به گزارش پایگاه اطلاع رسانی بنیان، سیستم ایمنی برای حفظ سلامت بسیار مهم است و اختلال در عملکرد آن می‌تواند منجر به بروز بیماری‌های مختلف از جمله سرطان شود. اخیرا ایمونوتراپی به عنوان یک رویکرد امیدوارکننده برای درمان تومورها ظهور کرده است. با این حال، اثربخشی آن در بین بیماران متفاوت است و می‌تواند عوارض جانبی ایجاد کند.  یک بررسی اخیر که در نشریه Frontiers in Immunology منتشر شده است، مفهوم تشخیص ایمنی (ID) را معرفی می‌کند، ویژگی‌های آن را مشخص می‌کند و مهمتر اینکه پتانسیل هوش مصنوعی (AI) را در ساخت سیستم‌های ID برای ایمونوتراپی دقیق تومور بررسی می‌کند.

سیستم ایمنی و ایمونوتراپی

سیستم ایمنی شبکه‌ای است متقابل از سلول‌های ایمنی، مولکول‌هایی که تولید می‌کنند و اندامهای لنفاوی که این اجزا را سازماندهی می‌کنند. عملکرد صحیح سیستم ایمنی برای سلامتی ضروری است و فعالیت ناکافی سیستم ایمنی می‌تواند منجر به انواع مختلف بیماری‌ها از جمله تومور شود. در سال‌های اخیر، ایمونوتراپی موج جدیدی را در درمان تومورها با روش‌های کاملاً جدید مانند مهارکننده‌های ایست بازرسی ایمنی (ICIs)، سلول درمانی (ACT) و واکسن‌های درمانی ایجاد کرده است. برخی از بیماران مبتلا به انواع تومور که قبلا تومورهای مقاوم یا پیشرفته/متاستاتیک در نظر گرفته می‌شدند، پس از دریافت درمان ICI کنترل شدند. با این حال، اکثر بیماران از ایمونوتراپی سود نمی برند. علاوه بر این، ایمونوتراپی ایمنی بدن را در برابر سرطان را تقویت می‌کند و اما ممکن است منجر به عوارض جانبی مرتبط با ایمنی (irAEs) مانند کولیت، درماتیت، پنومونی و تیروئیدیت شود. علیرغم اینکه ایمونوتراپی اثربخشی قابل توجهی را در چندین نوع سرطان نشان داده است ولی تاکنون اثربخشی و سمیت ایمونوتراپی برای بیماران خاص قابل پیش بینی نبوده است و اکثر بیماران از ایمونوتراپی سود نمی‌برند. ارزیابی بنابراین دانستن اینکه ناهمگونی تومور و وضعیت ایمنی قبل از درمان، کلید شناسایی بیمارانی است که احتمال بیشتری برای پاسخ به ایمونوتراپی دارند. ویژگی‌های جمعیت شناختی (مانند جنس، سن و نژاد)، وضعیت ایمنی و نشانگرهای زیستی خاص، همگی در پاسخ به ایمونوتراپی نقش دارند.

درک و تعیین وضعیت ایمنی بیمار

درک وضعیت ایمنی بیمار قبل از ایمونوتراپی می‌تواند به پیش بینی نتایج و هدایت درمان شخصی کمک کند. این مفهوم که ID نامیده می شود، شامل ارزیابی جامع و پویا سیستم ایمنی است. نشانگرهای زیستی که در حال حاضر برای ID استفاده می‌شوند محدود هستند و نمی‌توانند پیچیدگی تعاملات ایمنی را نشان دهند. برای رفع این محدودیت، هوش مصنوعی می‌تواند برای ساخت مدل‌های ID قوی با تجزیه و تحلیل مجموعه داده‌های بزرگ و پیچیده استفاده شود. علاوه بر این، هوش مصنوعی همراه با ابزارهای بیوانفورماتیکی در تشخیص و پیش آگهی بیماری نویدبخش است.

