در عصر هوش مصنوعی چقدر به درمان سرطان با میکروRNAها نزدیک هستیم؟
در این مقاله
انقلابیون خاموش انکولوژی در عصر هوش مصنوعی: میکروRNAها
DOI: 10.1038/s41571-025-01114-x · تاریخ انتشار: 15 ژانویهٔ 2026
مؤسسه: مرکز سرطان MD Anderson (هیوستون، ایالات متحده)، Charité (برلین)، کنسرسیوم سرطان آلمان (DKTK)
در 1993 در کرم‌های Caenorhabditis elegans کشف یک مولکول کوچک تنظیم‌کنندهٔ ژن آغازگر سفری سه‌دهه‌ای بود که می‌تواند انکولوژی را با انقلابی خاموش دگرگون کند: میکروRNAها (miRNA). این مولکول‌های RNA غیرکدکننده که تنها 18-25 نوکلئوتید طول دارند، «رهبران ارکستر» واقعی هستند که بیان ژن را با تنظیم نهایی و ظریف هدایت می‌کنند. در بسیاری از سرطان‌ها به شکلی غیرطبیعی بیان می‌شوند — برخی مانند انکوژن عمل می‌کنند و تومور را تقویت می‌کنند، برخی کارکرد سرکوبگر تومور دارند. با وجود سی سال پژوهش فشرده، هنوز هیچ زیست‌نشانگر miRNA در عمل بالینی جا نیفتاده است. با این حال، در Nature Reviews Clinical Oncologyدر ژانویهٔ 2026 این مرور جامع منتشر شد که به نکته‌ای مهم اشاره می‌کند: موج هوش مصنوعی و یادگیری ماشین، عبور از موانعی را که سال‌ها miRNAها را متوقف کرده بودند آغاز کرده است. گروهی به سرپرستی George Calin از MD Anderson، این تحول از زیست‌شناسی miRNA تا انتقال به کاربرد بالینی و آنچه می‌توان در ده سال آینده انتظار داشت را با دقت ترسیم می‌کند.
میکروRNA چیست؟ یک انقلاب در سه جمله
میکروRNAها مولکول‌های بسیار کوتاه RNA هستند که سلول با استفاده از ژن‌های خود تولید می‌کند. وظیفهٔ آن‌ها تبدیل شدن به پروتئین نیست، بلکه تنظیم بیان ژن با خاموش کردن mRNAهای دیگراست. یک miRNA به‌تنهایی می‌تواند هم‌زمان صدها mRNA متفاوت را هدف بگیرد — یعنی یک مولکول کوچک می‌تواند شبکهٔ گسترده‌ای از ژن‌ها را اداره کند. همین قدرت تنظیمی گسترده توضیح می‌دهد که miRNAها در سرطان چقدر مهم و در عین حال چقدر پیچیده هستند.
نقش دوگانه: یک miRNA، چهره‌ای متفاوت در زمینه‌ای متفاوت
یکی از شگفت‌انگیزترین جنبه‌های زیست‌شناسی miRNA، وابستگی به زمینهاست. یک miRNA ممکن است در یک نوع سلول سرکوبگر تومور و در نوع دیگری از سلول مانند انکوژن عمل کند. برای مثال، miR-200cدر سرطان تهاجمی پستان و سرطان کولورکتال کارکرد سرکوبگر تومور دارد (با مهار mRNAهای ZEB1 و ZEB2 از EMT جلوگیری می‌کند)؛ اما در مراحل آغازین سرطان پستان، بیان بالای miR-200c ممکن است تکثیر سلولی و مقاومت به شیمی‌درمانی را افزایش دهد. این تناقض نشان می‌دهد که قرار دادن miRNAها در دسته‌های «خوب» یا «بد» کافی نیست — داستان واقعی به این مربوط است که در کدام سلول، در چه زمانی و در کدام شبکهٔ تنظیمی قرار دارند.
یک مولکول تنظیم‌کنندهٔ یکسان می‌تواند بسته به زمینهٔ سلولی، تومور را تقویت یا سرکوب کند
وجهی از وعدهٔ سی‌ساله که هنوز محقق نشده است: رؤیای یک زیست‌نشانگر miRNA منفرد
امید اولیه بسیار بزرگ بود: آیا یک miRNA منفرد که در خون در گردش بررسی می‌شود می‌توانست تومورهایی را شناسایی کند که هنوز از نظر پزشکی قابل مشاهده نبودند؟ سی سال پژوهش نشان داد که این رؤیای ساده محقق نشده است . هیچ زیست‌نشانگر miRNA منفرد در گردش نتوانست به دقت تشخیصی لازم برای شناسایی سرطان برسد. علت چندلایه است: سطح miRNA از سن، جنس، قومیت، بیماری‌های همراه و ریزمحیط تومور تأثیر می‌پذیرد؛ یک miRNA منفرد حساسیت و ویژگی کافی برای ارائهٔ سیگنال در میان تمام این متغیرها ندارد.
