מדענים מאוניברסיטת וירג'יניה פיתחו גישה חדשה ללמידת מכונה – סוג של בינה מלאכותית – כדי לזהות תרופות המסייעות למזער צלקות מזיקות לאחר התקף לב או פציעות אחרות.
ג'ף סוצ'רמן, דוקטורט. קרדיט תמונה: אוניברסיטת וירג'יניה
הכלי החדש ללימוד מכונה כבר מצא מועמד מבטיח לסייע במניעת צלקות לב מזיקות באופן שונה מתרופות קודמות. חוקרי ה-UVA אומרים כי למודל המחשב החדשני שלהם יש פוטנציאל לחזות ולהסביר את ההשפעות של תרופות גם למחלות אחרות.
"מחלות נפוצות רבות כמו מחלות לב, מחלות מטבוליות וסרטן הן מורכבות וקשות לטיפול," אמר החוקר אנדרס ר. נלסון, PhD, ביולוג חישובי וסטודנט לשעבר במעבדתו של ג'פרי ג'יי סוצ'רמן, PhD של UVA. "למידת מכונה עוזרת לנו להפחית את המורכבות הזו, לזהות את הגורמים החשובים ביותר שתורמים למחלות ולהבין טוב יותר כיצד תרופות יכולות לשנות תאים חולים."
לבד, למידת מכונה עוזרת לנו לזהות חתימות תאים המיוצרות על ידי תרופות. גישור למידת מכונה עם למידה אנושית עזר לנו לא רק לחזות תרופות נגד פיברוזיס (הצטלקות), אלא גם להסביר כיצד הן פועלות. הידע הזה נחוץ כדי לתכנן ניסויים קליניים ולזהות תופעות לוואי אפשריות".
ג'פרי ג'יי סוצ'רמן, דוקטור, המחלקה להנדסה ביו-רפואית של UVA, תוכנית משותפת של בית הספר לרפואה ובית הספר להנדסה
הכוח של שילוב למידה אנושית ולמידת מכונה
Saucerman וצוותו שילבו מודל ממוחשב המבוסס על עשרות שנים של ידע אנושי עם למידת מכונה כדי להבין טוב יותר כיצד תרופות משפיעות על תאים הנקראים פיברובלסטים. תאים אלו עוזרים לתקן את הלב לאחר פציעה על ידי ייצור קולגן וכיווץ הפצע. אבל הם יכולים גם לגרום לצלקות מזיקות, הנקראות פיברוזיס, כחלק מתהליך התיקון. סוצ'רמן וצוותו רצו לראות אם מבחר תרופות מבטיחות יעניקו לרופאים יותר יכולת למנוע צלקות ובסופו של דבר לשפר את תוצאות המטופל.
ניסיונות קודמים לזהות תרופות המכוונות לפיברובלסטים התמקדו רק בהיבטים נבחרים של התנהגות פיברובלסטים, והאופן שבו תרופות אלו פועלות לרוב נותר לא ברור. פער ידע זה היווה אתגר מרכזי בפיתוח טיפולים ממוקדים לפיברוזיס בלב. אז סאוסרמן ועמיתיו פיתחו גישה חדשה בשם "למידה מכאניסטית מבוססת-לוגיקה" שלא רק מנבאת תרופות אלא גם מנבאת כיצד הן משפיעות על התנהגויות פיברובלסטים.
הם התחילו בהסתכלות על ההשפעה של 13 תרופות מבטיחות על פיברובלסטים אנושיים, ולאחר מכן השתמשו בנתונים האלה כדי לאמן את מודל למידת המכונה כדי לחזות את השפעות התרופות על התאים וכיצד הם מתנהגים. המודל הצליח לחזות הסבר חדש כיצד התרופה פירפנידון, שכבר אושרה על ידי מינהל המזון והתרופות הפדרלי עבור פיברוזיס ריאתי אידיופטי, מדכאת סיבים מתכווצים בתוך הפיברובלסט שמקשיחים את הלב. המודל גם חזה כיצד סוג אחר של סיבים מתכווצים יכול להיות ממוקד על ידי מעכב Src הניסיוני WH4023, אותו הם אימתו ניסיוני עם פיברובלסטים לבביים אנושיים.
דרוש מחקר נוסף כדי לוודא שהתרופות פועלות כמתוכנן במודלים של בעלי חיים ובמטופלים אנושיים, אך חוקרי ה-UVA אומרים שהמחקר שלהם מצביע על כך שלמידת מכונה מכניסטית מהווה כלי רב עוצמה עבור מדענים המבקשים לגלות סיבה ותוצאה ביולוגית. הממצאים החדשים, לדבריהם, מדברים על הפוטנציאל הגדול שיש לטכנולוגיה לקדם את הפיתוח של טיפולים חדשים – לא רק לפגיעות לב אלא למחלות רבות.
"אנו מצפים לבדוק אם פירפנידון ו-WH4023 גם מדכאים את התכווצות הפיברובלסט של צלקות במודלים פרה-קליניים של בעלי חיים" אמר סוצ'רמן. "אנו מקווים שזה מספק דוגמה לאופן שבו למידת מכונה ולמידה אנושית יכולים לעבוד יחד כדי לא רק לגלות אלא גם להבין כיצד פועלות תרופות חדשות."
ממצאים שפורסמו
החוקרים פרסמו את ממצאיהם בכתב העת המדעי PNAS, Proceedings of the National Academy of Sciences. צוות המחקר הורכב מנלסון, סטיבן ל. כריסטיאנסן, קריסטן מ. נאגל וסאוסרמן. למדענים אין אינטרסים כספיים בעבודה.
המחקר נתמך על ידי המכון הלאומי לבריאות, מעניק HL137755, HL007284, HL160665, HL162925 ו-1S10OD021723-01A1.
