درمان سرطان سگ‌ها با واکسن هوش مصنوعی

واکسن سرطان mRNA برای حیوانات چیست؟ بررسی نقش هوش مصنوعی و استارتاپ Gamgee

بررسی مسیر کارآفرین استرالیایی که با استفاده از ابزارهای محاسباتی هوش مصنوعی، واکسن شخصی‌سازی‌شده برای سگش طراحی کرد

پل کانینگهام، کارآفرین استرالیایی، پس از تجربه ساخت یک درمان آزمایشی شخصی‌سازی‌شده برای سگ مبتلا به سرطانش، استارتاپ Gamgee را راه‌اندازی کرده است؛ شرکتی که می‌خواهد با ترکیب ژنومیک، هوش مصنوعی و فناوری mRNA، درمان‌های اختصاصی سرطان را برای سگ‌ها توسعه دهد.

داستان از سگی به نام رُزی آغاز شد؛ یک سگ دورگه Staffordshire Bull Terrier و Shar Pei که در سال ۲۰۲۴ به سرطان ماست‌سل (Mast Cell Tumor) مبتلا شد. بیماری پس از چندین مرحله جراحی، شیمی‌درمانی و ایمنی‌درمانی همچنان پیشرفت می‌کرد و دامپزشکان پیش‌بینی می‌کردند که زمان زیادی برای او باقی نمانده است.

صاحب رُزی، پل کانینگهام، یک زیست‌شناس یا پزشک نیست؛ او سابقه فعالیت در حوزه یادگیری ماشین و هوش مصنوعی دارد. اما همین تخصص باعث شد مسیر متفاوتی را امتحان کند: به‌جای اینکه صرفاً درباره درمان‌های موجود جست‌وجو کند، تصمیم گرفت از ابزارهای هوش مصنوعی برای تحلیل اطلاعات ژنتیکی تومور رُزی استفاده کند.

آنچه بعداً اتفاق افتاد، به یکی از جذاب‌ترین نمونه‌های تلاقی AI و پزشکی شخصی‌سازی‌شده تبدیل شد؛ نمونه‌ای که حالا حتی به شکل‌گیری یک شرکت زیست‌فناوری نیز منجر شده است.

سایبرکست قسمت 122 : داستان استارتاپ Gamgee ، درمان سرطان سگ‌ها با واکسن هوش مصنوعی

مردی که برای نجات سگش سراغ هوش مصنوعی رفت

از یک نمونه استثنایی تا تأسیس استارتاپ Gamgee؛ آیا فناوری mRNA آینده درمان بیماری‌ها در دامپزشکی را تغییر می‌دهد؟

وقتی سرطان از یک بیماری عمومی به یک مسئله شخصی تبدیل می‌شود

ایده اصلی درمانی که کانینگهام دنبال می‌کرد، در واقع کاملاً جدید نیست.

در پزشکی شخصی‌سازی‌شده سرطان، پژوهشگران سال‌هاست تلاش می‌کنند به‌جای استفاده از یک درمان یکسان برای تمام بیماران، ویژگی‌های مولکولی تومور هر فرد را شناسایی کنند و درمان را براساس همان ویژگی‌ها طراحی کنند.

یکی از ایده‌های مهم در این حوزه، شناسایی نئوآنتی‌ژن‌ها (Neoantigens) است؛ یعنی قطعاتی از پروتئین که در اثر جهش‌های ایجادشده در سلول سرطانی به وجود می‌آیند و می‌توانند برای سیستم ایمنی مانند یک «نشانگر» اختصاصی سرطان عمل کنند.

ایده واکسن mRNA نیز در اینجا وارد می‌شود.

در یک واکسن سرطان شخصی‌سازی‌شده، پژوهشگران می‌توانند اطلاعات مربوط به این اهداف مولکولی را در قالب mRNA طراحی کنند. سپس سلول‌های بدن برای مدت کوتاهی براساس این دستورالعمل‌ها پروتئین موردنظر را تولید می‌کنند و سیستم ایمنی با آن مواجه می‌شود.