اما این حوزه با پذیرفتن این ناکامی، مسیر خود را تغییر داد. پیام اصلی که مرور Calin و همکاران بر آن تأکید می‌کند این است: تشخیص سرطان باید با پنل‌های miRNA انجام شود، نه با یک miRNA منفرد. درست در همین نقطه هوش مصنوعی وارد عمل می‌شود — برای ارزیابی هم‌زمان صدها و حتی هزاران miRNA و ساختن یک «امضا».
دگرگونی پژوهش miRNA به‌واسطهٔ هوش مصنوعی: شتابی 25 ساله
یکی از روشنگرترین جنبه‌های مرور، ترسیم زمانی روند ادغام هوش مصنوعی و یادگیری ماشین در پژوهش‌های انکولوژی است. این سفر از نخستین کاربردهای یادگیری ماشین در طبقه‌بندی سرطان در 1999 تا مدل‌های پایه‌ای که در 2024 روی آن‌ها کار می‌شد (foundation models)، سرنخ‌های مهمی از جهت تحول انکولوژی بالینی ارائه می‌کند.
تکامل 25 سالهٔ هوش مصنوعی و یادگیری ماشین در انکولوژی
سفری از نخستین کاربردهای SVM تا مدل‌های پایه (foundation models)
نتایج چشمگیر مطالعات miRNA با پشتیبانی هوش مصنوعی
چند مطالعهٔ مطرح‌شده در مرور، ظرفیت واقعی ترکیب miRNA + هوش مصنوعی را نشان می‌دهند:
شاید شگفت‌انگیزترینِ این اعداد، آخری باشد. تحلیل Self-organizing map (SOM) — شبکهٔ عصبی مصنوعی خودسازمان‌ده — حتی در نمونه‌های سرم گرفته‌شده 32 سال پیش از سرطان، تغییر احتمالی امضای miRNA را نشان داد. نمونه‌های خون سال‌های قبلِ 30 بیمار که به سرطان ریه، پستان یا کولون مبتلا شدند، امضاهای miRNA قابل تمایز از گروه شاهد داشتند. این یافته از یک سو از نظر پیشگیری از سرطان هیجان‌انگیز است (آیا تشخیص بسیار زودهنگام ممکن است؟)، و از سوی دیگر پرسش‌هایی از نظر زیستی نگران‌کننده مطرح می‌کند: آیا تغییراتی که سرطان را آغاز می‌کنند واقعاً از دهه‌ها قبل شروع می‌شوند؟
EMERALD: درس‌های مطالعهٔ چندمرکزی miRNA با پشتیبانی هوش مصنوعی
مطالعهٔ EMERALD که در مرور به‌طور ویژه بر آن تأکید شده، مطالعه‌ای با کوهورت بزرگ در چهار کشور است. در بیماران مبتلا به آدنوکارسینوم مری (EAC)، پنل 6 miRNA (miR-106b-5p، miR-146a-5p، miR-15a-5p، miR-18a-5p، miR-21-5p و miR-93-5p) با بیان بیش از حد، به کمک مدل‌های یادگیری ماشین کشف و اعتبارسنجی شد. این پنل توانست بیماران مبتلا به EAC یا مری بارتِ پیش‌بدخیم را با AUC برابر با 0,919 از گروه شاهد متمایز کند.
چشمگیرتر اینکه این پنل 6-miRNA توانست در میان افراد دارای علائم رفلاکس معده به مری، افراد مبتلا به مری بارت را با AUC برابر با %94,8 شناسایی کند. معنای بالینی: توانایی شناسایی گروه در معرض خطری که در میان بیماران رفلاکس به بارت مبتلا شده‌اند، با آزمایش خون — این می‌تواند به‌طور بالقوه بار آندوسکوپی را از نظر زمان، هزینه و آسایش بیمار کاهش دهد.
