هوش مصنوعی در درمان سویه‌های جدید کرونا به‌کار می‌رود

سویه‌های جدید کرونا با کمک جهش‌های ویروسی به‌وجود می‌آیند و اکنون هوش مصنوعی در درمان آن‌ها کمک می‌کند. پژوهشگران دانشگاه ETH زوریخ با کمک هوش مصنوعی در درمان، به‌روشی دست ‌یافته‌اند که تغییرات احتمالی سویه‌های جدید کرونا را بررسی می‌کند. با تکیه بر این روش، می‌توان آنتی‌بادی‌ها و واکسن‌هایی ساخت که در مقابله با سویه‌های جدید کرونا و ویروس‌های جهش یافته، مؤثرتر واقع می‌شوند.

ویروس SARS-CoV-2 پیوسته در حال جهش و تغییر است و هر یک از سویه‌های جدیدش، با شیوه‌ای متفاوت مردم را غافلگیر می‌کنند. برای مثال، می‌توان به سویه اومیکرون اشاره کرد که نوامبر (آبان‌ماه) سال گذشته شیوع پیدا کرد و مسئولین را واداشت تا به سرعت، راهبردی با کمک هوش مصنوعی در درمان آن دریابند. با این حال، در ابتدای شیوع این سویه‌های جدید کرونا، پاسخ بسیاری از پرسش‌های اساسی نامشخص بود؛ برای مثال، افرادی که واکسینه شده‌اند یا قبلاً به کرونا مبتلا شده‌اند، تا چه‌میزان در مقابل این سویه مقاومت دارند؟ و آیا درمان‌های آنتی‌بادی را برای این سویه هم می‌توان به‌کار برد؟

گروه پژوهشی دانشگاه ETH زوریخ، به سرپرستی سای ردی، از دانشکده مهندسی و علوم بیوسیستم‌ها، دریافته‌اند که با استفاده از هوش مصنوعی در درمان کرونا، می‌توان پاسخ این پرسش‌ها را بلافاصله پس‌از پیدایش سویه‌های جدید کرونا، پیدا کرد.

راه درمان کرونا و سویه‌های جدید آن با کمک هوش مصنوعی

پیدا کردن روشی قطعی برای درمان کرونا، بسیار سخت است. از آن‌جایی که ویروس کووید به صورت تصادفی جهش می‌یابد، نمی‌توان با اطمینان گفت که در ماه‌ها یا سال‌های آینده، چه تغییراتی می‌کند و چه سویه‌هایی از آن به‌وجود می‌آید. روی کاغذ، جهش ویروس هیچ محدودیتی ندارد؛ این نکته حتی با در نظر گرفتن تنها یک قسمت از ویروس، یعنی پروتئین اسپایک، نیز صدق می‌کند؛ در همین بخش از ویروس، ده‌ها میلیارد جهش بالقوه می‌تواند رخ دهد که این حتی با وجود روش‌های قبلی هوش مصنوعی در درمان کرونا هم ناممکن بود.

به‌همین‌دلیل، روشِ جدید هوش مصنوعی در درمان کرونا، با پیروی از رویکردی جامع، پیش‌بینی می‌کند که آیا هریک از این میلیاردها سویه بالقوه، قادر به درگیرکردن سلول‌های بدن انسان هستند و آیا می‌توان به‌کمک آنتی‌بادی‌های سیستم ایمنی، افرادی که واکسینه شده‌اند و قبلاً به کرونا مبتلا شده‌اند، آن‌ها را در برابر سویه‌های جدید کرونا بی‌اثر کرد یا خیر. از طرفی، یکی از این سویه‌های بالقوه همان سویه‌ای خواهد بود که موج بعدی همه‌گیری را آغاز می‌کند.

ردی و همکارانش، برای دستیابی به این روشِ درمان کرونا، آزمایش‌هایی انجام دادند، تا مجموعه‌ای بزرگ از سویه‌های جهش‌یافته پروتئین اسپایک ویروس SARS-CoV-2 را تولید کنند. پژوهشگران با ویروس زنده سروکار نداشتند، بلکه تنها بخشی از پروتئین اسپایک را تولید کردند؛ به‌همین‌دلیل، خطر نشت آزمایشگاهی وجود نداشت، ولی به هوش مصنوعی در درمان کمک می‌کرد.

پروتئین اسپایک با پروتئین ACE2 «که روی سلول‌های بدن انسان قرار دارد»، درگیر می‌شود و منجر به بیماری می‌گردد. آنتی‌بادی‌های به‌دست‌آمده از واکسیناسیون، بیماری قبلی و یا درمان کرونای مبتنی بر آنتی‌بادی، جلوی این مکانیزم را می‌گیرند. بسیاری از جهش‌های ویروس در این ناحیه رخ می‌دهند؛ به‌همین‌دلیل است که ویروس همچنان می‌تواند وارد بدن شده و سیستم ایمنی را شکست دهد.

مجموعه سویه‌های جهش‌یافته‌ای که پژوهشگران هوش مصنوعی در درمان کرونا تحلیل کردند، تنها بخش کوچکی از میلیاردها سویه احتمالی را در برمی‌گیرد؛ اما همین بخش کوچک شامل یک میلیون سویه است و هریک از این سویه‌ها به‌شیوه‌ای منحصربه‌فرد جهش ‌یافته‌اند.

پژوهشگران توانستند با اجرای آزمایشات ظرفیت‌بالا و توالی‌یابی DNA این یک میلیون سویه، شیوه تعامل‌شان با پروتئین ACE2 و درمان‌های آنتی‌بادی موجود را دریابند. نتایج هوش مصنوعی در درمان کرونا، نشان می‌دهند که این سویه‌ها چطور می‌توانند سلول‌های انسانی را درگیر و از آنتی‌بادی‌ها فرار کنند.