طبقه بندی جمعیت برای ID

مطالعات نشان داد که ویژگی‌های جمعیت شناختی مانند جنس، سن، نژاد و قومیت بر وضعیت ایمنی تأثیر می‌گذارد، بنابراین طبقه بندی اولیه جمعیت برای ID را ضروری می‌کند. 1- ارتباط جنسی: تفاوت های قابل توجهی در پاسخ های ایمنی و حساسیت به اختلالات ایمنی بین مردان و زنان وجود دارد. زنان به طور کلی پاسخ ایمنی قوی تری دارند اما در عین حال بیشتر مستعد عوارض جانبی نامطلوب هستند. 2- سن: کاهش عملکرد ایمنی با افزایش سن بر ترکیب سلول‌های ایمنی و واسطه‌های التهابی تأثیر می‌گذارد. تاثیر سن بر اثربخشی و ایمنی ایمونوتراپی هنوز مشخص نیست اما بسته به نوع بیماری متفاوت است. 3- نژاد و قومیت: تفاوت‌های نژادی و قومیتی در بروز تومور، مرگ و میر و دسترسی به ایمونوتراپی وجود دارد. نژادها و قومیت‌های مختلف در زیرمجموعه‌های سلول‌های ایمنی و فعال سازی سیگنال تغییراتی را نشان می‌دهند. نژاد یا قومیت ممکن است بر اثربخشی و سمیت ایمونوتراپی تأثیر بگذارد. با این حال، این رابطه به استراتژی درمان و نوع بیماری بستگی دارد. 4- شرایط بهداشتی ID را تنظیم می‌کند: وضعیت فیزیولوژیکی یا پاتولوژیک بر نوسانات ایمنی بر اساس جمعیت شناسی طبقه بندی شده تأثیر می گذارد. 5- شاخص توده بدنی (BMI): چاقی با التهاب همراه بوده و می‌تواند بر توزیع و فراوانی سلول‌های ایمنی تأثیر بگذارد. BMI بالا با نتایج بهبود یافته در ایمونوتراپی مرتبط است. با این حال، این ارتباط ممکن است بر اساس جنس، محل درمان، و نوع تومور متفاوت باشد. BMI پایین و کاشکسی با نتایج ضعیف تری همراه است.6- قرار گرفتن در معرض مواد مخدر و غذا: مشخص شده است که داروهای خاصی مانند استامینوفن (APAP) بر نتایج ایمونوتراپی تأثیر منفی دارند. قرار گرفتن در معرض آنتی بیوتیک با کاهش اثربخشی همراه است، در حالی که پروبیوتیک‌ها ممکن است اثر مفیدی داشته باشند. 7- میکروبیوتای روده: میکروبیوم روده نقش مهمی در توسعه سرطان و پاسخ به درمان دارد. نشان داده شده است که باکتری‌های خاصی اثربخشی ایمونوتراپی را افزایش می‌دهند. با این حال، ترکیب میکروبیوتای روده می‌تواند متفاوت باشد و تاثیر آن بر نتایج ایمونوتراپی هنوز در حال بررسی است. 8- بارداری: بارداری شامل نوسانات ایمنی است که می‌تواند بر ایمونوتراپی تأثیر بگذارد. سطح بیان مولکول‌های مرتبط با ایمنی، مانند مرگ برنامه ریزی شده-1 (PD-1) و لیگاند مرگ برنامه ریزی شده-1 (PD-L1)، می‌تواند در طول بارداری متفاوت باشد. اطلاعات محدودی در مورد ایمنی و نتایج ایمونوتراپی در دوران بارداری در دسترس است. 9- عفونت ویروسی: عفونت‌های ویروسی، مانند سندرم حاد تنفسی کرونا 2 (SARS-CoV-2)، ویروس‌های هپاتیت B و C (HBV/HCV)، و ویروس نقص ایمنی انسانی (HIV)، می‌توانند بر وضعیت ایمنی و نتایج ایمونوتراپی تأثیر بگذارند. عفونت SARS-CoV-2 اثرات پیچیده ای بر سیستم ایمنی دارد و می‌تواند بر کارایی و ایمنی ایمونوتراپی تأثیر بگذارد. 10- نقش بیومارکرها در ID: بیومارکرها پیش بینی کننده‌های مستقیم در سیستم‌های ID هستند. بیومارکرهای ایده آل باید دقیق، متمایز، قابل تکرار و درگیر در مکانیسم‌های بیماری یا اهداف درمانی باشند.