هدف این است که سیستم ایمنی سلول‌های دارای آن نشانه‌های سرطانی را بهتر شناسایی و هدف قرار دهد.

به زبان ساده، واکسن قرار نیست مانند واکسن‌های معمولی از ابتلا به بیماری جلوگیری کند؛ بلکه قرار است به سیستم ایمنی بیماری‌ای را که همین حالا در بدن وجود دارد بهتر بشناساند.

نقش ChatGPT دقیقاً چه بود؟

اینجا یکی از مهم‌ترین بخش‌های داستان قرار دارد؛ بخشی که در روایت‌های اولیه گاهی بیش از حد ساده‌سازی شد.

روایت «یک مرد با ChatGPT واکسن سرطان ساخت» از نظر رسانه‌ای جذاب است، اما واقعیت علمی بسیار پیچیده‌تر است.

کانینگهام اطلاعات ژنتیکی مربوط به تومور رُزی را در اختیار داشت و با کمک ابزارهای محاسباتی و هوش مصنوعی تلاش کرد جهش‌های مرتبط با سرطان را شناسایی کند. طبق توضیحات UNSW، داده‌های ژنتیکی حاصل از نمونه تومور شامل حجم عظیمی از اطلاعات بود و او از ابزارهایی مانند AI و مدل‌سازی پروتئین برای بررسی آن‌ها استفاده کرد.

در یکی از مراحل، کانینگهام توانست هفت هدف بالقوه یا نئوآنتی‌ژن مهم را شناسایی کند که می‌توانستند کاندیدای مناسبی برای طراحی واکسن باشند. سپس این ایده را با پژوهشگران دانشگاه نیوساوث‌ولز در میان گذاشت.

این نقطه بسیار مهم است: واکسن در خانه و با کمک ChatGPT ساخته نشد.

پژوهشگران دانشگاهی داده‌ها و طراحی پیشنهادی را بررسی کردند، فرآیندهای علمی و اخلاقی لازم طی شد و تولید و اجرای درمان در محیط تخصصی و با مشارکت پژوهشگران و دامپزشکان انجام گرفت. UNSW نیز تأکید می‌کند که این پروژه حاصل همکاری کانینگهام با متخصصان ژنومیک، RNA و دامپزشکی بوده است.

بنابراین اگر بخواهیم نقش AI را دقیق تعریف کنیم، بهتر است آن را یک ابزار محاسباتی و پژوهشی در فرایند طراحی درمان بدانیم، نه یک «پزشک مصنوعی» که به‌تنهایی درمان سرطان را انجام داده است.

---

رُزی چه شد؟

نتیجه درمان، دلیل اصلی تبدیل‌شدن این داستان به یک خبر بزرگ است.

رُزی پس از دریافت درمان شخصی‌سازی‌شده، کاهش قابل‌توجهی در اندازه برخی تومورها نشان داد. طبق روایت UNSW، تومورهای روی پاهای او به‌شدت کوچک شدند و وضعیت عمومی و فعالیت حیوان نیز بهتر شد. با این حال، تمام تومورها به درمان پاسخ ندادند و پژوهشگران آن را درمان قطعی سرطان نمی‌دانند.

رُزی همچنین فقط mRNA دریافت نکرد.

در کنار واکسن، یک Checkpoint Inhibitor نیز در پروتکل درمانی او مورد استفاده قرار گرفت؛ نوعی ایمنی‌درمانی که با برداشتن برخی ترمزهای سیستم ایمنی، می‌تواند به سلول‌های ایمنی اجازه دهد فعال‌تر با تومور مبارزه کنند.

همین موضوع باعث ایجاد یک محدودیت علمی بسیار مهم می‌شود.

اگر دو درمان تقریباً هم‌زمان استفاده شوند و تومور بعد از آن کوچک شود، نمی‌توان با اطمینان گفت کدام درمان عامل اصلی پاسخ بوده است.

