This post is also available in:
English (אנגלית)
מודל בינה מלאכותית חדש שפותח על ידי Google DeepMind ואוניברסיטת ייל מציג תוצאות מבטיחות בזיהוי שילובי תרופות שיכולים לשפר את יכולת מערכת החיסון להגיב לסוגים מסוימים של סרטן. הממצאים אומתו לאחרונה בניסויים על תאים אנושיים, ומדגישים כיצד בינה מלאכותית בהיקף גדול מסוגלת לחשוף מנגנונים ביולוגיים שאחרת היו עלולים להישאר נסתרים.
המערכת, הנקראת C2S-Scale 27B, היא מהמתקדמות ביותר שנבנו עד כה לצורך חקר התנהגות תאים. היא פותחה כדי לפרש כיצד תאים מגיבים בתנאים ביולוגיים מוגדרים, והופעלה כדי לזהות תרופות שיכולות לשפר את האיתותים החיסוניים — ובפרט, להעצים את תהליך הצגת האנטיגנים, שלב קריטי שמאפשר למערכת החיסון לזהות תאים סרטניים.
לשם כך, המודל ערך סימולציה של יותר מ-4,000 אינטראקציות בין תרופות, תוך שימוש בשיטה בשם סינון וירטואלי בהקשר כפול (dual-context virtual screening). שיטה זו אפשרה למערכת לזהות את השפעת התרופות לא רק באופן מבודד, אלא בתוך סביבות ביולוגיות רלוונטיות.
לפי דיווח של Interesting Engineering, אחת התגליות הבולטות ביותר הייתה זיהוי של תרופה בשם kinase CK2 inhibitor silmitasertib (CX-4945) כמשפרת פוטנציאלית של תגובה חיסונית — אך רק בשילוב עם מינונים נמוכים של אינטרפרון. כל אחת מהתרכובות בנפרד לא הראתה השפעה חזקה, אך יחד הן הגבירו משמעותית את הייצוג של האנטיגנים בתאים סרטניים, ובכך הפעילו תגובה חיסונית יעילה.
הממצאים אומתו בניסויים על מודלים של תאי נוירואנדוקרין, שהם תאים שלא נכללו בנתוני האימון של המערכת. שילוב התרופות הוביל לעלייה של 50% ברמות ייצוג האנטיגנים, מה שמעיד על אפשרות לטיפול חדשני בגידולים "קרים"; גידולים שבדרך כלל חומקים מזיהוי חיסוני ואינם מגיבים היטב לאימונותרפיה קיימת.
מעבר לתגלית הספציפית הזו, המודל איתר גם מספר מועמדים תרופתיים נוספים שלא היו מוכרים בעבר כמשפיעים על מערכת החיסון בטיפול בסרטן, מה שמעיד על פוטנציאל רחב יותר למחקר עתידי.
הפיתוח משקף מגמה הולכת וגוברת במחקר הביו-רפואי, שהוא שימוש בבינה מלאכותית לא רק לעיבוד מידע, אלא גם להפקת השערות הניתנות לבדיקה ניסויית, ובכך להאיץ את קצב החשיפה של מערכות ביולוגיות מורכבות.
הגילוי פורסם בבלוג הרשמי של גוגל.