بیومارکرهای اصلی مرتبط با تعاملات تومور-ایمنی

بیومارکرهای اصلی مرتبط با تعاملات تومور-ایمنی به پنج گروه شامل پاسخ ایمنی تحریک شده توسط تومور، تشخیص ایمنی، فرار ایمنی، پاسخ سیستم ایمنی و مشخصات ژنومی/ رونویسی/پروتئینی طبقه بندی می‌شوند. به عنوان مثال می‌توان به ترمیم عدم تطابق ناقص (dMMR)، بار جهش تومور (TMB)، سطح بیان PD-L1، و گسترش سلول T اختصاصی آنتی ژن تومور محیطی اشاره کرد. موارد موفق، مانند مدل‌های پیش‌بینی بر اساس پروفایل‌های بیان ژن، پتانسیل نشانگرهای زیستی را در سیستم‌های ID برجسته می‌کنند. با این وجود، اعتبار و درک بیشتر مکانیسم‌های ایمنی برای کاربرد بالینی آنها مورد نیاز است.

ایمونوتراپی تقویت کننده هوش مصنوعی

هوش مصنوعی نقش مهمی در ساخت سیستم ID برای مدیریت سرطان دارد. الگوریتم‌های یادگیری ماشینی (ML) مانند رگرسیون لجستیک، درخت‌های تصمیم‌گیری، و ماشین‌های بردار پشتیبان، و همچنین تکنیک‌های یادگیری عمیق (DL) مانند شبکه‌های عصبی کانولوشن (CNN) و شبکه‌های عصبی تکراری (RNN) تجزیه و تحلیل انواع داده‌های مختلف از جمله تصاویر بالینی، داده‌های ژنومی و داده‌های بدون ساختار. باید یاداوری کنیم که هوش مصنوعی در تشخیص سرطان‌هایی مانند سرطان سینه، ریه، پوست و تخمدان با موفقیت به کار گرفته شده است و به دقت قابل مقایسه‌ای با پزشکان متخصص دست یافته است. علاوه بر این، هوش مصنوعی استانداردسازی معیارهای تشخیصی، شناسایی داده‌های بدون ساختار، توسعه دارویی شخصی‌سازی شده و ادغام داده‌های چند بعدی را تسهیل می‌کند. با این حال، چالش‌ها از نظر دسترسی به داده‌ها، تفسیرپذیری الگوریتم‌های هوش مصنوعی و رسیدگی به خطاها باقی می‌ماند. یک سیستم شناسایی جامع که توسط هوش مصنوعی تقویت شده است می‌تواند به ایمونوتراپی دقیق تومور و نظارت بر بیمار کمک کند.

نتیجه گیری

بررسی فعلی مفهوم ID و ساخت یک سیستم ID برای بیماری‌های مرتبط با ایمنی را مورد بحث قرار می‌دهد. نتایج ایمونوتراپی منعکس کننده ناهمگونی فردی است، بنابراین نیاز به ID قبل از برنامه ریزی درمان را برجسته می‌کند. بیومارکرها پتانسیل امیدوارکننده ای را برای سیستم های ID ارائه می دهند. با این حال، اعتبار و درک بیشتر مکانیسم‌های ایمنی برای کاربرد بالینی آنها مورد نیاز است. ادغام اطلاعات چند بعدی با روش‌های هوش مصنوعی می‌تواند یک سیستم ID ایده آل ایجاد کند. تحقیقات و پیشرفت‌های بیشتر در هوش مصنوعی، همراه با درک بهتر از توسعه ایمنی و تومور، منجر به سیستم‌های شناسایی دقیق‌تر و حساس‌تر در عمل بالینی می‌شود.

پایان مطلب/.