درمان‌های miRNA: کارآزمایی‌های جسورانه و درس‌های تلخ
ایدهٔ استفاده از miRNAها به‌عنوان درمان بسیار جذاب است — بازتنظیم شبکهٔ گسترده‌ای از ژن‌ها با هدف گرفتن تنها یک مولکول. اما واقعیت بسیار پیچیده‌تر از آب درآمد. طبق داده‌های ClinicalTrials.gov، تا ژوئن 2025 در انکولوژی در ارتباط با miRNA، 472 مطالعهٔ بالینی ثبت شده است؛ اما هیچ‌یک هنوز به درمانی تأییدشده تبدیل نشده‌اند. یکی از آموزنده‌ترین بخش‌های مرور، چشم‌انداز پژوهش‌های بالینی است که ناکامی را صادقانه تحلیل می‌کند:
MRX34 (مقلد مصنوعی miR-34a)، نخستین کارآزمایی انسانی، در فاصلهٔ 2014-2016 در 85 بیمار مبتلا به سرطان پیشرفته آزمایش شد. نتیجه:
- پاسخ نسبی در 3 بیمار
- بیماری پایدار در 16 بیمار (میانهٔ 19 هفته)
- اتصال به miRNA هدف اثبات شد
- ⚠ مطالعه با 4 مورد مرگ، پیش از موعد خاتمه یافت
- علت: عوارض جانبی شدید با واسطهٔ ایمنی (شبیه طوفان سیتوکینی)
cobomarsen، مهارکنندهٔ miR-155 (الیگونوکلئوتید آنتی‌سنس اصلاح‌شده با LNA)، در لنفوم پوستی سلول T (CTCL):
- فاز 1 در 66 بیمار با موفقیت تکمیل شد
- پاسخ بالینی در >%50 بیماران
- کوچک شدن ضایعات وابسته به دوز
- بدون سمیت محدودکنندهٔ دوز
- فاز 2 SOLAR آغاز شد...
- ⚠ ...اما با تصمیم تجاری حامی، زودهنگام خاتمه یافت (علت، مشکل ایمنی/اثربخشی نبود)
تراژدی MRX34 درس مهمی به پژوهش درمان با miRNA داد: مقلدهای RNA دورشته‌ای و حامل‌های لیپوزومی می‌توانند سیستم ایمنی را به شکلی پیش‌بینی‌ناپذیر تحریک کنند. به همین علت، این حوزه به‌سوی مهارکننده‌های آنتی‌سنس اصلاح‌شده با LNA با انتخاب‌پذیری بیشتر و ایمنی‌زایی کمتر حرکت کرد. Cobomarsen ثمرهٔ این تغییر مسیر است.
چشم‌انداز مطالعات بالینی در حال انجام
🟢 LNA-i-miR-221 (برای HCC، فاز 1 تکمیل شده است)
مهارکنندهٔ miR-221 در بیماران مبتلا به کارسینوم هپاتوسلولار آزمایش شد. سمیت درجهٔ ≥3 وجود نداشت، مهار miRNA هدف اثبات شد و پاسخ نسبی مشاهده شد.
🟡 INT-1B3 (مقلد miR-193a-3p، فاز 1 زودهنگام خاتمه یافت)
این مقلد با فرمولاسیون LNP که در تومورهای توپر آزمایش شد، به علت کمبود تأمین مالی زودهنگام متوقف شد — علت علمی نبود، مالی بود.
🟡 TargomiRs (مزوتلیوما + سرطان ریهٔ غیرسلول‌کوچک، فاز 1 تکمیل شده است)
رسانش هدف‌گیرندهٔ EGFR برای مقلد miR-16 با مینی‌سلول‌های باکتریایی EnGeneIC؛ تثبیت بیماری و موارد نادر کوچک شدن تومور مشاهده شد.
🟡 TTX-MC138 (مهارکنندهٔ miR-10b، پستان سه‌گانه منفی + متاستاز کبدی)
مهارکننده با فرمولاسیون نانوذرات اکسید آهن؛ فاز 0/1 تکمیل شده و فاز 1/2 در آستانهٔ آغاز است. سمیت محدودکنندهٔ دوز وجود ندارد.
