يساعد Co-Scientist من DeepMind في العثور على طرق جديدة لعلاج أمراض الكبد
يستخدم الباحث Filippo Menolascina أداة Co-Scientist من DeepMind — وهو مساعد AI مصمم لتسريع الاكتشافات العلمية — لفهم آليات أمراض الكبد على المستوى الجزيئي. وبمس
طور باحثون من DeepMind مساعداً ذكياً يسمى Co-Scientist يساعد العلماء على تسريع عملية الاكتشافات العلمية. يعمل فيليبو مينولاسكينا، الباحث في مجال علم الأحياء الأنظمة، مع هذه الأداة على واحدة من أعقد المشاكل في الطب الحديث: لماذا تعمل نفس الأدوية بفعالية لبعض المرضى بينما لا تساعد آخرين.
Co-Scientist: مساعد للعالم
يختلف Co-Scientist عن نماذج اللغة الكبيرة التقليدية من حيث أنه يمكنه العمل مع بيانات تجريبية حقيقية، وتحليل نتائج البحوث المختبرية، واقتراح فرضيات بحثية جديدة بناءً على البيانات الفعلية. تتكامل الأداة في سير عمل العالم، وتساعد في صياغة أسئلة بحثية معقدة وتحديد الأنماط في البيانات التي قد يفتقدها التحليل البشري. بالنسبة لمينولاسكينا، هذا يعني القدرة على التكرار بسرعة أكبر من خلال خيارات مختلفة واختبار الافتراضات والعثور على الروابط بين مستويات مختلفة من البيانات البيولوجية — من نشاط الجينات الفردية إلى سلوك مجموعات الخلايا الكاملة والأعضاء. الطريقة التقليدية التي يعمل بها العالم هي صياغة فرضية، وإجراء تجربة، وتحليل النتيجة. يسرع Co-Scientist هذه السلسلة بواسطة اقتراح فرضيات جديدة بناءً على البيانات الموجودة والمساعدة في تفسير النتائج في سياق المعرفة العلمية المعروفة.
الكشف عن آليات أمراض الكبد
الكبد هو أحد أعقد الأعضاء في جسم الإنسان. تظل أمراضها غالباً غير مفهومة بشكل جيد لأن آليات تطور المرض تتضمن مسارات جزيئية متعددة تتفاعل في شبكة معقدة. يساعد Co-Scientist مينولاسكينا في تحديد الآليات الجزيئية الرئيسية التي تؤدي إلى تطور المرض وتطور قصور الكبد. يجعل فهم هذه الآليات ممكناً:
- تحليل الجينات التي يتم تنشيطها أو قمعها في المرض
- تحديد المسارات الكيميائية الحيوية التي يتطور من خلالها المرض
- العثور على نقاط في الشبكة الجزيئية حيث يمكن للأدوية التدخل
- التنبؤ بفعالية الأدوية الموجودة لمريض معين
- تطوير نهج علاجية جديدة بناءً على فهم الآلية
يسمح هذا النهج ليس فقط بإيجاد أدوية جديدة من خلال الفحص العشوائي، بل بتطوير العلاج بشكل متعمد مع فهم السبب في أنه يجب أن يعمل بهذه الطريقة.
الاستجابات الفردية لنفس العلاج
واحدة من أعظم الألغاز في الطب هي تباين استجابات المرضى للعلاج المتطابق. بالنسبة لبعض المرضى، تعمل الدواء بشكل مثالي ويتعافى المريض، وبالنسبة للآخرين لا تساعد على الإطلاق، وبالنسبة للآخرين تسبب آثاراً جانبية خطيرة. تسمى هذه الظاهرة بـ "عدم تجانس النمط الظاهري" — يخفي التشخيص الواحد عمليات بيولوجية مختلفة في أشخاص مختلفين. يساعد Co-Scientist في شرح هذه الاختلافات على المستوى الجزيئي. يوضح تحليل البيانات أن كامنة وراء هذه الاختلافات السريرية تكون تغييرات في جينات معينة والبروتينات التي تنتجها. تساعد الأداة على ربط هذه الخصائص الجزيئية بالصورة السريرية والتنبؤ بأي مريض سيستفيد من دواء معين.
ما يعنيه هذا
يوضح بحث مينولاسكينا أن الذكاء الاصطناعي لا يولد فقط الفرضيات بل يصبح أيضاً مسرعاً حقيقياً للاكتشافات العلمية، خاصة في الطب الحيوي. إذا كان بإمكان Co-Scientist المساعدة في فك تشابك أحد أعقد الأعضاء في جسم الإنسان، فهذا يفتح الباب لتطبيق أدوات مماثلة في دراسة الأمراض الأخرى. بالنسبة للمرضى، هذا يعني أنه في السنوات القادمة قد يصبح العلاج أكثر دقة وفعالية — سيتمكن الأطباء من اختيار الأدوية ليس من خلال التجربة والخطأ، بل بناءً على التحليل الجزيئي للمريض المحدد وخصائصه الوراثية وملف مرضه البيوكيميائي.