یک گروه بین رشتهای از محققان به سرپرستی پژوهشگران دانشگاه ایندیانا، ابزاری تهیه کردند که میتواند منجر به بهبود ایمنی درمانی سرطان شود.
استادیار مهندسی سامانه های هوشمند و از محققان این طرح میگوید: «ما میتوانیم از این بستر استفاده کنیم تا ببینیم که روشهای مختلف بر کشتن سلولهای سرطانی هدف چقدر تأثیر میگذارد.»
گوا افزود: این بستر از فناوری میکروسیالی استفاده میکند که بیشتر بهعنوان فناوری آزمایشگاه بر روی تراشه شناخته میشود و با نوعی از هوش مصنوعی به نام Deep Learning همراه است. میکروسیالی، فناوری دستکاری سیال در کانالهای میکروسکوپی است که عملکردهای مختلف آزمایشگاهی را بر روی یک تراشه فراهم میکند. یادگیری عمیق بر اساس سامانه های محاسباتی است که از شبکههای عصبی بیولوژیکی الهام گرفته است. این فناوریها در کنار هم به این بستر اجازه میدهند تا به سرعت و خودکار داروهای احتمالی ایمنی درمانی سرطان را شناسایی و نحوه عملکرد آنها را در سطح سلولی آزمایش کند.
به گفته محققان، تومورهای جامد بیشترین سرطانهای انسانی را شامل میشوند. با این حال، روشهای غربالگری ایمونوتراپی سرطان فعلی از ظرفیت سلولهای ایمنی بدن که به آنها سلولهای T گفته میشود، برای نفوذ به بافت تومور جامد غافل میشود.
مینگ دائو، مدیر آزمایشگاه نانومیکانیک MIT گفت: «ایمونوتراپی سرطان واقعاً موفقیتآمیز بوده است، اما ما هنوز با چالشهای مهمی برای تسخیر سرطان روبرو هستیم. برای بیشتر تومورهای جامد، توسعه یک روش درمانی مؤثر که هم نفوذ کند و هم از بین برود، دشوار است. ما با هدف ایجاد یک بستر غربالگری ایمونوتراپی تومور جدید این طرح را انجام دادیم که میتواند به صورت پویا هم به تومور نفوذ کند و هم کشتار سلولهای تومور را انجام دهد.»
محققان با استفاده از دادههای بالینی، از جمله تصاویر دیجیتالی تومورهای جامد و دادههای بقای بیمار، یک الگوریتم یادگیری عمیق را آموزش دادند. سپس، آنها الگوریتم را با بستر میکروسیالی یکپارچه کردند، که میتواند ایمنی تومور را مدل و ایمونوتراپی جدید را غربالگری کند که باعث نفوذ سلول T به تومور و کشتار سلولهای سرطانی شود.
هونگوی کای، دانشجوی آزمایشگاه گوا گفت: «ما آن را میکروسیالی هوشمند مینامیم. من از این بستر و ظرفیت آن برای پرداختن به ایمونوتراپی برای تومورهای جامد بسیار هیجانزدهام.»
این بستر همچنین میتواند در زمینههای بهداشتی فراتر از آنکولوژی، مانند ایمونولوژی، عصبشناسی، مهندسی بافت و موارد دیگر استفاده شود.