طور باحثون من جامعة ولاية أوهايو في الولايات المتحدة الأمريكية منظومة جديدة لتعلم الآلة قادرة على معالجة كميات ضخمة من البيانات الطبية للعمل على اكتشاف استخدامات علاجية جديدة للأدوية المعروفة في أمراض لم تكن توصف لعلاجها ما يؤدي إلى تحسين معدلات شفائها، ونشروا بحثهم في مجلة نيشتر مشين إنتيلجينس.
وتتيح المنظومة الجديدة معالجة كميات ضخمة من البيانات المتعلقة برعاية المرضى بالاعتماد على حواسيب فائقة لتحديد الأدوية المرشحة لاستخدامها في علاج أمراض أخرى ثم توقع تأثيراتها.
معروف أن اكتشاف استطبابات جديدة للأدوية، فكرة قديمة طبقت على العديد من العقاقير. إلا أن استنباطها بالطريقة التقليدية يعتمد على عوامل الصدفة والتجارب السريرية العشوائية التي تستغرق وقتًا طويلًا وتكلف كثيرًا.
وقال المؤلف الأول للبحث، بينج تشانغ، الأستاذ المساعد في علوم الحوسبة والهندسة والمعلوماتية الطبية الحيوية في جامعة ولاية أوهايو الأمريكية «يسرع استخدام الذكاء الاصطناعي توقع نتائج اختبار دواء معين على المرضى مع تسريع توليد الفرضيات وربما تسريع التجارب السريرية، لكنه لن يكون بديلًا عن الطبيب، فقرارات استخدام الأدوية ستبقى دائمًا بيد الأطباء.»
ومع أن البحث ركز على إعادة استخدام أدوية الوقاية من قصور القلب والسكتة الدماغية لدى مرضى الشريان التاجي، إلا أن المنظومة مرنة وقابلة للتطبيق على معظم العقاقير.
ولا ريب أن إعادة استخدام الأدوية التي نعرفها لعلاج أمراض أخرى خيار جذاب جدًا لأنه يختصر الوقت ويغني عن الخوض في مخاطر اختبار سلامة الأدوية الجديدة، ويسرّع بدء الاستخدام السريري للدواء.
أوضع تشانغ أن النظام الجديد يفسر مئات أو آلاف الاختلافات البشرية لمجموعة كبيرة من السكان والتي تؤثر على عمل الأدوية في الجسم. وتشمل تلك العوامل العمر والجنس والعرق وشدة المرض والإصابة بأمراض أخرى، وتسمى تلك العوامل: عوامل الإرباك. وحلل النظام بيانات فعلية مسجلة في السجلات الطبية الإلكترونية أو مطالبات التأمين لنحو 1.2 مليون مريض بأمراض القلب مع وصفاتهم ونتائج المعالجة والقيم المختلفة للعوامل المربكة المحتملة.
قال تشانغ «حين يكون لدينا مئات أو آلاف العوامل المربكة، لن يستطيع أي إنسان من معالجتها ولا بد من الاعتماد على الذكاء الاصطناعي لحل المشكلة، ونحن أول من استخدم خوارزمية تعلم عميق للتعامل مع بيانات العالم الحقيقي، والتحكم في العديد من عوامل الإرباك، ومحاكاة التجارب السريرية.»
طبق الباحثون نظرية الاستدلال السببي، لتصنيف الأدوية الفعالة ومجموعات مرضى الدواء الوهمي في التجارب السريرية، وتتبع نموذج الذكاء الاصطناعي تطور حالات المرضى لمدة عامين وقارن حالاتهم المرضية.
وأوضح تشانغ أن الاستدلال السببي يتيح اكتشاف العلاج الذي أفضل تأثير في حالات معينة، وأكد أن ما وجده الفريق من أدوية في دراستهم يعد أقل أهمية من تطوير الطريقة الجديدة التي تعد باستخدامات علاجية جديدة لآلاف الأدوية الأخرى.
The post ذكاء اصطناعي يكتشف استخدامات علاجية جديدة لأدوية قديمة appeared first on مرصد المستقبل.