به گزارش پایگاه اطلاع رسانی بنیان، پژوهشگران با ترکیب فناوری چاپ زیستی سه‌بعدی، ارگانوئیدهای توموری مشتق از بیمار و الگوریتم‌های پیشرفته هوش مصنوعی، سامانه‌ای جدید طراحی کرده‌اند که می‌تواند هزاران نمونه توموری را به‌صورت همزمان بررسی کرده و داروهای امیدوارکننده ضدسرطان را با سرعت و دقتی بی‌سابقه شناسایی کند. این دستاورد می‌تواند مسیر توسعه درمان‌های شخصی‌سازی‌شده سرطان را متحول سازد.

سرطان

سرطان همچنان یکی از مهم‌ترین چالش‌های نظام سلامت جهان محسوب می‌شود و توسعه داروهای مؤثر برای انواع مختلف آن نیازمند صرف زمان و هزینه فراوان است. در تازه‌ترین مطالعه منتشرشده در سال ۲۰۲۶، محققان سامانه‌ای نوین متشکل از چاپ زیستی سه‌بعدی، ارگانوئیدهای توموری و هوش مصنوعی را معرفی کرده‌اند که امکان پایش همزمان هزاران ارگانوئید را فراهم می‌کند. این فناوری با استفاده از تصویربرداری پیشرفته و یادگیری ماشین، پاسخ هر ارگانوئید به داروهای مختلف را ارزیابی کرده و الگوهای پنهان مقاومت یا حساسیت دارویی را آشکار می‌سازد. نتایج نشان می‌دهد این سامانه قادر است غربالگری داروها را با سرعت بسیار بیشتری نسبت به روش‌های مرسوم انجام دهد و زمینه را برای توسعه درمان‌های دقیق و اختصاصی برای هر بیمار فراهم سازد.

مقدمه

با وجود پیشرفت‌های چشمگیر در حوزه درمان سرطان طی دو دهه گذشته، بسیاری از بیماران همچنان به درمان‌های موجود پاسخ مناسبی نمی‌دهند. یکی از مهم‌ترین دلایل این مسئله، ناهمگنی تومورها است. حتی در میان بیمارانی که به یک نوع سرطان مبتلا هستند، ویژگی‌های ژنتیکی و مولکولی سلول‌های سرطانی می‌تواند تفاوت‌های چشمگیری داشته باشد. همین تفاوت‌ها سبب می‌شود یک دارو در یک بیمار بسیار مؤثر و در بیمار دیگر تقریباً بی‌اثر باشد. در سال‌های اخیر مفهوم پزشکی شخصی‌سازی‌شده به عنوان یکی از مهم‌ترین راهکارهای غلبه بر این چالش مطرح شده است. در این رویکرد، درمان بر اساس ویژگی‌های اختصاصی هر بیمار طراحی می‌شود. با این حال، اجرای عملی چنین رویکردی نیازمند ابزارهایی است که بتوانند پیش از تجویز دارو، پاسخ احتمالی بیمار را پیش‌بینی کنند. ارگانوئیدهای توموری یکی از مهم‌ترین فناوری‌هایی هستند که برای تحقق این هدف توسعه یافته‌اند. این ساختارهای سه‌بعدی از سلول‌های سرطانی بیمار ایجاد می‌شوند و بسیاری از ویژگی‌های زیستی تومور اصلی را حفظ می‌کنند. اکنون ترکیب این فناوری با هوش مصنوعی و چاپ زیستی سه‌بعدی افق‌های تازه‌ای را در پژوهش‌های سرطان گشوده است.