موانع انتقال به کاربرد بالینی: سه جبههٔ بزرگ
- یک miRNA صدها mRNA را هدف می‌گیرد
- یک mRNA به‌وسیلهٔ miRNAهای متعدد تنظیم می‌شود
- نقش‌های دوگانهٔ وابسته به زمینه
- سازوکارهای جبرانی (lncRNA، circRNA)
- حلقه‌های متعدد بازخورد تنظیمی
- تخریب RNA و عوارض جانبی استخراج
- ناسازگاری میان پلتفرم‌ها (qPCR، توالی‌یابی، ریزآرایه)
- نبود راهبرد نرمال‌سازی
- کنار گذاشتن isomiRها از تحلیل استاندارد
- نرخ بالای مثبت کاذب الگوریتم‌های پیش‌بینی هدف
- مشکل دارورسانی هدفمند
- ایمنی‌زایی (فعال شدن TLR، طوفان سیتوکینی)
- عوارض جانبی خارج از بافت
- ناکافی بودن فرار اندوزومی
- نبود نقطهٔ پایانی فارماکودینامیک استاندارد
رویکردهای تازه: هوش مصنوعی و سامانه‌های رسانش نوآورانه
با وجود موانع، این حوزه به‌سرعت در حال تحول است. مرور Calin و همکاران چند رویکرد امیدوارکننده را برجسته می‌کند که می‌توانند انتقال به کاربرد بالینی را در آینده ممکن کنند:
با الهام از موفقیت کونژوگه‌های آنتی‌بادی–دارو (ADC)، کونژوگه‌های آنتی‌بادی–الیگونوکلئوتید (AOC) توسعه یافته‌اند و به‌طور ویژه جلب توجه می‌کنند. این رویکرد با فراهم کردن رسانش اختصاصی مقلد یا مهارکنندهٔ miRNA به سلول‌های سرطانی مشخص، ظرفیت افزایش اثربخشی و کاهش سمیت را به‌طور هم‌زمان دارد. AOCهای موجود عمدتاً حامل siRNA یا الیگونوکلئوتید آنتی‌سنس هستند؛ اما همین اصل را می‌توان برای درمان‌های miRNA نیز به کار گرفت.
نقطهٔ عطف آینده: نقشه‌برداری فضایی miRNA
Patho-DBiT و نسل جدید ترنسکریپتومیک فضایی
شاید هیجان‌انگیزترین بخش مرور، فناوری‌های تازه‌ای باشد که نقشه‌برداری از توزیع فضایی miRNAها درون تومور را ممکن می‌کنند. Patho-DBiT (pathology-compatible deterministic barcoding in tissue) و پلتفرم‌های مشابه با عبور از موانع فنی مانند بدون‌دُم بودن miRNAهای بالغ (نداشتن پلی‌آدنیلاسیون)، می‌توانند حتی در نمونه‌های توموری جاسازی‌شده در پارافین، توزیع miRNA را نشان دهند. نخستین کاربرد با تأیید مجدد miR-142، miR-150، miR-146a و miR-21 در لنفوم سلول B ناحیهٔ حاشیه‌ای خارج‌گرهی انجام شد. تطبیق این فناوری برای تومورهای شایع مانند سرطان ریه، پستان و کولورکتال، نقش miRNAها در ریزمحیط تومور را در محور «سلول‌های توموری در برابر سلول‌های T در برابر استروما» نقشه‌برداری خواهد کرد — یعنی پاسخ به پرسش بر کجا اثر می‌گذارد در آیندهٔ نزدیک روشن‌تر خواهد شد.
آنچه پیش‌تر در drozdogan.com بررسی کرده بودیم، یعنی ریزمحیط سرکوبگر ایمنی گره‌های لنفاوی تخلیه‌کنندهٔ تومور نیز تحت تأثیر miRNAها قرار دارد — به‌ویژه اثر آن‌ها بر افزایش Treg و بلوغ سلول‌های دندریتیک. فناوری‌های ترنسکریپتومیک فضایی می‌توانند نقشهٔ راه مولکولی دستکاری ایمنی در TDLNهای سرطان ریه را ترسیم کنند.
پیامدها برای کار بالینی در ترکیه و جایگاه راهبردی
این مرور چند پیام مهم برای پژوهش و کار بالینی انکولوژی در ترکیه دارد. نخست، زیرساخت ملی زیست‌بانک برای پژوهش زیست‌نشانگرهای miRNA روزبه‌روز حیاتی‌تر می‌شود. مشارکت ترکیه در مطالعات چندمرکزی و چندکشوری مانند EMERALD، به‌ویژه برای آدنوکارسینوم مری و معده (با بروز بالا در ترکیه)، می‌تواند اهمیت راهبردی داشته باشد. امضاهای miRNA جمعیت ترکیه ممکن است با کوهورت‌های غربی متفاوت باشند؛ بنابراین مطالعات اعتبارسنجی محلی ضروری خواهند بود.
دوم، ادغام توانمندی‌های هوش مصنوعی و یادگیری ماشین در پژوهش انکولوژی زمینهٔ فرصت مهمی برای ترکیه است. با همکاری TÜBİTAK و مراکز بزرگ انکولوژی دانشگاهی، می‌توان پلتفرم‌های مشترکی برای کشف زیست‌نشانگر miRNA با پشتیبانی هوش مصنوعی ایجاد کرد. به‌ویژه در مدل‌های مبتنی بر داده‌های رایگان (مانند TCGA و GEO)، دانشمندان ترکیه در آغاز کار می‌توانند اقدامات بسیاری انجام دهند.