ردی می‌گوید: «یادگیری ماشینی به ساخت داروهای آنتی‌بادی کمک می‌کند، چون به پژوهشگران اجازه می‌دهد آنتی‌بادی‌هایی را شناسایی کنند که احتمال موفقیت‌شان در مقابل سویه‌های فعلی و آینده بالاست.»

پژوهشگران با تکیه بر داده‌های جمع‌آوری‌شده، مدل‌های یادگیری ماشینی را آموزش دادند، تا الگوهای پیچیده درمان کرونا را تشخیص دهند. مدل‌ها تنها بر اساس توالی DNA یک سویه جدید، می‌توانند به‌درستی پیش‌بینی کنند که آیا پروتئین اسپایکش با پروتئین ACE2 درگیر می‌شود و از آنتی‌بادی‌ها فرار می‌کند یا خیر. مدل‌های نهایی را اکنون می‌توان برای پیش‌بینی میلیاردها سویه بالقوه به‌کار برد و از هوش مصنوعی در درمان کرونا استفاده کرد.

درمان جدید برای نسل‌های آینده کرونا

این روش هوش مصنوعی در درمان جدید به پیشرفت نسل آینده درمان‌های آنتی‌بادی کمک می‌کند. برخی از داروهای آنتی‌بادی برای درمان ویروس اولیه SARS-CoV-2، در ایالات متحده و اروپا به کار می‌رفتند. در این میان، پنج دارو از کاربرد بالینی حذف و ساخت بسیاری دیگر نیز متوقف شد، چون قادر به‌مقابله با سویه اومیکرون نبودند. این روش درمان جدید را می‌توان برای حل این معضل نیز به کار برد، چون هوش مصنوعی در درمان جدید تشخیص می‌دهد کدام آنتی‌بادی‌ها وسیع‌ترین دامنه اثرگذاری را دارند.

ردی در این‌باره توضیح می‌دهد: «یادگیری ماشینی به ساخت داروهای آنتی‌بادی کمک می‌کند، چون به پژوهشگران اجازه می‌دهد، تا آنتی‌بادی‌هایی را که بیشترین اثرگذاری را در مقابل سویه‌های فعلی و آینده دارند، شناسایی کنند.» پژوهشگران همین حالا نیز با شرکت‌های زیست‌فناوری همکاری دارند، تا نسل آینده درمان‌های آنتی‌بادی را برای مقابله با ویروس کووید بسازند.

این روش پژوهشگران دانشگاه ETH زوریخ برای هوش مصنوعی در درمان جدید را می‌توان برای پشتیبانی از ساخت نسل آینده واکسن‌های کووید نیز به‌کار برد. اقداماتی که در این راستا انجام می‌شوند، عمدتاً متمرکز بر سویه‌هایی هستند که به پروتئین ACE2 متصل می‌شوند، اما تحت تأثیر آنتی‌بادی‌های موجود در بدن افرادی که واکسینه شده‌اند یا قبلاً به ویروس مبتلا شده‌اند، قرار نمی‌گیرند. به بیان دیگر، هدف هوش مصنوعی در درمان جدید، آن دسته از سویه‌هایی هستند که می‌توانند از سیستم ایمنی بدن فرار کنند. برای نمونه می‌توان به سویه اومیکرون اشاره کرد که از بیشتر آنتی‌بادی‌ها فرار کرد و توانست حتی افرادی را که واکسینه و یا قبلاً مبتلا شده ‌بودند، بیمار کند. به‌همین‌دلیل می‌توان گفت که یکی از بزرگ‌ترین مزایای درمان جدید این است که به واکسن‌ها اجازه می‌دهد، آنتی‌بادی‌هایی را تولید کنند که در برابر سویه‌های احتمالی آینده نیز قادر به محافظت از بدن هستند.

ردی اضافه می‌کند: «ما هم نمی‌دانیم کدام یک از سویه‌های SARS-CoV-2 در آینده شیوع پیدا می‌کند، اما با کمک هوش مصنوعی در درمان، می‌توانیم جهش‌های کلیدی را که احتمالاً در سویه‌های آینده رخ می‌دهند، شناسایی کنیم و سپس، واکسن‌های لازم را از قبل آماده کنیم، تا محافظت در برابر این سویه‌های احتمالی گسترش یابد.»

تصمیم‌گیری سریع‌تر در درمان جدید

روش هوش مصنوعی در درمان جدید از بخش بهداشت ‌و درمان نیز پشتیبانی می‌کند، چون با ظهور هر سویه‌ جدید، به‌سرعت پیش‌بینی می‌کند که آیا آنتی‌بادی‌های موجود در واکسن‌ها مؤثر هستند یا خیر. درنتیجه فرایند تصمیم‌گیری در رابطه با واکسیناسیون تسریع می‌شود. برای مثال، اگر نتیجه‌گیری سیستم، مبتنی ‌بر این باشد که افرادی که واکسن خاصی را دریافت کرده‌اند، آنتی‌بادی‌های لازم برای مقابله با سویه جدید را ندارند، این گروه باید هرچه سریع‌تر واکسن بهتری را دریافت کنند.

ردی خاطرنشان می‌کند که این فناوری هوش مصنوعی در درمان جدید را می‌توان برای سایر ویروس‌ها، همچون آنفولانزا، نیز به‌کار بُرد، تا با پیش‌بینی سویه‌های آینده، از ساخت واکسن‌های مربوطه پشتیبانی کرد.

این پژوهش هوش مصنوعی در درمان، به عنوان بخشی از برنامه Fast Track Call، برای پاسخگویی فوری به همه‌گیری کرونا و شناخت درمان جدید، از سوی مرکز پژوهشی سلامت کودکان بونتار پشتیبانی شده‌است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید