متخصصان مغز در گروه تحقیقاتی پزشکی و زیست‌فناوری مایکروسافت موسوم به Health Futures، یک مدل هوش مصنوعی ایجاد کرده‌اند که تومورها، سرطان پوست، عفونت‌های قفسه سینه و سایر مشکلات سلامتی را شناسایی می‌کند. متخصصان سلامت، با ارائه داده‌های حاصل از روش‌های تصویربرداری مرسوم به این هوش مصنوعی، می‌توانند از این مدل برای تشخیص علائمی از بیماری استفاده کنند که در غیر این صورت ممکن است مورد توجه قرار نگیرد. به طور معمول، تصاویر حاصل از سونوگرافی، سی‌تی اسکن، روش‌های ام‌آرآی و سایر روش‌ها به متخصصان انسانی فرستاده می‌شود که هر تصویر را به دقت بررسی کنند. دسته‌های سلولی غیرمعمول، تغییر جزئی در شکل سلول‌های پوستی، مایعی که می‌تواند نشان دهنده عفونت ریه و غیره باشد مورد بررسی قرار می‌گیرند. اما ریزترین نشانه‌های خطر، می‌توانند از زیر چشم رادار عبور کنند و احتمال اینکه بیمار ابتلا به یک مشکل خطرناک سلامتی را قبل از پیشرفت متوجه شود، از بین برود. برخی از مراحل شناسایی، مانند شناسایی تومور و نقشه‌برداری شکل دقیق آن، توسط گروهای جداگانه انجام می‌شود و برخی از اکتشافات بالقوه به ناچار از بین می‌روند. هدف مدل BiomedParse پر کردن این شکاف‌ها با کمک به انسان‌ها در انجام سه مرحله اصلی پردازش تصویر پزشکی یعنی یافتن موارد خطرناک، تشخیص و تقسیم‌بندی آنها است. Health Futures  می‌گوید که مدل آنها در ۹ روش تصویربرداری بهتر از چشم انسان عمل می‌کند و با موفقیت به عنوان یک راه حل تجزیه و تحلیل «کلی» برای طیف گسترده‌ای از تخصص‌ها کاربرد دارد. برای ساخت این مدل هوش مصنوعی، محققان از جی‌پی‌تی-۴ اُپن‌ای‌آی برای ایجاد یک مجموعه داده متمرکز بر دو مرحله اول پردازش تصاویر پزشکی استفاده کردند که شامل یافتن مورد خطرناک(شناسایی یک ناهنجاری) و تشخیص(تصویربرداری از آنچه که دقیقا باعث ایجاد ناهنجاری در محیط می‌شود)، بود. این مجموعه داده شامل بیش از شش میلیون تصویر از اندام، بافت شناسی و ناهنجاری‌های متفرقه و توضیحات متنی همراه با آن از سراسر بدن بود. این تصاویر هوش مصنوعی BiomedParse را قادر می‌سازد تا جزئیات ریز را از تصاویر سی‌تی‌اسکن، ام‌آرآی، اشعه ایکس، فراصوت، آسیب‌شناسی، فوندوس(پشت چشم)، درموسکوپی، آندوسکوپی و OCT(موج نور) تشخیص دهد. متخصصان پزشکی مجموعه‌ای از تصاویر برای مثال اسلایدهای آسیب‌شناسی از کبد بیمار و یک متن ساده را در اختیار این هوش مصنوعی قرار می‌دهند. سپس این مدل، اسلایدها را با تصاویر آموزشی مرتبط با بیماری ذکر شده در متن، مقایسه می‌کند. اگر مدل نشانه‌هایی از آن بیماری را پیدا کند، آن را اعلام می‌کند و اگر پیدا نکند، درخواست کاربر را به عنوان نامعتبر رد می‌کند. Health Futures ادعا می‌کند که هوش مصنوعی BiomedParse با موفقیت سرطان پوست، کیست، عفونت قفسه سینه ناشی از کووید-۱۹ و تومورها را در سراسر بدن شناسایی کرده است. مشخص نیست که آیا این گروه قصد دارد این فناوری را تجاری‌سازی کند یا خیر. در این میان، سایر مدل‌های هوش مصنوعی به متخصصان پزشکی کمک می‌کنند تا سرطان لوزالمعده، سرطان ریه، سرطان پستان و سایر شرایط تهدیدکننده حیات را شناسایی و پیش‌بینی کنند.

