Ενσωμάτωση της Τεχνητής Νοημοσύνης στη θεραπεία του καρκίνου.

Ο καρκίνος έχει σημαντικό αντίκτυπο στη δημόσια υγεία, επομένως η ανάγκη εξεύρεσης αποτελεσματικών, ασφαλών και βιώσιμων θεραπευτικών λύσεων καθίσταται ολοένα και πιο επείγουσα.

Báo Nhân dân•25/05/2026

Στο Ινστιτούτο Χημείας διεξάγεται έρευνα για την εύρεση πιθανών ενώσεων αναστολής του καρκίνου από φυσικά απαντώμενα πλαίσια ξανθόνης. (Φωτογραφία: VAN NGA)

Ο καρκίνος επηρεάζει σημαντικά τη δημόσια υγεία, καθιστώντας την ανάγκη για αποτελεσματικές, ασφαλείς και βιώσιμες λύσεις θεραπείας ολοένα και πιο επείγουσα. Η ενσωμάτωση της τεχνητής νοημοσύνης (AI), της υπολογιστικής υψηλής απόδοσης και της πειραματικής επικύρωσης ανοίγει αποτελεσματικές προσεγγίσεις στον σχεδιασμό παραγώγων ξανθόνης για στοχευμένη θεραπεία του καρκίνου.

Ο σχεδιασμός φαρμάκων με τη βοήθεια υπολογιστή (CADD) γίνεται μια σημαντική τάση στη σύγχρονη φαρμακευτική χημεία. Στο Βιετνάμ, η ενσωμάτωση της Τεχνητής Νοημοσύνης και της υπολογιστικής υψηλής απόδοσης με πειραματικές μεθόδους ανοίγει νέες προσεγγίσεις για την αξιοποίηση φυσικών ενώσεων. Σε αυτήν τη μελέτη, τα πλαίσια ξανθόνης επιλέχθηκαν ως ένα πολλά υποσχόμενο αρχικό υλικό, με μια ερευνητική διαδικασία προσανατολισμένη από την προσομοίωση έως την πειραματική επαλήθευση.

Παράλληλα με τις παραδοσιακές θεραπείες, η τάση στη σύγχρονη ανάπτυξη φαρμάκων μετατοπίζεται έντονα προς τον στοχευμένο σχεδιασμό φαρμάκων, σε συνδυασμό με προηγμένες υπολογιστικές τεχνολογίες για τη μείωση του χρόνου έρευνας και τη βελτίωση της αποτελεσματικότητας. Σε αυτή την τάση, οι φυσικές ενώσεις, ιδίως οι ξανθόνες, προσελκύουν την προσοχή λόγω του ποικίλου βιολογικού τους δυναμικού, συμπεριλαμβανομένης της αντικαρκινικής δράσης. Ωστόσο, η αποτελεσματική αξιοποίηση αυτών των ενώσεων παραμένει περιορισμένη εάν βασίζεται αποκλειστικά σε παραδοσιακές πειραματικές μεθόδους, οι οποίες είναι χρονοβόρες και δαπανηρές.

Ο Αναπληρωτής Καθηγητής, Δρ. Pham Minh Quan και οι συνάδελφοί του στο Ινστιτούτο Χημείας (Ακαδημία Επιστήμης και Τεχνολογίας του Βιετνάμ) υλοποίησαν το έργο «Έρευνα σχετικά με τη χρήση υπολογιστικής προσομοίωσης σε συνδυασμό με πειραματικές μεθόδους για την αναζήτηση πιθανών ενώσεων αναστολής των καρκινικών κυττάρων από ενώσεις πλαισίου ξανθόνης φυσικής προέλευσης». Το έργο αυτό στοχεύει στη δημιουργία μιας ολοκληρωμένης ερευνητικής διαδικασίας στην οποία χρησιμοποιούνται σύγχρονες υπολογιστικές μέθοδοι όπως η Τεχνητή Νοημοσύνη, η μοριακή προσομοίωση και η υπολογιστική υψηλής απόδοσης σε συνδυασμό με πειραματική επαλήθευση, συμβάλλοντας στο άνοιγμα μιας νέας προσέγγισης στην έρευνα και ανάπτυξη φαρμάκων στο Βιετνάμ.

Ο Αναπληρωτής Καθηγητής, Δρ. Pham Minh Quan, δήλωσε ότι η ερευνητική ομάδα έχει δημιουργήσει μια βάση δεδομένων με ενώσεις ξανθόνης, η οποία περιλαμβάνει τόσο ενώσεις με υπάρχοντα πειραματικά δεδομένα όσο και εκείνες που χρησιμοποιούνται για εικονικό έλεγχο. Με βάση αυτό, αναπτύχθηκε και εκπαιδεύτηκε ένα μοντέλο μηχανικής μάθησης για να προβλέπει τις πιθανές αλληλεπιδράσεις των ενώσεων με βιολογικούς στόχους που σχετίζονται με τον καρκίνο, δημιουργώντας έτσι γρήγορα μια λίστα πιθανών ενώσεων που αναστέλλουν την υπό μελέτη πρωτεΐνη. Ο συνδυασμός δημοσιευμένων πειραματικών δεδομένων με υπολογιστικά μοντέλα παρέχει σαφέστερη καθοδήγηση για τη διαδικασία ελέγχου, αντί να βασίζεται στην παραδοσιακή προσέγγιση «δοκιμής και σφάλματος».