تاریخچه

پیشینه ارگانوئیدها به مطالعات زیست‌شناسی رشد و سلول‌های بنیادی بازمی‌گردد. پژوهشگران دریافتند که سلول‌های بنیادی در شرایط مناسب قادرند به‌صورت خودسازمان‌ده ساختارهایی شبیه اندام‌های طبیعی ایجاد کنند. این کشف زمینه‌ساز شکل‌گیری فناوری ارگانوئیدها شد. در دهه ۲۰۱۰ نخستین ارگانوئیدهای توموری مشتق از بیماران تولید شدند. این مدل‌ها توانستند ویژگی‌های ژنتیکی، مولکولی و بافت‌شناسی تومورهای انسانی را با دقت بالایی بازسازی کنند. به تدریج از این سامانه‌ها برای مطالعه مکانیسم‌های سرطان، ارزیابی داروها و بررسی مقاومت دارویی استفاده شد. در ادامه، فناوری چاپ زیستی سه‌بعدی وارد این حوزه شد. چاپ زیستی امکان تولید تعداد زیادی ارگانوئید با اندازه و شکل استاندارد را فراهم کرد. این استانداردسازی برای انجام غربالگری‌های وسیع دارویی اهمیت فراوانی داشت. همزمان پیشرفت‌های چشمگیر در حوزه هوش مصنوعی، به‌ویژه یادگیری عمیق، فرصت جدیدی برای تحلیل داده‌های پیچیده زیستی فراهم ساخت. اکنون پژوهشگران توانسته‌اند این سه فناوری را در قالب یک پلتفرم یکپارچه گرد هم آورند و نسل جدیدی از سامانه‌های کشف دارو را توسعه دهند.

شیوه مطالعاتی

در این مطالعه، محققان ابتدا نمونه‌های توموری بیماران را جمع‌آوری کردند. سلول‌های استخراج‌شده از این نمونه‌ها در شرایط آزمایشگاهی کشت داده شدند تا ارگانوئیدهای سه‌بعدی تشکیل شوند. سپس با استفاده از فناوری چاپ زیستی، هزاران ارگانوئید استاندارد در صفحات آزمایشگاهی ویژه تولید شد. در مرحله بعد، مجموعه بزرگی از داروهای ضدسرطان و ترکیبات آزمایشی روی این ارگانوئیدها اعمال شد. برخلاف روش‌های سنتی که معمولاً تنها در چند نقطه زمانی داده جمع‌آوری می‌کنند، در این سامانه تصویربرداری پیشرفته به‌صورت مداوم وضعیت هر ارگانوئید را ثبت می‌کرد. حجم عظیم تصاویر و داده‌های حاصل توسط الگوریتم‌های هوش مصنوعی تحلیل شد. این الگوریتم‌ها قادر بودند تغییرات بسیار ظریف در رشد، شکل، اندازه و رفتار ارگانوئیدها را شناسایی کنند. همچنین سامانه از مدل‌های یادگیری ماشین برای مقایسه پاسخ‌های مختلف دارویی استفاده کرد. یکی از ویژگی‌های مهم این پلتفرم، امکان ردیابی هر ارگانوئید به‌صورت مستقل بود. به این ترتیب پژوهشگران توانستند تفاوت‌های رفتاری میان زیرجمعیت‌های مختلف سلول‌های توموری را نیز بررسی کنند. این موضوع به‌ویژه برای شناسایی سلول‌های مقاوم به درمان اهمیت زیادی دارد.

نتایج

نتایج مطالعه نشان داد سامانه جدید توانایی بالایی در شناسایی پاسخ‌های دارویی دارد. ارگانوئیدهای مختلف الگوهای متفاوتی از حساسیت و مقاومت نسبت به داروها نشان دادند و هوش مصنوعی توانست این الگوها را با دقت بالا استخراج کند. بررسی‌ها نشان داد برخی داروها تنها بر بخشی از سلول‌های توموری اثر می‌گذارند، در حالی که زیرجمعیت‌های مقاوم همچنان زنده باقی می‌مانند. این یافته اهمیت استفاده از سامانه‌های تک‌ارگانوئیدی را برجسته می‌کند؛ زیرا در روش‌های سنتی چنین تفاوت‌هایی معمولاً پنهان می‌مانند. پژوهشگران همچنین دریافتند که استفاده از تحلیل مبتنی بر هوش مصنوعی باعث افزایش چشمگیر سرعت پردازش داده‌ها می‌شود. در شرایطی که تحلیل دستی چنین حجم عظیمی از اطلاعات تقریباً غیرممکن است، الگوریتم‌ها توانستند در مدت کوتاهی داده‌های مربوط به هزاران ارگانوئید را ارزیابی کنند. نتایج نشان داد این سامانه علاوه بر ارزیابی داروهای موجود، می‌تواند در شناسایی ترکیبات جدید ضدسرطان نیز کاربرد داشته باشد. برخی ترکیبات آزمایشی که در مطالعات اولیه اثربخشی محدودی نشان داده بودند، در این سامانه نتایج امیدوارکننده‌ای ارائه کردند.