وب‌سایت رسمی دانشگاه کالیفرنیا سن‌دیگو گزارش داده است که یک پلتفرم هوش مصنوعی که در این ابداع شده است، در آزمایش‌ها توانست ۳۲ داروی جدید را برای هدف قرار دادن سرطان تولید کند. دانشمندان دانشگاه کالیفرنیا سن‌دیگو یک الگوریتم یادگیری ماشینی را برای شبیه‌سازی شیمی زمان‌بر مراحل اولیه کشف دارو توسعه داده‌اند که می‌تواند این فرآیند را به طور قابل‌توجهی ساده کند و امکان ارائه دادن درمان‌های جدید را فراهم آورد. در ادامه آمده است که شناسایی داروهای جدید برای بهبودی بیشتر معمولا شامل هزاران آزمایش فردی است اما پلتفرم جدید هوش مصنوعی می‌تواند نتایج یکسان را در کسری از زمان ارائه دهد. دانشمندان از این پلتفرم جدید برای تولید ۳۲ داروی جدید سرطان استفاده کردند. این فناوری، بخشی از یک روند جدید اما رو به ‌رشد در علم داروسازی برای استفاده کردن از هوش مصنوعی به منظور بهبود کشف و توسعه دارو است. تری آیدکر، استاد گروه پزشکی در دانشکده پزشکی دانشگاه کالیفرنیا سن‌دیگو و پژوهشگر ارشد این پروژه گفت: چند سال پیش، هوش مصنوعی یک کلمه کثیف در صنعت داروسازی بود اما اکنون این روند قطعا برعکس است زیرا استارت‌آپ‌های زیست‌فناوری بدون پرداختن به هوش مصنوعی برای جمع‌آوری سرمایه در کسب‌وکار خود مشکل پیدا می‌کنند. کشف دارو با هدایت هوش مصنوعی، به یک حوزه بسیار فعال در داروسازی تبدیل شده است اما بر خلاف روش‌هایی که در شرکت‌ها توسعه می‌یابند، ما فناوری خود را به صورت منبع باز و در دسترس برای هر کسی که می‌خواهد از آن استفاده کند، می‌سازیم. پلتفرم جدید که «POLYGON» نام دارد، در میان پلتفرم‌های هوش مصنوعی کشف دارو منحصربه‌فرد است، زیرا می‌تواند مولکول‌هایی را با اهداف متعدد شناسایی کند. این در حالی است که پروتکل‌های موجود کشف دارو در حال حاضر درمان‌های تک‌هدف را در اولویت قرار می‌دهند. داروهای چندهدف به دلیل پتانسیل خود برای ارائه مزایای مشابه با درمان ترکیبی و در عین حال، عوارض جانبی کمتر مورد توجه پزشکان و دانشمندان هستند. آیدکر گفت: یافتن و توسعه یک داروی جدید سال‌ها طول می‌کشد و میلیون‌ها دلار هزینه دارد؛ به ویژه اگر یک داروی چندهدف باشد. معدود داروهای چندهدفی که ما داریم، تا حد زیادی به طور تصادفی کشف شده‌اند اما این فناوری جدید می‌تواند شانس را از معادله حذف کند و آغازگر نسل جدیدی از پزشکی دقیق باشد. دانشمندان، POLYGON را روی یک پایگاه داده متشکل از بیش از یک میلیون مولکول فعال زیستی شناخته‌شده آموزش دادند که حاوی اطلاعات دقیق درباره خواص شیمیایی و تعاملات شناخته‌شده با اهداف پروتئینی است. الگوریتم POLYGON با یادگیری از الگوهای موجود در پایگاه داده می‌تواند فرمول‌های شیمیایی اصلی را برای داروهای جدید تولید کند که احتمالا دارای ویژگی‌هایی مانند توانایی مهار پروتئین‌های خاص هستند. آیدکر ادامه داد: درست مانند هوش مصنوعی که اکنون در تولید نقاشی‌ها و تصاویر اصلی مانند ایجاد تصاویر چهره انسان براساس ویژگی‌های دلخواه مانند سن یا جنسیت بسیار خوب است، POLYGON نیز می‌تواند ترکیبات مولکولی اصلی را براساس خواص شیمیایی مورد نظر تولید کند. در این مورد، به جای اینکه به هوش مصنوعی بگوییم می‌خواهیم چهره‌مان چند ساله باشد، به او