مدل زبانی بزرگ آموزش‌دیده با جهش‌ها، سیر سرطان و درمان را شکل می‌دهد

یکی از چشمگیرترین پیشرفت‌های هوش مصنوعی در سال‌های اخیر، ظهور مدل‌هایی بوده که در درک و تولید زبان انسان توانایی فوق‌العاده‌ای یافته‌اند؛ یعنی مدل‌های زبانی بزرگ(LLM، مدل‌های زبانی بزرگ). به‌ویژه با مجموعه ChatGPT آشکار شد که این مدل‌ها می‌توانند افزون بر متن نوشتاری، مفاهیم پیچیده علمی و حتی سامانه‌های زیستی را نیز تفسیر کنند.

مدل‌های LLM با ساختار دارای میلیاردها پارامتر، توان تحلیل نه‌فقط زبان طبیعی، بلکه داده‌های زیست‌پزشکی مانند توالی‌های DNA، ساختارهای پروتئینی و تنوع ژنتیکی را نیز یافته‌اند. این پیشرفت در رشته‌های پرحجم از نظر داده، به‌ویژه در سرطان‌شناسی، دوره‌ای انقلابی را آغاز کرده است.

رویکردهای متناسب با هر فرد در درمان سرطان، یعنی «پزشکی دقیق»، از بزرگ‌ترین امیدهای سال‌های اخیرند. زیرا سرطان هر بیمار امضای ژنتیکی منحصربه‌فردی دارد و این امضا تا حد زیادی پاسخ به درمان را تعیین می‌کند.

امروزه با فناوری‌های توالی‌یابی نسل جدید (NGS)، جهش‌های سوماتیک تومورها شناسایی می‌شوند؛ اما تفسیر کامل معنای بالینی این داده‌ها همچنان دشوار است. تعداد جهش‌های قابل هدف‌گیریِ شناخته‌شده محدود است و بسیاری از واریانت‌ها «با اهمیت نامشخص» باقی می‌مانند.

دقیقاً در همین نقطه، LLMها با یادگیری نه‌فقط زبان طبیعی، بلکه زبان مولکولی سرطان، ظرفیت پیش‌بینی سیر بیماری و پیشنهاد مناسب‌ترین گزینه‌های درمانی را دارند. این رویکرد ممکن است آینده سرطان‌شناسی نوین را دوباره شکل دهد.

در کنفرانس ویژه هوش مصنوعی و یادگیری ماشین انجمن پژوهش سرطان آمریکا (AACR)، مطالعه‌ای پیشگامانه ارائه شد که در آن دکتر John-William Sidhom و گروهش اعلام کردند مدل‌هایی را توسعه داده‌اند که می‌توانند اثر جهش‌های سوماتیک هر بیمار را بر سیر سرطان و پاسخ درمانی درک کنند؛ یعنی مدل‌های زبانی بزرگ .

دکتر سیدوم می‌گوید این مدل‌ها با یادگیری «زبان» خود سرطان می‌توانند تومورها را تشخیص دهند، پیش‌آگهی را پیش‌بینی کنند و مناسب‌ترین رژیم درمانی را برای هر بیمار پیشنهاد دهند.

در گزارش‌های کنونی توالی‌یابی نسل جدید (NGS)، به‌دلیل محدودبودن دانش پژوهشگران درباره جهش‌های قابل هدف‌گیری ژنوم، ممکن است کاستی داده وجود داشته باشد. بسیاری از جهش‌ها به‌عنوان «واریانت با اهمیت نامشخص» طبقه‌بندی می‌شوند.

همچنین، هرچند درمان‌های هدفمند کنونی یک محرک ژنومی را هدف می‌گیرند، بیماران دارای محرک یکسان ممکن است پاسخ متفاوت دهند؛ زیرا در هر بیماری محرک‌های بالقوه دیگری نیز وجود دارند. دکتر سیدوم توضیح می‌دهد دقیقاً به همین دلیل قصد دارند این خلأ پزشکی دقیق را پر کنند.

دکتر سیدوم امکان توسعه مدلی را بررسی کرد که با استدلال بر پایه جهش‌ها و اطلاعات گزارش NGS، پیش‌آگهی را پیش‌بینی و تصمیم‌های درمان سیستمیک را هدایت کند؛ یک مدل زبانی بزرگ . مدل برای یادگیری معنای جهش‌های مختلف مرتبط با سرطان و چگونگی عملکرد هم‌زمان آن‌ها آموزش دید.

