آیا هوش مصنوعی و ژنومیک می‌توانند داروهای آلزایمر را پیدا کنند؟

هوش مصنوعی و درمان بیماری آلزایمر

تابه‌حال به این نکته دقت کنید که آیا این امکان وجود دارد که بتوان درمان جدیدی برای بیماری آلزایمر از طریق داروهای موجود تایید شده توسط سازمان غذا و داروی ایالات متحده (FDA) ابداع کرد؟ گروهی از محققان دانشکده پزشکی هاروارد و بیمارستان عمومی ماساچوست تحقیقی در این زمینه انجام داده‌اند که نتایج آن در مجله Nature Communications منتشر شده است. این تحقیق نشان می‌دهد که چگونه یک چارچوب یادگیری ماشین همراه با علم ژنومیک می‌تواند به دانشمندان کمک کند از داروهایی که هم اکنون در دسترس قرار دارد برای درمان بیماری آلزایمر کمک کند.

• بر اساس گزارش جهانی آلزایمر در سال 2018، حدود 50 میلیون نفر در سراسر جهان با بیماری آلزایمر، یک اختلال عصبی و سایر اشکال زوال عقل زندگی می‌کنند. در ایالات متحده، 5.8 میلیون نفر به بیماری آلزایمر مبتلا هستند که دو سوم این افراد مبتلا به آلزایمر را زنان تشکیل می‌دهند.
• این بیماری ویرانگر بدون درمان نه تنها بیماران بلکه خانواده‌ها و کادر درمان را با مشکلات مختلفی روبرو می‌کند. مقاله‌ای که ماریا شرایور، بنیانگذار جنبش زنان آلزایمر و جورج ورادنبرگ، بنیانگذار UsAgainstAlzheimer's منتشر شده کرده‌اند، نشان می‌دهد بیش از 16 میلیون نفر در ایالات متحده از آلزایمر رنجج می‌برند و تحت مراقبت‌های پزشکی قرار گرفته‌اند.
• طبق گزارش انجمن آلزایمر در سال 2019، پنج دارو توسط FDA تایید شده‌اند، با این‌حال، هیچ درمان قاطعی برای بیماری آلزایمر وجود ندارد. بر اساس همین گزارش، مهارکننده‌های کولین استراز دونپزیل (2010 تایید FDA)، گالانتامین (2001 تایید FDA) و ریواستیگمین (2000 تایید FDA) برای بهبود مکانیزم پیام‌رسانی شیمیایی استیل کولین سعی می‌کنند از طریق مسدود کردن و تجزیه کردن استیل کولین استراز که باعث تخریب بافت اعصاب می‌شود، عملکرد سیستم عصبی را بهبود بخشند.
• براساس گزارشی که کتابخانه ملی پزشکی ایالات متحده  موسوم به MedlinePlus منتشر کرده، Memantime (تاییده شده توسط FDA در سال 2003) یک آنتاگونیست گیرنده NMDA است که فعالیت غیرطبیعی مغز را کاهش می‌دهد. داروی تایید شده نهایی ترکیبی از دونپزیل و ممانتین است (تایید FDA 2014).

مطلب پیشنهادی

چطور یک ماشین یاد می‌گیرد؟

ماشین های هوشمندی که یاد می گیرند در خدمت پزشکان باشند

فرآیند کشف و توسعه دارو معمولاً یک فرآیند طولانی و دشوار است که ممکن است بیش از یک دهه طول بکشد، بدون هیچ تضمینی برای کسب تأیید از FDA. طبق گفته سازمان غذا و داروی ایالات متحده، تقریباً بیش از 20000 داروی تأیید شده وجود دارد. بررسی و ارزیابی هر یک از 20000 دارو برای استفاده مجدد در درمان آلزایمر، کاری پیچیده و زمان‌بر است. آیا یادگیری ماشین و هوش مصنوعی (AI) می‌توانند جستجو برای استفاده مجدد از داروها برای بیماری آلزایمر را تسریع کنند؟

استفاده مجدد از داروها در درمان بیماری آلزایمر

(Drug Repurposing In Alzheimer’s Disease)

•  رویکردی که گروهی از پزشکان در این زمینه انجام داده‌اند، استفاده مجدد از داروها در درمان بیماری آلزایمر (DRIAD) سرنام Drug Repurposing In Alzheimer’s Disease  است که شامل یک چارچوب یادگیری ماشین است که ارتباط بین مرحله AD (اوایل، اواسط یا اواخر) را که توسط مرحله‌بندی براک تعریف شده و هر فرآیند یا پاسخ بیولوژیکی که می‌تواند تعیین کند را کمیت‌گذاری می‌کند. استیو رودریگز، آرتم سوکولوف، کلمنس هوگ، پیتر تودوروف، نینکه مورت، سارا بوسول، کایل ایوانز، جورج ژو، ناتان جانسون، بردلی هایمن، پیتر سورگر و مارک آلبرز، محققان این پروژه تحقیقاتی از طریق یک مدل‌سازی هوشمند توانسته‌اند راهکاری برای شناسایی داروهای موثر در این زمینه از طریق طبقه‌بندی و فهرست‌بندی نام ژن‌ها پیدا کنند.
• این گروه تحقیقاتی در مقاله خود به این نکته اشاره دارند که ما از DRIAD برای جست‌وجوی ارتباط بین مرحله پاتولوژیک AD و ژن‌هایی استفاده کردیم تا زمانی‌که یک داروی مولکولی کوچک به کشت سلول‌های پیش‌سازنده عصبی تمایز یافته نهایی که ترکیبی از نورون‌ها، آستروسیت‌ها و الیگودندروسیت‌ها است، اعمال می‌شود، عملکرد آن‌را بررسی کنیم.
• برای این‌که چارچوب یادگیری ماشین ارتباط بین فهرست‌های ژنی و بیماری آلزایمر را شناسایی کند، تیم از داده‌های ورودی از پروفایل‌های بیان mRNA از مغز انسان در مراحل مختلف آلزایمر و مجموعه‌ای از فهرست‌های ژنی مرتبط با دارو استفاده کرد. چارچوب یادگیری ماشین مورد استفاده توسط این تیم تحقیقاتی یک مدل پیشگویانه را آموزش می‌دهد تا گروه‌های بیماری را بر مبنای سطوح mRNA آن‌ها ارزیابی کند.
• دانشمندان گزارش دادند: «DRIAD در ارتباط با فهرستی از ژن‌های ناشی از اختلالات در کشت‌های سلول‌های عصبی متمایز انسانی توسط 80 داروی مورد تأیید FDA و آزمایش‌شده بالینی استفاده شده و فهرست رتبه‌بندی ‌شده‌ای از نامزدهای احتمالی برای استفاده مجدد را ایجاد کرده است. داروهایی که بالاترین امتیاز را دریافت می‌کنند به عنوان کاندیداهای اصلی در این زمینه مورد بررسی دقیق‌تر قرار می‌گیرند. ما پیشنهاد می‌کنیم که روش DRIAD برای معرفی داروهایی مورد استفاده قرار گیرد که پس از تأیید اعتبار و شناسایی نشانگرهای زیستی فارماکودینامیک مربوطه، می‌توانند به آسانی در یک کارآزمایی بالینی ارزیابی شوند».