می‌گوییم که می‌خواهیم داروی آینده ما با پروتئین‌های بیماری در تعامل قرار بگیرد. برای آزمایش کردن POLYGON، دانشمندان از آن برای تولید صدها دارو استفاده کردند که جفت‌های گوناگونی را از پروتئین‌های مرتبط با سرطان هدف قرار می‌دهند. از این میان، آنها ۳۲ مولکول را تولید کردند که قوی‌ترین تعاملات پیش‌بینی‌شده را با پروتئین‌های MEK1 و mTOR داشتند. این دو، پروتئین‌های سیگنال‌دهنده سلولی هستند که هدف امیدوارکننده‌ای برای درمان ترکیبی سرطان به شمار می‌روند. مهار هر دو پروتئین با هم برای از بین بردن سلول‌های سرطانی کافی است؛ حتی اگر مهار یکی از آنها به تنهایی انجام نشود. پژوهشگران دریافتند داروهایی که آنها تولید کرده‌اند، فعالیت قابل توجهی را در برابر MEK1 و mTOR دارند اما واکنش‌های خارج از هدف کمی را با سایر پروتئین‌ها نشان دادند. این نشان می‌دهد که یک یا چند داروی شناسایی‌شده توسط POLYGON می‌توانند هر دو پروتئین را به‌عنوان درمان سرطان هدف قرار دهند و فهرستی از گزینه‌ها را برای تنظیم دقیق توسط شیمی‌دان‌های انسانی ارائه کنند. ایدکر گفت: پس از دریافت داروها هنوز باید کارهای شیمیایی دیگری را انجام دهید تا آن گزینه‌های دارویی را به صورت یک درمان واحد و مؤثر درآورید. ما نمی‌توانیم و نباید سعی داشته باشیم تا تخصص انسانی را از روند کشف دارو حذف کنیم، بلکه باید چند مرحله از این فرآیند را کوتاه کنیم. به رغم این احتیاط، دانشمندان نسبت به قابلیت‌های هوش مصنوعی برای کشف دارو خوش‌بین هستند. آیدکر افزود: دیدن چگونگی اجرایی شدن این مفهوم در دهه آینده چه در دانشگاه و چه در بخش خصوصی بسیار هیجان‌انگیز خواهد بود. قابلیت‌های هوش مصنوعی عملا بی‌پایان هستند. این پژوهش در مجله «Nature Communications» به چاپ رسید.

تحقیقات در فناوری لیزر فوق سریع پتانسیل جدیدی را در درمان سرطان با دستیابی به شتاب الکترونی تا سطوح مگاالکترون‌ولت باز کرده است که نویدبخش پیشرفت در رادیوتراپی برای مراقبت موثرتر و همچنین نیاز به اقدامات آزمایشگاهی ایمن‌تر به دلیل خطرات قرار گرفتن در معرض تشعشعات است. سایت علمی اس‌دی در گزارشی نوشته است که تیم تحقیقاتی کانادایی در موسسه INRS به کشفی دست یافتند که می‌تواند اثربخشی پرتودرمانی در سرطان‌شناسی را افزایش دهد. در ادامه آمده است که فناوری لیزر فوق سریع به طور مداوم پیشرفت‌های غیرمنتظره‌ای را ارائه می‌دهد. در نگاه اول، مطالعات در این زمینه ممکن است تا حدودی انتزاعی به نظر برسد، اما اغلب به کاربردهای عملی منجر می‌شود. این امر به ویژه در بخش مراقبت‌های بهداشتی مشهود است، جایی که این فناوری در درمان سرطان‌های خاص به کار می‌رود. این کاربرد توسط تیم تحقیقاتی آزمایشگاه منبع نور لیزر پیشرفته(ALLS)  موسسه ملی تحقیقات علمی(INRS) به دنبال کار اخیر پروفسور فرانسوا لگاره مدیر مرکز تحقیقات مخابراتی مرکز EMT کشف شد. این کار ثمره همکاری با فیزیکدانان پزشکی در مرکز بهداشت دانشگاه مک‌گیل(MUHC)  است. مطالعه این تیم که در مجله Laser & Photonics Reviews منتشر شده است، نتایج شگفت‌انگیزی ارائه می‌کند که دانش ویژه‌ای را در مورد پالس‌های لیزر پرقدرت فراهم می‌کند. فرانسوا لگاره می‌گوید: «ما برای اولین بار نشان دادیم