LLMهای مورد استفاده کنونی در پژوهش سرطان معمولاً بر ژنوم مرجع آموزش می‌بینند، اما اعتبار بالینی آن‌ها محدود است. دکتر سیدوم پیشنهاد می‌کند مدل‌ها بر پایه فهرست جهش‌های سوماتیک، تغییرات اختصاصی سرطان و داده‌های پیامد بالینی، یعنی یک «موتانوم»، آموزش ببینند.

این مدل با معماری توجه دوگانه ساخته شد که حالت مرجع و تغییر هر جهش را در نظر می‌گیرد. بنابراین مدل هم ترتیب توالی ژنتیکی و هم دلالت هر جهش را درک می‌کند. پژوهشگران همچنین با پوشاندن توالی‌های تغییریافته به مدل امکان یادگیری «واژگان و نحو جهش‌های ژنتیکی»، یعنی به‌نوعی قواعد متاژنز، را دادند.

دکتر سیدوم می‌گوید: «این سازوکار توجه دوگانه، چارچوبی بسیار خوب و تفسیرپذیر برای درک تعاملات پیچیده میان بیمارانی ارائه می‌کند که سرطان را هدایت می‌کنند.»

دکتر سیدوم و گروهش ابتدا مدل را با داده‌های 10224 بیمار و 33 نوع سرطان، دارای بیش از 3 میلیون واریانت سوماتیک، از اطلس ژنوم سرطان (TCGA) آموزش دادند.

سپس با داده‌های مربوط به 805 بیمار AML، از مجموعه داده BeatAML2 کوشیدند همبستگی میان بازنمایی‌های ژنومی این بیماران و پاسخ به ایمنی‌درمانی‌ها را درک کنند. برای پیش‌بینی پاسخ به هر درمان، یادگیری چندنمونه‌ای به کار گرفته شد.

مدل در همگروه‌های بیماران اختصاصی هر سرطان در TCGA، پیش‌آگهی را با روش‌های یادگیری بدون نظارت مانند خوشه‌بندی k-میانگین پیش‌بینی کرد. سپس این خوشه‌ها به تحلیل‌های Kaplan–Meier تبدیل شدند.

مدل به‌کمک الگوهای آموخته‌شده توانست برای هر سرطان، الگوهای کلی توجه و زنجیره‌های علّی احتمالی را بازنمایی کند. برای مثال، در سرطان کولورکتال، وابستگی زیادی به جهش‌های APC دیده شد.

همچنین مدل، الگوی کلاسیک سرطان کولورکتال، یعنی مدل ووگلشتاین با ترتیب TP53 → KRAS → APC را با وزن‌های توجه بازنمایی کرد و اعتبار زیستی خود را نشان داد.

کابوزانتینیب، هرچند هنوز در لوسمی میلوئیدی حاد کاربرد گسترده ندارد، دارویی بود که مدل کوشید پاسخ به آن را پیش‌بینی کند.

همبستگی کانونی: 0.3052 (P < 0.001)
AUC (سطح زیر منحنی): 0.70 هم برای مقاومت و هم حساسیت.

دکتر سیدوم می‌گوید: «امیدواریم با داده‌های بیشتر و مدل‌های قوی‌تر، این عملکرد بهتر شود.»

این مطالعه، ظرفیت تحول‌آفرین هوش مصنوعی در سرطان‌شناسی را به‌روشنی نشان می‌دهد. مدل‌های زبانی بزرگ با تحلیل نه‌فقط متن‌های زبانی، بلکه داده‌های ژنتیکی، می‌توانند در تصمیم‌های مهمی مانند پیش‌بینی پیش‌آگهی و انتخاب درمان، پشتیبان قدرتمندی برای پزشکان باشند.

این ابزارهای نسل جدید می‌توانند با ارتقای پزشکی دقیق، به توسعه راهبردهای درمانی مؤثرتر و متناسب با هر بیمار کمک کنند.

انتظار می‌رود در آینده با داده‌های بیشتر و مدل‌های پیشرفته‌تر، این فناوری انقلابی دیجیتال در مبارزه با سرطان را ممکن کند.