همکاری هوش مصنوعی و سلول‌های بنیادی برای ترمیم اعضای بدن

پیشرفت‌های صورت گرفته در زمینه هوش مصنوعی و سلول‌های بنیادی، پیامدهای امیدبخشی را برای پزشکی ترمیمی نشان می‌دهند.

به گزارش باش خبر و به نقل از فوربس، در دهه گذشته و بیشتر از آن، پژوهش در مورد سلول‌های بنیادی و “پزشکی ترمیمی”(Regenerative medicine)، در حوزه مراقبت‌های بهداشتی غوغا کرده است. این حوزه حساس، در چند سال گذشته شاهد پیشرفت‌های ثابتی بوده است.

امید به پزشکی ترمیمی، ساده اما عمیق است و شاید روزی به متخصصان پزشکی کمک کند تا مشکل را تشخیص دهند، برخی از سلول‌های بدن موسوم به سلول‌های بنیادی را حذف کنند و آنها را برای پیشرفت درمان بیماری به کار ببرند. استفاده از سلول‌های بدن، امکان یک درمان کاملا شخصی‌سازی‌شده با ژن‌ها و سیستم‌های بدن را فراهم می‌کند.

اصطلاحاتی که اغلب در این حوزه پزشکی استفاده می‌شوند، ممکن است برای افراد ناآشنا کمی مبهم باشند. این گزارش، بر بینش‌های ارائه‌شده توسط “کریستین دراپو”(Christian Drapeau)، متخصص نوروفیزیولوژی و سلول‌های بنیادی تکیه دارد.

دراپو، یکی از نخستین افرادی بود که در اوایل سال ۲۰۰۰، سلول‌های بنیادی را کشف کرد و به صحبت کردن در مورد آنها پرداخت. او از آن زمان، به کشف نخستین محرک سلول‌های بنیادی مشغول شد و پژوهش‌های او نشان داد که عصاره نوعی جلبک موسوم به “آفانیزومنون فلوس آکوا”(Aphanizomenon flos-aquae) می‌تواند ترمیم آسیب عضلانی را بهبود ببخشد.

همچنین دراپو، بنیان‌گذار یک شرکت مبتنی بر پژوهش در مورد سلول‌های بنیادی موسوم به “کالیاژن”(Kalyagen) و از سازندگان یک محرک سلول‌های بنیادی موسوم به “استیمرژن”(Stemregen) است. استیمرژن، یکی از موثرترین محرک‌هایی است که به گفته دراپو می‌تواند درمان موثری را برای بیماری‌های گوناگون ارائه دهد.

در هر حال، باید دید که درمان‌های مبتنی بر سلول‌های بنیادی چگونه کار می‌کنند و چگونه وعده خود مبنی بر تقویت توانایی‌های ما برای ترمیم یا خوددرمانی را تحقق می‌بخشند.

دراپو گفت: سلول‌های بنیادی، سلول‌های مادر یا سلول‌های تولیدشده توسط مغز استخوان هستند. هنگامی که این سلول‌ها از مغز استخوان رها می‌شوند، می‌توانند به هر اندام و بافتی از بدن بروند و به سلول‌های آن بافت تبدیل شوند. سلول‌های بنیادی، سیستم ترمیم بدن را تشکیل می‌دهند.

کشف این عملکرد، دانشمندان را به سوی سفری طولانی برای کشف نحوه استفاده از سلول‌های بنیادی در درمان بیماری‌هایی که به دلیل از دست دادن سلول ایجاد می‌شوند، سوق داده است. بیماری‌هایی مانند دیابت و بیماری‌های دژنراتیو مرتبط با افزایش سن، با از دست دادن یک نوع سلول یا عملکرد سلولی مرتبط هستند.

بررسی‌های دراپو در چند دهه اخیر نشان می‌دهند که گروهی از مواد طبیعی وجود دارند که توانایی آنها برای القای آزادسازی سلول‌های بنیادی از مغز استخوان اثبات شده است. سپس این سلول‌های بنیادی، به جریان خون وارد می‌شوند و از آنجا می‌توانند به محل‌های کمبود سلول یا آسیب سلولی در بدن بروند تا به بهبود و ترمیم کمک کنند. این فرآیند، با نام “ESCM” شناخته می‌شود.

دراپو ادامه داد: استیمرژن، قوی‌ترین محصول ما تا به امروز بوده است و نتایج بسیار خوبی را در درمان مشکلات سیستم غدد درون‌ریز، عضلات، کلیه‌ها و سیستم تنفسی نشان داده است.

هوش مصنوعی

به رغم پیشرفت‌های خیره‌کننده‌ای که تاکنون صورت گرفته‌اند، نگرانی در مورد این موضوع وجود دارد که چگونه می‌توان این نوآوری را با یک نوآوری هیجان‌انگیز دیگر که هوش مصنوعی است، ادغام کرد.

دراپو که یکی از علاقمندان هوش مصنوعی است، توضیح داد که هوش مصنوعی تاکنون نقش مهمی در پژوهش در مورد سلول‌های بنیادی داشته است و قابلیت‌های بیشتری نیز دارد.

