شارك
الرئيسية
2 دقائق 
طوّر باحثون من جامعة أوهايو ستيت الأميركية طريقةً للتعلّم الآلي؛ تعمل على معالجة كميات هائلة من البيانات، للمساعدة في استخدام الأدوية الموجودة بالفعل في تحسين النتائج لأمراضٍ لم يتم وصفها لها من قبل، ونُشر البحث في دورية «نيتشر ماشين إنتيليجينس» أمس؛ الاثنين.
أسفر البحث عن 9 أدوية يُرجح أن توفّر فوائد علاجية جديدة؛ 3 منها قيد الاستخدام حالياً، كما اقترح التحليل أن دواء السكري وأدوية «الميتفورمين» و «إسيتالوبرام»؛ المستخدَمة لعلاج الاكتئاب والقلق، يمكن أن تقلل من خطر الإصابة بفشل القلب والسكتة الدماغية لدى المرضى النموذجيين- كما اتضح.
استهدف الباحثون تسريع إعادة استخدام الأدوية؛ والذي نجح في عدة أدوية قديمة، مثل حقن البوتوكس، الذي تمت الموافقة عليها أولاً لعلاج العيون المتقاطعة، والآن أصبح علاجاً للصداع النصفي، واستراتيجية تجميلية لتقليل ظهور التجاعيد.
يتضمن الوصول إلى هذه الاستخدامات الجديدة عادةً مزيجاً من الصدفة والتجارب السريرية العشوائية؛ التي تستغرق وقتاً طويلاً وتكلفة كبيرة لضمان أن الدواء الذي يعتبر فعالاً لاضطراب واحد سيكون مفيداً كعلاجٍ لشيء آخر.
أنشأ باحثو جامعة أوهايو ستيت إطاراً يجمع بين مجموعات البيانات الهائلة المتعلقة برعاية المرضى، والحسابات عالية القدرة، للوصول إلى الأدوية المرشّحة المعاد توظيفها، والتأثيرات المقدّرة لتلك الأدوية الموجودة على مجموعة محددة من النتائج، وعلى الرغم من أن هذه الدراسة ركّزت على إعادة استخدام الأدوية المقترحة لمنع فشل القلب والسكتة الدماغية لدى مرضى الشريان التاجي، إلا أن إطار العمل مرن، ويمكن تطبيقه على معظم الأمراض.
تُعتبر التجارب السريرية العشوائية المعيار الذهبي لتحديد فعالية الدواء ضد المرض، لكن التعلم الآلي بدوره يمكن أن يفسّر مئات أو حتى آلاف الاختلافات ضمن مجموعة كبيرة من البشر؛ والتي يمكن أن تؤثر على كيفية عمل الدواء في الجسم، إذ تعمل عوامل الإرباك؛ التي تختلف بحسب العمر والجنس والعرق وشدة المرض ووجود أمراض أخرى، كمعايير في خوارزمية الكمبيوتر للتعلّم العميق؛ التي يعتمد عليها الإطار البحثي.
تحوي بيانات العالم الحقيقي على الكثير من الأمور المربكة، وهذا هو السبب في تقديم الباحثين لخوارزمية التعلم العميق؛ والتي يمكنها التعامل مع معايير متعددة في آنٍ واحد، إذ لا يمكن لأي إنسان أن يتعامل مع مئات أو آلاف عوامل الإرباك، بينما يستطيع الذكاء الاصطناعي فعل ذلك بكل بساطة.
استخدم الفريق بيانات تأمينية لما يقارب 1.2 مليون مريض بأمراض القلب؛ والتي قدّمت معلومات عن العلاج المخصص لهم، ونتائج المرض والقيم المختلفة للمُربكات المحتملة، وبتطبيق ما يسمى بـ«نظرية الاستدلال السببي»، صنّف الباحثون، الأدوية الفعالة ومجموعات المرضى الذين سيتلقوّا الدواء الوهمي في تجربة سريرية، وتتبّعوا نموذج المرضى لمدة عامين، وقارنوا حالتهم المرضية في هذه النقطة النهائية بما إذا كانوا قد تناولوا الأدوية أم لا، والعقاقير التي تناولوها ومتى بدؤوا النظام العلاجي.
تُعتبر هذه المرة الأولى التي يقدّم فيها فريق بحثيّ استخدام خوارزمية التعلم العميق للتعامل مع بيانات العالم الحقيقي، والتحكم في العديد من عوامل الإرباك، ومحاكاة التجارب السريرية، كما تتمتع خوارزمية التعلم العميق أيضاً بالقدرة على مراعاة مرور الوقت في تجربة كل مريض، بين كل زيارة ووصفة طبية واختبار تشخيصي.