به همین دلیل، داستان رُزی را نباید به‌عنوان یک کارآزمایی بالینی موفق یا اثبات قطعی اثربخشی واکسن mRNA شخصی‌سازی‌شده معرفی کرد.

حتی خود روایت دانشگاهی UNSW نیز تأکید می‌کند که رُزی همچنان سرطان دارد و آنچه مشاهده شده یک partial response یا پاسخ نسبی بوده است، نه درمان کامل.

از یک سگ به یک شرکت؛ Gamgee چگونه شکل گرفت؟

با وجود این محدودیت‌ها، کانینگهام به یک نتیجه مهم رسید: شاید فناوری موردنیاز برای ساخت درمان‌های شخصی‌سازی‌شده از قبل وجود داشته باشد، اما دسترسی به این فناوری بسیار دشوار و پیچیده است.

او در وب‌سایت Gamgee توضیح می‌دهد که تجربه رُزی به او نشان داد می‌توان فرایندی شامل نمونه‌برداری، توالی‌یابی ژنومی، تحلیل جهش‌ها، طراحی درمان، تولید و سپس ارزیابی پاسخ بیمار را در قالب یک workflow یکپارچه قرار داد.

Gamgee حالا می‌خواهد همین ایده را از یک مورد استثنایی به یک فرایند قابل تکرار تبدیل کند.

این شرکت در حال حاضر روی درمان‌های شخصی‌سازی‌شده mRNA برای سرطان سگ‌ها تمرکز دارد و اعلام کرده آزمایش‌های بالینی خود را در استرالیا دنبال می‌کند. همچنین امکان ثبت درخواست برای موارد خارج از استرالیا نیز در وب‌سایت شرکت فراهم شده است.

فرایند پیشنهادی Gamgee نسبتاً روشن است:

ابتدا پرونده حیوان بررسی می‌شود، سپس از طریق دامپزشک نمونه بافتی گرفته و برای توالی‌یابی ارسال می‌شود؛ داده‌های ژنتیکی تومور تحلیل می‌شوند، جهش‌های مناسب برای هدف‌گیری سیستم ایمنی شناسایی و در نهایت یک درمان شخصی‌سازی‌شده طراحی می‌شود.

این شرکت در بخش ویژه دامپزشکان حتی توضیح داده که سامانه‌اش برای هر جهش، پیش‌بینی‌هایی درباره binding affinity و immunogenicity انجام می‌دهد و سپس کاندیداهای دارای بالاترین امتیاز را برای بررسی انسانی ارائه می‌کند.

این نکته اهمیت زیادی دارد: AI در این مدل بیشتر نقش موتور تحلیل و اولویت‌بندی دارد، نه تصمیم‌گیرنده نهایی.

---

Gamgee ادعای بزرگی دارد

Gamgee حالا می‌گوید هدفش تنها تکرار تجربه رُزی نیست.

شرکت در وب‌سایت خود اعلام کرده که می‌خواهد درمان سرطان را برای هر حیوان بر اساس ویژگی‌های مولکولی همان تومور طراحی کند و به‌مرور این رویکرد را به بیماری‌ها و گونه‌های دیگر نیز گسترش دهد. حتی در چشم‌انداز بلندمدت شرکت، کاربرد این فناوری برای انسان‌ها نیز مطرح شده است.

اما فاصله میان یک نمونه موفق و یک پلتفرم درمانی قابل استفاده برای هزاران یا میلیون‌ها بیمار بسیار زیاد است.

برای اینکه چنین سیستمی واقعاً وارد جریان اصلی پزشکی یا دامپزشکی شود، باید پرسش‌های مهمی درباره ایمنی، اثربخشی، تکرارپذیری، استانداردسازی تولید، انتخاب صحیح نئوآنتی‌ژن‌ها، پاسخ ایمنی و هزینه درمان پاسخ داده شود.