سوم، حوزهٔ بیوپسی مایع در نظام بازپرداخت SGK چه جایگاهی خواهد یافت؟ در وضعیت کنونی، آزمایش‌های DNA توموری در گردش بازپرداخت محدودی دارند؛ پنل‌های miRNA نیز با توسعهٔ پشتوانهٔ شواهد، موضوع بحث مشابهی خواهند شد. پیگیری فعالانهٔ پیشرفت‌های این حوزه توسط سازوکارهای تصمیم‌گیری سیاست سلامت می‌تواند دسترسی بیماران ما به ابزارهای تشخیصی نوآورانه را تسریع کند.
چهارم، پیام ملموس برای انکولوژیست‌های بالینی این است: درمان‌های مبتنی بر miRNA هنوز برای کاربرد بالینی تأییدشده آماده نیستند؛ اما این حوزه‌ای است که جهت آن می‌تواند تغییر کند. برای گزینه‌هایی مانند cobomarsen در بیماران CTCL یا LNA-i-miR-221 در بیماران HCC، ارجاع بیمارانمان به مطالعات پژوهشی بالینی بین‌المللی یک گزینه است. زیرساخت جامع انکولوژی مولکولی مراکزی مانند Memorial Göztepe پایه‌ای برای ادغام در کارآزمایی‌های آیندهٔ درمان شخصی‌سازی‌شدهٔ مبتنی بر miRNA فراهم می‌کند.
🎓 آکادمی DROZDOGAN — تفسیر و بحث
میکروRNA · بیوپسی مایع · هوش مصنوعی · یادگیری ماشین · انتقال به کاربرد بالینی
اهمیت این مرور
سی سال گذشتهٔ ادبیات انکولوژی به جهان آموخته است که miRNAها در زیست‌شناسی سرطان نقشی محوری دارند. سفر از حذف miR-15a/16-1 در CLL که Calin در 2002 کشف کرد تا مدل‌های امروزیِ همهٔ انواع سرطان با پشتیبانی هوش مصنوعی، یکی از نمونه‌های شاخص تاریخ علم است. اما در همین مدت، سرمایه‌گذاری ده‌ها میلیون دلاری هنوز حتی یک زیست‌نشانگر miRNA مورد استفاده در عمل بالینی تولید نکرده است. همین تناقض، بستر پرسش اصلی مرور است: چه میزان از این سی سال پژوهش فشرده را به عمل بالینی منتقل خواهیم کرد؟ پیشرفت فوق‌العادهٔ هوش مصنوعی و یادگیری ماشین در چند سال اخیر ممکن است در حال کمک به عبور از موانع فنیِ زیربنای ناکامی‌های پیشین باشد (تحلیل داده‌های پُربُعد، ادغام چنداُمیک، ارزیابی امضاهای متعدد miRNA). Calin و همکاران شواهد ملموس این تغییر مسیر را با نمونه‌های متعدد مطالعات ارائه می‌کنند و ظرفیت خروج پژوهش miRNA از دستهٔ «موفق از نظر علمی، ناموفق در بالین» را به‌طور جدی به بحث می‌گذارند. این نه‌تنها برای حوزهٔ miRNA، بلکه از نظر فلسفهٔ کلی پژوهش زیست‌نشانگرهای سرطان نیز مهم است — گذار از جست‌وجوی یک مولکول منفرد به مدل‌های مبتنی بر امضا، تغییر بنیادی پارادایم در انکولوژی مولکولی مدرن است.
نقاط قوت
توان روش‌شناختی مرور در ارائهٔ نگاهی چندلایه است: از زیست‌شناسی پایه (مسیرهای زیست‌زایی miRNA، نقش‌های دوگانه، کارکردهای وابسته به زمینه) تا کاربردهای انتقالی به بالین (بیوپسی مایع، سامانه‌های رسانش درمانی) و روش‌های مدل‌سازی مبتنی بر هوش مصنوعی (الگوریتم‌های کلاسیک ML، یادگیری عمیق، مدل‌های پایه)، تصویری جامع ترسیم می‌شود. هم‌نویسندگی دانشمندان مؤسسات پیشروی جهانی مانند MD Anderson، Charité و کنسرسیوم سرطان آلمان (DKTK)، اعتبار علمی مرور را تقویت می‌کند. ارائهٔ پژوهش‌های بالینی به‌ویژه ارزشمند است — به مطالعات ناموفق (MRX34) و نتایج امیدوارکننده (cobomarsen) با دقتی یکسان پرداخته شده و «شفافیت»، اصل اساسی اخلاق پزشکی، حفظ شده است. همچنین نوآوری‌های ملموسی که ممکن است در آینده برای کاربرد آماده باشند (Patho-DBiT، sChemNET، پلتفرم‌های AOC) به خواننده منتقل شده‌اند؛ این رویکرد، ویژگی راهنمای مرور برای جهت‌گیری پژوهش در پنج تا ده سال آینده را تقویت می‌کند. رویکرد خودانتقادی به محدودیت‌های هوش مصنوعی نیز شایستهٔ تقدیر است — موضوعاتی مانند مشکل «جعبهٔ سیاه»، خطر نمونهٔ کوچک و نبود اعتبارسنجی خارجی بدون امیدواری اغراق‌آمیز بحث شده‌اند.