که تحت شرایط خاص، یک پرتوی لیزر که به شدت در هوای محیط متمرکز شده است، می‌تواند الکترون‌ها را به انرژی در محدوده مگاالکترون‌ولت (MeV)، یعنی همان اندازه‌ای که برخی از پرتودرمانی‌های مورد استفاده در پرتودرمانی سرطان استفاده می‌شوند، شتاب دهد.» ثابت شده بود که تمرکز یک پرتوی لیزری با شدت کافی در هوای محیط باعث تولید پلاسما در نقطه کانونی می‌شود. این پلاسما به عنوان منبعی از الکترون‌ها عمل می‌کند که می‌تواند حداکثر تا چند کیلوالکترون‌ولت به انرژی برسد. تا همین اواخر به دلیل محدودیت فیزیکی، رسیدن به انرژی‌های بالاتر در هوای محیط ممکن نبود. تیم تحقیقاتی توانست نشان دهد که الکترون‌هایی که در هوای محیط شتاب می‌گیرند، می‌توانند انرژی‌هایی در محدوده مگاالکترون‌ولت یا حدود ۱۰۰۰ برابر بیشتر از حد قبلی برسند. [caption id="attachment_10803" align="aligncenter" width="638"] عکس: شبکه‌های اجتماعی[/caption] بهبود درمان سرطان این پیشرفت تیم در مرکز INRS دریچه‌ای را به سوی پیشرفت‌های بزرگ در فیزیک پزشکی باز می‌کند. یک مثال بارز، رادیوتراپی FLASH است که یک رویکرد جدید برای درمان تومورهایی است که در برابر پرتودرمانی مرسوم مقاوم هستند. این تکنیکی است که می‌تواند برای ارسال دوزهای بالای تشعشع در زمان بسیار کوتاه (میکرو ثانیه به جای چند دقیقه) استفاده شود که از بافت سالم اطراف تومور بهتر محافظت می‌کند. این اثر FLASH هنوز در تحقیقات، ضعیف شناخته شده است، اما به نظر می‌رسد که شامل اکسیژن‌زدایی سریع از بافت‌های سالم است که حساسیت آن‌ها به تشعشع را کاهش می‌دهد. فرانسو لگاره می‌گوید: «هیچ مطالعه‌ای قادر به توضیح ماهیت اثر FLASH نبوده است. با این حال، منابع الکترونی مورد استفاده در رادیوتراپی FLASH دارای ویژگی‌های مشابهی هستند که ما با تمرکز لیزر خود به شدت در هوای محیط تولید می‌کنیم. هنگامی که منبع تشعشع بهتر کنترل شود، تحقیقات بیشتر به ما امکان می‌دهد بررسی کنیم که چه چیزی باعث اثر FLASH می‌شود و در نهایت درمان‌های پرتوهای بهتری را برای بیماران سرطانی ارائه دهیم.» [caption id="attachment_10801" align="aligncenter" width="578"] عکس: شبکه‌های اجتماعی[/caption] کنترل ایمن‌تر این کشف پیامدهای مشخصی دارد. در درجه اول، هنگام استفاده از پرتوهای لیزری که به شدت در هوای محیط متمرکز هستند، نیاز به احتیاط بیشتری دارد. سایمون والریس از اعضای تیم پژوهش توضیح می‌دهد که انرژی‌های الکترونی مشاهده شده به آن‌ها اجازه می‌دهد تا بیش از ۳ متر در هوا یا چندین میلی‌متر زیر پوست حرکت کنند که این یک خطر قرار گرفتن در معرض تشعشع را برای کاربران لیزر فراهم می‌کند. علاوه بر این، با انجام اندازه‌گیری‌ها در نزدیکی منبع، این تیم نرخ دوز تشعشع بالایی از الکترون‌ها را مشاهده کردند که سه تا چهار برابر بیشتر از آنهایی بود که در پرتودرمانی معمولی استفاده می‌شد. والریس می‌گوید: کشف این خطر تشعشع فرصتی برای اجرای اقدامات ایمن‌تر در آزمایشگاه‌هاست. این پژوهشگر جوان خاطرنشان می‌کند که کار با پرتوهای لیزر بسیار متمرکز در هوای محیط باید با دقت انجام شود و دانشمندان باید از قرار گرفتن در معرض دوزهای بالای تشعشع خودداری کنند، زیرا برای سلامتی مضر است.