مهم‌تر از همه، باید مشخص شود که آیا پاسخ مشاهده‌شده در رُزی می‌تواند در تعداد زیادی از سگ‌های مبتلا به سرطان‌های مختلف نیز تکرار شود یا خیر.

چرا داستان Gamgee از نظر هوش مصنوعی مهم است؟

شاید جذاب‌ترین بخش این داستان اصلاً واکسن نباشد.

آنچه Gamgee نشان می‌دهد، تصویری از آینده‌ای است که در آن هوش مصنوعی می‌تواند فاصله میان داده‌های پیچیده زیستی و طراحی یک درمان شخصی را کاهش دهد.

امروزه یک نمونه تومور می‌تواند حجم عظیمی از اطلاعات ژنتیکی تولید کند. مشکل دیگر صرفاً «داشتن داده» نیست؛ مشکل این است که چگونه باید از میان میلیون‌ها داده، آن دسته از جهش‌هایی را پیدا کرد که واقعاً از نظر زیستی و درمانی اهمیت دارند.

AI می‌تواند در این مرحله بسیار ارزشمند باشد.

مدل‌های محاسباتی می‌توانند داده‌های ژنتیکی را غربال کنند، جهش‌ها را طبقه‌بندی کنند، ساختار پروتئین‌ها را مدل‌سازی کنند و کاندیداهای احتمالی را برای بررسی بیشتر در اختیار دانشمندان قرار دهند.

اما این همان نقطه‌ای است که باید میان AI-assisted science و AI-generated medicine تفاوت گذاشت.

در مورد رُزی، دانشمندان دانشگاهی، آزمایشگاه‌های ژنومیک، متخصصان RNA و دامپزشکان همچنان بخش جدایی‌ناپذیر فرایند بودند. حتی دانشگاه UNSW روایت این پروژه را به‌عنوان نمونه‌ای از همکاری میان یک متخصص یادگیری ماشین و دانشمندان زیستی توصیف کرده است.

بنابراین شاید تعبیر دقیق‌تر این نباشد که «هوش مصنوعی واکسن سرطان ساخت».

تعبیر دقیق‌تر این است:

یک انسان با کمک هوش مصنوعی، ژنومیک و شبکه‌ای از متخصصان، توانست مسیر طراحی یک درمان شخصی‌سازی‌شده را بسیار سریع‌تر و در دسترس‌تر از حالت معمول دنبال کند.

و همین تفاوت کوچک در جمله، تفاوت بزرگی در معنای علمی داستان ایجاد می‌کند.

---

از رُزی تا آینده پزشکی شخصی‌سازی‌شده

Gamgee اکنون پشتوانه سرمایه‌گذاری و همکاری‌هایی در استرالیا دارد و نام Y Combinator نیز در فهرست حامیان آن دیده می‌شود. این شرکت همچنین همکاری با مجموعه‌هایی مانند UNSW، University of Queensland و Garvan Institute را اعلام کرده است.

شرکت برای نخستین پروتکل خود، ze-ets-001، فرآیندی را طراحی کرده که از دریافت نمونه تومور تا طراحی درمان و تزریق آن توسط متخصص دامپزشکی را پوشش می‌دهد.

اما هنوز برای نتیجه‌گیری درباره موفقیت این مدل بسیار زود است.

رُزی یک نمونه مهم و الهام‌بخش است، اما یک نمونه واحد نمی‌تواند اثربخشی یک فناوری پزشکی را ثابت کند. حتی کاهش تومور نیز به‌تنهایی مشخص نمی‌کند که کدام بخش از درمان عامل اصلی پاسخ بوده است.