چندین حوزه وجود دارند که هوش مصنوعی در آنها به پژوهش در مورد سلول‌های بنیادی سود بسیاری رسانده است و با مشاهده دقیق‌تر می‌توان چندین حوزه را دید که در آنها، هوش مصنوعی به ‌شدت از پژوهش در مورد سلول‌های بنیادی و پزشکی ترمیمی سود برده است.

یکی از موانعی که دانشمندان به طور مداوم در حوزه پزشکی ترمیمی با آن رو به رو بوده‌اند، پیچیدگی داده‌های موجود است. سلول‌ها آن قدر با یکدیگر متفاوت هستند که دانشمندان باید با پیش‌بینی این که سلول‌ها در هر یک از شرایط درمانی، چه کاری را انجام خواهند داد، دست و پنجه نرم کنند. دانشمندان با میلیون‌ها روشی رو به رو هستند که پزشکی ممکن است در آنها اشتباه کند.

بیشتر کارشناسان هوش مصنوعی معتقدند که این فناوری تقریبا در هر زمینه‌ای می‌تواند هر زمان که مشکلی در تجزیه و تحلیل داده‌ها و پیش‌بینی وجود داشته باشد، راه حلی را ارائه دهد.

“کارل سایمون”(Carl Simon)، زیست‌شناس “موسسه ملی فناوری و استانداردها”(NIST) و “نیکلاس شاوب”(Nicholas Schaub)، پژوهشگر “موسسه ملی سلامت”(NIH) اخیرا این فرضیه را هنگام جمع‌آوری شبکه‌های عصبی عمیق یک برنامه هوش مصنوعی برای داده‌های مورد استفاده در آزمایش‌های خود روی سلول‌های چشم به کار بردند. پژوهش آنها در مورد دلایل ضعف چشم مرتبط با افزایش سن و راه‌های درمان آن بود و نتایج خیره‌کننده‌ای را نشان داد. هوش مصنوعی از میان ۳۶ پیش‌بینی که از آن خواسته شد، تنها یک پیش‌بینی نادرست در مورد تغییرات سلولی انجام داد.

برنامه آنها یاد گرفت که چگونه عملکرد سلول را در شرایط و تنظیمات متفاوت پیش‌بینی کند. این برنامه توانست تصاویر مربوط به بافت‌های چشم پرورش یافته در آزمایشگاه را به سرعت تجزیه و تحلیل کند تا بافت‌ها را در طبقه‌بندی خوب یا بد قرار دهد. این کشف، خوش‌بینی را در فضای پژوهش در مورد سلول‌های بنیادی افزایش داده است.

سایمون گفت: زمانی که در مورد سلول‌های بنیادی به طور کلی صحبت می‌کنیم، به نوعی می‌گوییم که سلول‌های بنیادی یک چیز هستند؛ در حالی که انواع متفاوتی از سلول‌های بنیادی وجود دارند. به عنوان نمونه، سلول‌های بنیادی فولیکول مو و مغز دندان، حاوی نشانگرهای عصبی هستند و می‌توانند به سادگی به نورون تبدیل شوند تا مغز را ترمیم کنند. علاوه بر این، بافتی که مورد ترمیم قرار می‌گیرد، باید برای جذب سلول‌های بنیادی سیگنال بدهد و ترکیباتی را برای تحریک عملکرد سلول‌های بنیادی ترشح کند. یک تجزیه و تحلیل پیچیده‌ با استفاده از هوش مصنوعی در مورد بافتی که به ترمیم نیاز دارد و شرایط آن بافت در هر شخص، به انتخاب سلول‌های بنیادی مناسب و بهترین سلول‌ها در آن گروه از سلول‌های بنیادی و همچنین ارائه درمان برای بهبود ترمیم بافت مبتنی بر سلول بنیادی کمک می کند.

در پژوهشی که در فوریه سال جاری در مجله “Stem Cells” به چاپ رسید، پژوهشگران “دانشگاه پزشکی و دندانپزشکی توکیو”(TMDU) گزارش دادند که سیستم هوش مصنوعی آنها موسوم به “دیپ اکت”(DeepACT)، موفق شده است تا سلول‌های بنیادی مولد پوست را با دقت یک انسان شناسایی کند. این کشف، استدلال دراپو را در مورد قابلیت‌های هوش مصنوعی در این زمینه، بیشتر تقویت می‌کند.

این آزمایش، موفقیت خود را مدیون قابلیت‌های یادگیری ماشینی هوش مصنوعی است اما انتظار می‌رود که یادگیری عمیق بتواند به طور سودمندی در پزشکی ترمیمی معرفی شود. پیش‌بینی‌های آینده‌نگر زیادی برای این احتمالات وجود دارند اما بسیاری از آنها آنقدر که در ابتدا به نظر می‌رسد، دور از ذهن نیستند.

پژوهشگران باور دارند که هوش مصنوعی می‌تواند به سرعت انتقال دادن پزشکی ترمیمی به سطح بالینی کمک کند. این فناوری را می‌توان برای پیش‌بینی رفتار سلول در محیط های گوناگون استفاده کرد. بنابراین، شاید بتوان از آن برای شبیه‌سازی محیط انسانی نیز استفاده کرد. این بدان معناست که پژوهشگران می‌توانند اطلاعات عمیق را با سرعت بیشتری به دست آورند.