دستاورد

مهم‌ترین دستاورد این مطالعه، ایجاد بستری است که می‌تواند فاصله میان تحقیقات آزمایشگاهی و درمان بالینی را کاهش دهد. این فناوری امکان ارزیابی سریع هزاران گزینه درمانی را فراهم می‌کند و در عین حال ویژگی‌های زیستی واقعی تومور بیمار را حفظ می‌نماید. از منظر پزشکی شخصی‌سازی‌شده، این سامانه می‌تواند پیش از آغاز درمان مشخص کند که کدام دارو بیشترین احتمال موفقیت را برای یک بیمار خاص دارد. چنین قابلیتی نه تنها اثربخشی درمان را افزایش می‌دهد بلکه از تجویز داروهای غیرمؤثر و بروز عوارض جانبی غیرضروری نیز جلوگیری می‌کند. همچنین استفاده از چاپ زیستی سه‌بعدی موجب شده تولید ارگانوئیدها با کیفیت یکنواخت و در مقیاس بالا امکان‌پذیر شود. این موضوع برای انجام مطالعات گسترده کشف دارو اهمیت اساسی دارد. از سوی دیگر، ادغام هوش مصنوعی با مدل‌های ارگانوئیدی می‌تواند به درک بهتر مکانیسم‌های مقاومت دارویی کمک کند. مقاومت دارویی یکی از مهم‌ترین عوامل شکست درمان سرطان است و شناسایی زودهنگام آن می‌تواند راه را برای طراحی درمان‌های مؤثرتر هموار سازد.

گام بعدی مطالعه

محققان در نظر دارند در مراحل بعدی، تعداد بیشتری از نمونه‌های بیماران را وارد این سامانه کنند تا قابلیت تعمیم نتایج افزایش یابد. همچنین برنامه‌هایی برای استفاده از انواع مختلف سرطان از جمله سرطان ریه، پستان، کولورکتال و پانکراس در دست اجرا است. یکی دیگر از اهداف آینده، ترکیب ارگانوئیدها با سلول‌های ایمنی و اجزای ریزمحیط تومور است. چنین رویکردی می‌تواند مدل‌های آزمایشگاهی را به شرایط واقعی بدن انسان نزدیک‌تر کند و امکان ارزیابی دقیق‌تر ایمنی‌درمانی‌ها را فراهم آورد. پژوهشگران همچنین امیدوارند در سال‌های آینده این فناوری وارد مطالعات بالینی شود و به ابزاری برای تصمیم‌گیری درمانی پزشکان تبدیل گردد. در صورت موفقیت، بیماران می‌توانند پیش از دریافت درمان، نسخه‌ای آزمایشگاهی از تومور خود را در اختیار داشته باشند تا بهترین گزینه درمانی بر اساس پاسخ واقعی سلول‌های سرطانی آن‌ها انتخاب شود. این دستاورد نشان می‌دهد که همگرایی فناوری‌های نوین شامل زیست‌فناوری، چاپ سه‌بعدی و هوش مصنوعی در حال ایجاد نسل جدیدی از ابزارهای پزشکی است؛ ابزارهایی که می‌توانند روند کشف دارو را تسریع کرده و چشم‌انداز درمان سرطان را در سال‌های آینده دگرگون سازند.

پایان مطالب/.