگونه ماشین میتواند راه‌حل‌های خلاقانه‌ای از دل داده‌ها استخراج کند​.

این در حالی است که انسان‌ها عموماً به چارچوب دانشی محدود خود اتکا میکنند. البته نقش پزشکان همچنان حیاتی است؛ تصمیم‌گیری درباره استفاده از درمان پیشنهادی AI، بر عهده متخصصان است و AI صرفاً نقش دستیار تحلیلی را بازی میکند​.

مزیت مهم دیگر AI این است که میتواند به‌صورت همزمان روی صدها بیماری نادر کار کند، در حالی که تحقیقات سنتی معمولاً یکی یکی پیش می‌روند. این مقیاس‌پذیری به‌ویژه برای بیماران نادر که زمان برایشان حیاتی است، یک موهبت به شمار می‌آید.

چالش‌ها و محدودیت‌های این رویکرد

در کنار مزایا، به‌کارگیری هوش مصنوعی در بازاستفاده از داروها با چالش‌هایی نیز روبه‌رو است. نخست اینکه بسیاری از درمان‌های کشف‌شده به این روش متکی بر داروهای ژنریک و ارزان‌قیمت هستند که از نظر تجاری سودآور نیستند​. شرکت‌های داروسازی معمولاً تمایل چندانی به سرمایه‌گذاری پرهزینه روی دارویی که حق اختراع جدیدی ندارد نشان نمیدهند، چرا که «توسعه یک داروی نو برای تعداد کمی بیمار معمولاً سود مالی کافی به همراه ندارد»​.

به قول دکتر فایگنباوم: «اگر با AI کاربرد تازه‌ای برای یک داروی قدیمی و ارزان پیدا کنید، هیچ‌کس از آن پولی به دست نمی‌آورد»​. این واقعیت بدان معناست که تأمین بودجه مطالعات بالینی جهت آزمودن پیشنهادات AI دشوارتر خواهد بود و نیاز به حمایت دولت‌ها و نهادهای خیریه دارد. چالش دیگر، صحت و ایمنی پیشنهادات AI است.

هر چند این مدل‌ها بر اساس داده‌های موجود پیشنهاد می‌دهند، اما باز هم ممکن است برخی راهکارهای ارائه‌شده اثربخش نباشند یا عوارض پیش‌بینی‌نشده‌ای داشته باشید. به همین دلیل، عبور از فیلتر کارآزمایی بالینی و تأیید نهایی توسط مراجع علمی و قانونی الزامی است. خوشبختانه در ماجرای کوتس، پزشکان با دقت این مسیر را طی کردند و نتیجهٔ موفقیت‌آمیزی به‌دست آمد​.

اما این موضوع یادآور میشود که AI قرار نیست جایگزین دانش پزشکی شود، بلکه ابزاری قدرتمند در دستان پزشکان است.

کلام آخر

هوش مصنوعی در پزشکی نویدبخش فصل جدیدی است که در آن حتی بیماران مبتلا به نادرترین بیماری‌ها نیز کورسویی از امید خواهند داشت. روش بازاستفاده از داروها که به کمک AI انجام میشود، نشان داد چگونه میتوان از دل داشته‌های فعلی پزشکی، درمان‌های تازه‌ای بیرون کشید و جان افرادی را نجات داد که زمانی غیرقابل درمان قلمداد میشدند​.

هدفون جی بی ال مدل Tune 670NC

مشاهده و خرید

هرچند چالش‌هایی در مسیر گسترش این رویکرد وجود دارد، تأثیرات آن غیرقابل انکار است؛ همان‌گونه که یکی از بنیان‌گذاران Every Cure اشاره میکند، این نمونه‌ای از هوش مصنوعی است که نیازی نیست از آن بترسیم، بلکه باید به آن امید داشته باشیم، چرا که «کمک‌های بزرگی به افراد زیادی خواهد کرد»​. داستان کوتس و تلاش‌های افرادی مانند دکتر فایگنباوم گواهی است بر قدرت تحول‌آفرین AI در پزشکی. با تداوم پیشرفت الگوریتم‌ها و حمایت سازمان‌ها، شاید در آینده‌ای نه چندان دور هیچ بیماری نادری بدون درمان مؤثر باقی نماند.