بااین‌حال، داستان Gamgee یک پرسش بسیار مهم را مطرح می‌کند:

اگر در آینده بتوانیم با ترکیب توالی‌یابی ژنوم، مدل‌های هوش مصنوعی، طراحی پروتئین، mRNA و زیرساخت‌های تولید زیستی برای هر بیمار یک درمان اختصاصی طراحی کنیم، آیا پزشکی از مدل «یک دارو برای میلیون‌ها نفر» به سمت مدل «یک درمان برای یک بیمار» حرکت خواهد کرد؟

پاسخ این سؤال هنوز مشخص نیست.

اما اتفاقی که برای رُزی افتاد نشان می‌دهد این ایده دیگر صرفاً یک مفهوم آزمایشگاهی نیست؛ حداقل یک نمونه واقعی از چنین زنجیره‌ای ساخته و آزمایش شده و حالا یک استارتاپ تلاش می‌کند آن را به یک پلتفرم قابل تکرار تبدیل کند.

و شاید مهم‌ترین بخش داستان همین باشد: AI در اینجا قرار نیست جای دانشمند را بگیرد؛ قرار است کاری را که برای یک انسان تقریباً غیرممکن است، از نظر پردازش و تحلیل داده قابل انجام‌تر کند.

برای چنین ادعای بزرگی، آزمایش‌های بالینی و داده‌های مستقل آینده بسیار مهم‌تر از داستان موفقیت یک سگ خواهند بود.

جمع‌بندی : 

داستان استارتاپ Gamgee و تلاش پل کانینگهام برای نجات رُزی، نمادی از پتانسیل شگرف ادغام هوش مصنوعی با علم زیست‌فناوری است. این رویکرد علمی به‌روشنی نشان می‌دهد که AI یک «پزشک مصنوعی» برای ساخت خودکار داروها نیست، بلکه یک دستیار محاسباتی بی‌نظیر است که در کنار متخصصان، فرآیند شناسایی اهداف درمانی را تسریع می‌کند. اگرچه این روش در مراحل ابتدایی قرار دارد و اثبات قطعی اثربخشی آن نیازمند کارآزمایی‌های بالینی گسترده است، اما همین گام‌های اولیه، مسیر را برای تحقق رؤیای پزشکی اختصاصی در آینده هموارتر کرده است.

———————————————————————————

• نکات کلیدی:

• تأسیس استارتاپ Gamgee توسط پل کانینگهام با هدف توسعه درمان‌های اختصاصی سرطان سگ‌ها، با تکیه بر علم ژنومیک، هوش مصنوعی و فناوری mRNA.

• استفاده از هوش مصنوعی به‌عنوان یک موتور تحلیلگر قدرتمند برای بررسی حجم عظیم داده‌های ژنتیکی تومور و شناسایی نئوآنتی‌ژن‌های هدف جهت طراحی واکسن.

• رد ادعای اغراق‌آمیز ساخت واکسن تنها توسط ChatGPT؛ طراحی این درمان حاصل همکاری مستقیم کانینگهام با پژوهشگران، دامپزشکان و متخصصان دانشگاه UNSW بوده است.

• مشاهده پاسخ نسبی (Partial Response) در سگ مبتلا به سرطان ماست‌سل پس از دریافت واکسن mRNA شخصی‌سازی‌شده.

• استفاده هم‌زمان از داروی ایمنی‌درمانی (Checkpoint Inhibitor) در کنار واکسن mRNA که امکان اثبات قطعی اثربخشی واکسن را به‌تنهایی دشوار می‌کند.

• تلاش Gamgee برای تبدیل این رویکرد درمانی استثنایی به یک فرآیند و پلتفرم قابل‌تکرار برای درمان حیوانات خانگی.

• نکات تکمیلی:

• واکسن‌های شخصی‌سازی‌شده mRNA در این روش عملکرد پیشگیرانه ندارند، بلکه برای آموزش سیستم ایمنی جهت شناسایی و حمله به سلول‌های سرطانی موجود طراحی می‌شوند.

• استارتاپ Gamgee حمایت مالی نهادهایی همچون Y Combinator را جلب کرده و در حال همکاری با مؤسسات معتبری مانند دانشگاه کوئینزلند است.