Ταυτόχρονα, οι φαρμακοκινητικές παράμετροι και ο δείκτης «ομοιότητας φαρμάκου» των ενώσεων προβλέπονται επίσης χρησιμοποιώντας εξειδικευμένα υπολογιστικά εργαλεία. Αυτό διασφαλίζει ότι όχι μόνο επιλέγονται ενώσεις με υψηλό δυναμικό αναστολής της πρωτεΐνης-στόχου, αλλά και ότι πληρούνται βασικά κριτήρια για την ανάπτυξη φαρμάκων, όπως η απορρόφηση, η κατανομή και η ασφάλεια. Αυτό είναι ένα κρίσιμο βήμα για τη βελτίωση της αξιοπιστίας των υπολογιστικών προβλέψεων και την περαιτέρω μείωση της λίστας για τον εντοπισμό πιθανών προδρόμων ενώσεων πριν από τη μετάβαση στην πειραματική φάση.

Ένα από τα σημαντικότερα σημεία της έρευνας είναι η εφαρμογή μοντέλων βαθιάς μάθησης στον σχεδιασμό νέων παραγώγων από αναγνωρισμένες κύριες ενώσεις. Αντί για απλή «αναζήτηση», η έρευνα έκανε ένα κρίσιμο βήμα «σχεδιάζοντας» νέα παράγωγα με βάση τις δομές των κύριων ενώσεων με στόχο τη βελτίωση της δραστικότητας. Αυτή η προσέγγιση καταδεικνύει σαφώς τον ρόλο της Τεχνητής Νοημοσύνης όχι μόνο στην ανάλυση δεδομένων αλλά και στη δημιουργία νέων δομικών ενώσεων, μια κατεύθυνση που κερδίζει παγκόσμια προσοχή στον τομέα του σχεδιασμού φαρμάκων.

Αξίζει να σημειωθεί ότι, με τη λίστα των πιθανών παραγώγων που ελήφθησαν από τη διαδικασία προσομοίωσης, η μελέτη προχώρησε στην ημι-σύνθεση αυτών των παραγώγων με βάση το γαμβογικό οξύ - μια ένωση ξανθόνης που βρίσκεται σε αφθονία στη ρητίνη του φυτού Coptis chinensis. Δύο κύριες ομάδες παραγώγων, εστέρες (11 ενώσεις) και αμίδια (8 ενώσεις), συντέθηκαν με υψηλή απόδοση και η διαδικασία σύνθεσης αναπτύχθηκε και δημοσιεύτηκε επίσης.

Τα παράγωγα που λήφθηκαν αξιολογήθηκαν για τη βιολογική τους δράση σε καρκινικές κυτταρικές σειρές. Οι δύο πιο υποσχόμενες ενώσεις δοκιμάστηκαν περαιτέρω σε ζωικά μοντέλα για να προσδιοριστεί το ανασταλτικό τους δυναμικό κατά του όγκου, ενώ διεξήχθησαν αξιολογήσεις οξείας και υποχρόνιας τοξικότητας για να διασφαλιστεί η ασφάλεια. Τα αποτελέσματα έδειξαν ότι πολλά παράγωγα εμφάνισαν σημαντική αντικαρκινική δράση, σύμφωνα με τις προβλέψεις προσομοίωσης. Το μεθυλ γαμμογκάτη και η μορφολινυλ γαμβογαμίδη ξεχώρισαν με την ανώτερη ανασταλτική τους δράση κατά του όγκου.

Ωστόσο, σύμφωνα με τον Αναπληρωτή Καθηγητή Δρ. Pham Minh Quan, η εφαρμογή ολοκληρωμένης έρευνας εξακολουθεί να αντιμετωπίζει πολλές προκλήσεις. Πρώτον, υπάρχουν περιορισμοί στα δεδομένα εισόδου για τα μοντέλα μηχανικής μάθησης λόγω της έλλειψης υψηλής ποιότητας πειραματικών πηγών δεδομένων, που επηρεάζουν την προγνωστική αξιοπιστία. Επιπλέον, η αποτελεσματική ενσωμάτωση μεταξύ διεπιστημονικών ερευνητικών ομάδων, συμπεριλαμβανομένης της χημείας, της βιολογίας, της βιοπληροφορικής και της επιστήμης δεδομένων, απαιτεί στενό συντονισμό τόσο σε επίπεδο εμπειρογνωμοσύνης όσο και σε επίπεδο ροής εργασίας.

Με βάση αυτά τα αρχικά αποτελέσματα, η ερευνητική ομάδα σχεδιάζει να επεκτείνει την εφαρμογή του μοντέλου CADD σε άλλες ομάδες φυσικών ενώσεων στο μέλλον, διαφοροποιώντας παράλληλα τους θεραπευτικούς στόχους και συμβάλλοντας στη βελτίωση της έρευνας και ανάπτυξης φαρμάκων.

ΧΙΕΟΥ ΛΙΕΝ ΝΓΑ

Πηγή: https://nhandan.vn/tich-hop-ai-dieu-tri-ung-thu-post964425.html