محدودیت‌ها و پرسش‌های باز
در ارزیابی انتقادی، نکات مهمی جلب توجه می‌کنند. نخست، مرور به‌طور کلی نگاهی امیدوارانه به آیندهٔ پزشکی مبتنی بر miRNA ارائه می‌کند؛ اما باید به یاد داشت که سی سال است امیدهای مشابهی محقق نشده‌اند. ادعاهای اینکه هوش مصنوعی این موانع را «به‌طور قطعی» برطرف خواهد کرد، هنوز با داده‌های بالینی کافی پشتیبانی نشده‌اند. دوم، مطالعات هوش مصنوعی مطرح‌شده در مرور عمدتاً مدل‌هایی هستند که از داده‌های کوهورت‌های گذشته‌نگر تک‌مرکزی استفاده می‌کنند؛ اعتبارسنجی‌های مستقل چندمرکزی محدودند. این امر خطر «overfitting» (انطباق مدل فقط با داده‌های آموزشی) را بالا نگه می‌دارد. سوم، مرور دربارهٔ هزینه و دشواری‌های فنی پنل‌های آزمایش miRNA که بتوان آن‌ها را به‌طور استاندارد در آزمایشگاه‌های بالینی به کار برد، به‌اندازهٔ کافی بحث نکرده است — این موضوع به‌ویژه برای نظام‌های سلامت با درآمد کم تا متوسط حیاتی است. چهارم، واقعیت اقتصادی کارآزمایی‌های درمان مبتنی بر miRNA به‌طور کامل مطرح نشده است: خاتمهٔ زودهنگام مطالعهٔ INT-1B3 به علت «کمبود تأمین مالی» نشان می‌دهد که این حوزه هنوز تا حد زیادی به شرکت‌های کوچک زیست‌فناوری وابسته است و نتوانسته سرمایه‌گذاری شرکت‌های بزرگ داروسازی را جذب کند. پنجم، هرچند مشکل «جعبهٔ سیاه» مدل‌های هوش مصنوعی در مرور بحث شده است، راه‌حل عملی آن در زمینهٔ تصمیم‌گیری بالینی همچنان نامشخص است — آیا پزشک می‌تواند تشخیص سرطان مبتنی بر miRNA برای بیمارش را بپذیرد، بدون آنکه بتواند توضیح دهد چرا چنین تشخیصی داده شده است؟ ششم، مسئلهٔ تنوع قومی و جغرافیایی به‌اندازهٔ کافی بررسی نشده است — مدل‌های کنونی هوش مصنوعی عمدتاً بر کوهورت‌های اروپایی–آمریکایی آموزش دیده‌اند؛ اعتبارسنجی برای جمعیت‌های ترکیه، آسیا یا آفریقا وجود ندارد. سرانجام، حتی با اینکه واقعیت نقش دوگانه در مرور تعریف شده است، به‌اندازهٔ کافی تأکید نشده که این وضعیت چه مانع بزرگی برای تصمیم‌گیری بالینی است — پرسش اینکه کدام پنل miRNA در کدام نوع تومور و در چه مرحله‌ای می‌تواند زیست‌نشانگر باشد، تنش میان آرمان «انکولوژی شخصی‌سازی‌شده» و قابلیت کاربرد عملی در بالین را بازتاب می‌دهد.