• هوش مصنوعی در این پلتفرم نقش تصمیم‌گیرنده نهایی را ندارد، بلکه با پیش‌بینی‌هایی درباره ایمنی‌زایی، بهترین کاندیداها را برای بررسی انسانی ارائه می‌کند.

• نتیجه گیری:

داستان استارتاپ Gamgee نشان‌دهنده یک تغییر پارادایم مهم در علم پزشکی است؛ جایی که هوش مصنوعی نقش کاتالیزور را برای پردازش داده‌های پیچیده زیستی ایفا می‌کند. اگرچه تا رسیدن به یک پلتفرم درمانی استاندارد و اثبات‌شده راه درازی در پیش است، اما این همکاری میان یادگیری ماشین و زیست‌فناوری نویدبخش آینده‌ای است که در آن درمان سرطان، از یک «داروی عمومی برای میلیون‌ها نفر»، به یک «درمان اختصاصی برای هر بیمار» تبدیل می‌شود.

• پرسش‌های تحقیقاتی بیشتر:

• چگونه می‌توان هزینه‌های سرسام‌آور توالی‌یابی ژنومی و تولید واکسن‌های اختصاصی mRNA را برای تجاری‌سازی انبوه در حوزه دامپزشکی کاهش داد؟

• مقررات اخلاقی و رگولاتوری‌های دامپزشکی (مانند FDA در بخش حیوانات) چگونه با سرعت بالای توسعه درمان‌های شخصی‌سازی‌شده مبتنی بر هوش مصنوعی سازگار خواهند شد؟

• در صورت موفقیت کامل پلتفرم Gamgee در دامپزشکی، چه موانع بیولوژیکی و قانونی برای انتقال این فناوری به فاز کارآزمایی‌های بالینی انسانی وجود خواهد داشت؟

• آیا شرکت‌های بزرگ داروسازی (Big Pharma) با استارتاپ‌هایی نظیر Gamgee وارد رقابت خواهند شد یا آن‌ها را برای توسعه خطوط درمان شخصی‌سازی‌شده خود خریداری می‌کنند؟

• سخن پایانی نویسنده :

وقتی این مقاله را تنظیم می‌کردم، هم تحت تأثیر عشق یک انسان به حیوان خانگی‌اش قرار گرفتم و هم مبهوت سرعت خیره‌کننده پیشرفت علم شدم. مردی در استرالیا برای نجات سگش، دست به دامن هوش مصنوعی و فناوری mRNA می‌شود و در نهایت یک استارتاپ بیوتکنولوژی برای کمک به سایرین تأسیس می‌کند. اما وقتی به زیست‌بوم خودمان در ایران نگاه می‌کنم، داستان گاهی متفاوت و تلخ است. ما اینجا نه تنها با چالش‌های اولیه تأمین واکسن‌های روتین و داروهای پایه برای حیوانات خانگی و حتی انسان‌ها دست‌به‌گریبانیم، بلکه محدودیت‌های اقتصادی، دسترسی به فناوری‌های نوین توالی‌یابی ژنومی را برای بسیاری به یک رؤیا تبدیل کرده است. با این حال، خواندن از پلتفرم‌هایی مثل Gamgee یک پیام روشن برای ما دارد: مرزهای علم دیگر به آزمایشگاه‌های چندمیلیون دلاری محدود نیست؛ بلکه ترکیب دانش نرم‌افزاری، هوش مصنوعی و داده‌های پزشکی می‌تواند میانبری برای حل پیچیده‌ترین بحران‌های سلامتی باشد. ما به‌عنوان پژوهشگران و توسعه‌دهندگان ایرانی باید این ترندها را رصد کنیم تا در روزگاری که موانع زیرساختی برطرف شد، از قطار پزشکی شخصی‌سازی‌شده جا نمانیم.

منبع : به گزارش UNSW

 

در مجله سایبرلایف بخوانید