بازتاب در عمل بالینی
پیام‌های ملموس برای فعالان بالینی انکولوژی در ترکیه به این شرح است. نخست، آزمایش‌های مبتنی بر miRNA هنوز بخشی از عمل بالینی روزمره نیستند؛ اما پیشرفت‌های بیوپسی مایع ظرفیت تغییر این وضعیت در آیندهٔ نزدیک را دارند. هنگام گفت‌وگو با بیمارانمان باید دربارهٔ این موضوعات اطلاعات واقع‌بینانه بدهیم — احتیاط در برابر ادعاهای تجاری دربارهٔ ابزارهای هنوز تأییدنشده، مانند «آزمایش miRNA»، مهم است. دوم، برای بیمارانمان که بیماری‌های نادری مانند لنفوم پوستی سلول T دارند، دسترسی به پژوهش‌های بالینی بین‌المللیِ cobomarsen و درمان‌های مشابه مبتنی بر miRNA گزینه‌ای است که باید در نظر گرفت. سوم، کارآزمایی‌هایی مانند LNA-i-miR-221 در بیماران مبتلا به کارسینوم هپاتوسلولار ممکن است در سال‌های آینده در ترکیه نیز آغاز شوند؛ آمادگی مراکز برای این مطالعات اهمیت راهبردی دارد. چهارم، توجه ویژه به پذیرش بیماران ضروری است: گرفتن نمونه‌های بافت تومور با کیفیت بالا و نگهداری مناسب آن‌ها (تمامیت RNA بسیار حساس است)، پایه‌ای برای تحلیل‌های miRNA در آینده فراهم می‌کند. زیرساخت زیست‌بانک مراکزی مانند Memorial Göztepe از این نظر منبعی راهبردی برای ترکیه است. پنجم، وارد عصری می‌شویم که در ارزیابی بیمار، تصمیم‌های مرتبط با miRNA می‌توانند با هوش مصنوعی پشتیبانی شوند؛ اما این نباید جایگزین قضاوت بالینی پزشک شود، بلکه باید آن را پشتیبانی کند. پزشکان باید با ذهنیت ارزیابی انتقادی به این ابزارهای تازه نزدیک شوند، نه به‌عنوان «جعبهٔ سیاه». ششم، رویکردهای غربالگری مبتنی بر امضای miRNA، به‌ویژه برای سرطان مری، معده و کارسینوم هپاتوسلولار (تومورهایی با بروز نسبتاً بالا در ترکیه)، ظرفیت ادغام در برنامه‌های سلامت جمعیت در آینده را دارند؛ این حوزه همین حالا نیز ارزش انجام مطالعات امکان‌سنجی را دارد. سرانجام، واقعیت نقش دوگانهٔ miRNAها تصمیم بالینی را شکل می‌دهد — اینکه حتی در یک تومور یکسان، یک miRNA یکسان می‌تواند در نواحی مختلف کارکرد متفاوتی داشته باشد، بار دیگر اهمیت ناهمگونی بافتی و راهبردهای نمونه‌گیری متعدد را برجسته می‌کند. این با موضوعی که قبلاً در drozdogan.com به آن پرداخته‌ایم، یعنی گره‌های لنفاوی تخلیه‌کنندهٔ تومور و ناهمگونی PD-L1/NGS ، مضمونی مشترک دارد: در تشخیص و درمان سرطان، منطق «یک نمونه، یک تصمیم» جای خود را به فلسفهٔ «نمونه‌های متعدد، تصمیم چندلایه» می‌دهد.
پرسش‌های آینده
پرسش‌های حیاتی دورهٔ پیش رو این‌ها هستند: آیا پنل‌های miRNA برای همهٔ انواع سرطان با پشتیبانی هوش مصنوعی (مانند مطالعهٔ 39-miRNA از Wu و همکاران) می‌توانند در مطالعات اعتبارسنجی آینده‌نگر چندمرکزی اثربخشی نشان دهند و تأیید نهادهای تنظیم‌گر را بگیرند؟ ظرفیت «شناسایی سرطان مرحلهٔ اولیه از 32 سال قبل» (مطالعهٔ SOM از Keller و همکاران) از نظر اخلاقی چگونه مدیریت خواهد شد — اینکه دهه‌ها پیش به فردی گفته شود «پرخطر» است، از نظر پیامد روانی و بیمه‌ای چگونه چارچوب‌بندی خواهد شد؟ آیا فناوری‌های ترنسکریپتومیک فضایی مانند Patho-DBiT می‌توانند توزیع miRNA در ریزمحیط تومور را به قالبی تبدیل کنند که در پاتولوژی روزمره قابل ادغام باشد؟ مدل‌های پایه (MDformer، SeNMo) چه زمانی به سامانه‌های پشتیبان تصمیم بالینی وارد خواهند شد و چگونه با رویکردهای هوش مصنوعی توضیح‌پذیر (xAI) بر مشکل «جعبهٔ سیاه» غلبه خواهیم کرد؟ آیا پلتفرم‌های AOC (کونژوگه‌های آنتی‌بادی–الیگونوکلئوتید) می‌توانند موفقیت تجاری ADCها را برای درمان‌های مبتنی بر miRNA تکرار کنند؟ فراتر از نمونه‌های cobomarsen در CTCL و LNA-i-miR-221 در HCC، درمان‌های مبتنی بر miRNA در کدام بیماری‌های انکولوژیک بیشترین شانس تأیید را دارند؟ به‌طور مشخص در ترکیه: آیا با همکاری TÜBİTAK و وزارت بهداشت می‌توان پلتفرمی بومی برای پژوهش زیست‌نشانگر miRNA، زیرساخت ملی زیست‌بانک و مرکز تحلیل با پشتیبانی هوش مصنوعی ایجاد کرد و آیا این به اولویت سیاست سلامت تبدیل خواهد شد؟ از نظر اخلاقی، خطر آنکه آزمایش miRNA قادر به تعیین خطر سرطان از دهه‌ها قبل، به تبعیض در بیمهٔ شخصی و اشتغال منجر شود چگونه مدیریت خواهد شد؟ سرانجام، عمیق‌ترین پرسش زیستی: آیا تغییر امضاهای miRNA پیش از سرطان به این معناست که فرایندهای زیستی آغازگر سرطان واقعاً از دهه‌ها قبل شروع شده‌اند — یا miRNAها تنها بازتابی از عدم تعادل‌های زیستی اولیه هستند که هنوز آن‌ها را درک نکرده‌ایم؟ این پرسش‌ها نه‌تنها برای حوزهٔ miRNA، بلکه برای کل رشتهٔ انکولوژی، بحث‌های راهنمای ده سال آینده را شکل خواهند داد.
منابع علمی
- Jurj A, Dragomir MP, Li Z, Calin GA. MicroRNAs in oncology: a translational perspective in the era of AI. Nat Rev Clin Oncol 2026;23(4):239–259. doi:10.1038/s41571-025-01114-x
- Lee RC, Feinbaum RL, Ambros V. The C. elegans heterochronic gene lin-4 encodes small RNAs with antisense complementarity to lin-14. Cell 1993;75:843–854.
- Calin GA و همکاران. Frequent deletions and down-regulation of micro-RNA genes miR15 and miR16 at 13q14 in chronic lymphocytic leukemia. Proc Natl Acad Sci USA 2002;99:15524–15529.
- Hong DS و همکاران. Phase 1 study of MRX34, a liposomal miR-34a mimic, in patients with advanced solid tumours. Br J Cancer 2020;122:1630–1637.
- Querfeld C و همکاران. Phase 1 trial of cobomarsen, an inhibitor of Mir-155, in cutaneous T cell lymphoma. Blood 2018;132:2903.
- Tassone P و همکاران. Safety and activity of the first-in-class LNA miR-221 selective inhibitor: a first-in-human phase 1 study. J Hematol Oncol 2023;16:68.
- Wu P و همکاران. Pan-cancer characterization of cell-free immune-related miRNA identified as a robust biomarker for cancer diagnosis. Mol Cancer 2024;23:31.
- Miyoshi J و همکاران (EMERALD). Liquid biopsy to identify Barrett's oesophagus, dysplasia and oesophageal adenocarcinoma: the EMERALD multicentre study. Gut 2025;74:169–181.
- Pardini B و همکاران. A fecal microRNA signature by small RNA sequencing accurately distinguishes colorectal cancers: results from a multicenter study. Gastroenterology 2023;165:582–599.e8.
- Keller A و همکاران. Competitive learning suggests circulating miRNA profiles for cancers decades prior to diagnosis. RNA Biol 2020;17:1416–1426.
- Bai Z و همکاران. Spatially exploring RNA biology in archival formalin-fixed paraffin-embedded tissues (Patho-DBiT). Cell 2024;187:6760–6779.e24.
- Galeano D و همکاران. sChemNET: a deep learning framework for predicting small molecules targeting microRNA function. Nat Commun 2024;15:9149.
- Dong B و همکاران. MDformer: a transformer-based method for predicting miRNA-disease associations. Comput Biol Med 2023;167:107585.
- Drula R, Calin GA. MicroRNAs: where brilliance, perseverance, and ambition converged. J Clin Invest 2024;135:e189625.
این مقاله در چارچوب فرایند، با استفاده از ابزارهای گوناگون ویرایشی از جمله هوش مصنوعی تهیه شده است. پیش از انتشار توسط ویراستاران انسانی بررسی شده است. رویکردهای تشخیصی و درمانی مبتنی بر miRNA که در این نوشته به آن‌ها اشاره شده، عمدتاً در مرحلهٔ پژوهش هستند و هنوز هیچ آزمایش یا درمان سرطان مبتنی بر miRNA که تأیید شده و برای کاربرد بالینی استاندارد در ترکیه عرضه شده باشد وجود ندارد.
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.