Μια ενδιαφέρουσα εξέλιξη στον τομέα της τεχνητής νοημοσύνης και της βιοϊατρικής έρευνας καταγράφηκε τον Οκτώβριο του 2025, όταν ένα μοντέλο τεχνητής νοημοσύνης της Google δημιούργησε μια νέα επιστημονική υπόθεση σχετικά με την ενίσχυση της ανοσολογικής αναγνώρισης των καρκινικών κυττάρων. Οι ερευνητές δοκίμασαν την πρόβλεψη σε ανθρώπινα κυτταρικά μοντέλα και επιβεβαίωσαν πειραματικά την επίδραση που είχε προβλέψει το σύστημα.
Το εύρημα δεν αποτελεί ανακάλυψη θεραπείας για τον καρκίνο, αλλά δείχνει πώς η τεχνητή νοημοσύνη μπορεί να συμβάλει στην αναζήτηση νέων θεραπευτικών προσεγγίσεων.
Ένα μοντέλο που αναλύει τη «γλώσσα» των κυττάρων
Η Google, σε συνεργασία με το Πανεπιστήμιο Yale, ανέπτυξε το Cell2Sentence-Scale 27B (C2S-Scale), ένα μοντέλο τεχνητής νοημοσύνης με 27 δισεκατομμύρια παραμέτρους, το οποίο βασίζεται στην οικογένεια ανοιχτών μοντέλων Gemma.
Η συγκεκριμένη τεχνολογία έχει σχεδιαστεί για να αναλύει δεδομένα γονιδιακής έκφρασης σε επίπεδο μεμονωμένων κυττάρων. Για τον σκοπό αυτό, μετατρέπει τα δεδομένα που περιγράφουν τη δραστηριότητα των γονιδίων σε ακολουθίες κειμένου, τις οποίες επεξεργάζεται με τεχνικές αντίστοιχες εκείνων που χρησιμοποιούν τα μεγάλα γλωσσικά μοντέλα.
Με αυτόν τον τρόπο, οι ερευνητές μπορούν να αξιοποιούν την τεχνητή νοημοσύνη για να εξετάζουν σύνθετες βιολογικές διεργασίες και να αναζητούν σχέσεις που ενδέχεται να μην είναι εύκολο να εντοπιστούν με τις συμβατικές μεθόδους.
Το πρόβλημα των «ψυχρών» όγκων
Ένα από τα σημαντικά εμπόδια στην αντιμετώπιση ορισμένων μορφών καρκίνου είναι ότι οι όγκοι μπορεί να μην αναγνωρίζονται αποτελεσματικά από το ανοσοποιητικό σύστημα.
Αυτοί χαρακτηρίζονται συχνά ως «ψυχροί» όγκοι, καθώς εμφανίζουν περιορισμένη ανοσολογική δραστηριότητα και δεν προσελκύουν ή δεν ενεργοποιούν επαρκώς τα κύτταρα της άμυνας του οργανισμού.
Ένας από τους μηχανισμούς που επιτρέπουν στο ανοσοποιητικό σύστημα να εντοπίζει τα καρκινικά κύτταρα είναι η παρουσίαση αντιγόνων μέσω των μορίων MHC-I. Με αυτή τη διαδικασία, τα κύτταρα εμφανίζουν στην επιφάνειά τους μικρά τμήματα πρωτεϊνών, τα οποία μπορούν να αναγνωριστούν από τα Τ λεμφοκύτταρα.
Η ενίσχυση αυτού του μηχανισμού αποτελεί σημαντικό πεδίο έρευνας για την ανάπτυξη νέων ανοσοθεραπευτικών προσεγγίσεων.
Η αποστολή που δόθηκε στην τεχνητή νοημοσύνη
Οι ερευνητές ζήτησαν από το C2S-Scale να εντοπίσει μια ουσία που θα μπορούσε να ενισχύσει την παρουσίαση αντιγόνων όταν υπήρχαν ήδη χαμηλά επίπεδα ιντερφερόνης, ενός σημαντικού μορίου σηματοδότησης του ανοσοποιητικού συστήματος.
Στόχος ήταν να βρεθεί ένας παράγοντας που θα λειτουργούσε υπό συγκεκριμένες βιολογικές συνθήκες, αντί να προκαλεί γενικευμένη αύξηση της ανοσολογικής δραστηριότητας.
Το μοντέλο εξέτασε 4.266 υποψήφιες φαρμακευτικές ουσίες, προσομοιώνοντας την επίδρασή τους σε διαφορετικά περιβάλλοντα κυτταρικής σηματοδότησης.
Το silmitasertib και η νέα επιστημονική υπόθεση
Από την ανάλυση προέκυψε το silmitasertib (CX-4945), μια ήδη γνωστή ουσία που αναστέλλει τη δράση του ενζύμου CK2.
Το ενδιαφέρον δεν ήταν η ανακάλυψη ενός νέου φαρμάκου, αλλά η πρόβλεψη μιας διαφορετικής βιολογικής δράσης του.
Το μοντέλο υπέδειξε ότι το silmitasertib θα μπορούσε, σε συνδυασμό με χαμηλή δόση ιντερφερόνης, να ενισχύσει σημαντικά την παρουσίαση αντιγόνων μέσω του MHC-I. Αντίθετα, η επίδρασή του αναμενόταν να είναι πολύ περιορισμένη όταν δεν υπήρχε το συγκεκριμένο ανοσολογικό σήμα.
Η συγκεκριμένη σύνδεση αποτέλεσε τη νέα επιστημονική υπόθεση που κλήθηκαν να ελέγξουν οι ερευνητές.
Η εργαστηριακή επιβεβαίωση
Οι επιστήμονες προχώρησαν σε πειράματα με ανθρώπινα κυτταρικά μοντέλα, τα οποία δεν είχαν χρησιμοποιηθεί κατά την εκπαίδευση του μοντέλου.
Τα αποτελέσματα επιβεβαίωσαν την πρόβλεψη: ο συνδυασμός του silmitasertib με χαμηλή δόση ιντερφερόνης οδήγησε σε αύξηση περίπου 50% στην παρουσίαση αντιγόνων.
Αντίθετα, η χορήγηση του silmitasertib από μόνη της δεν εμφάνισε την ίδια επίδραση. Αυτό ενίσχυσε την υπόθεση ότι η δράση του εξαρτάται από την παρουσία συγκεκριμένου ανοσολογικού σήματος.
Το εύρημα είναι σημαντικό επειδή δείχνει ότι το μοντέλο δεν περιορίστηκε στην αναγνώριση γνωστών συσχετίσεων, αλλά πρότεινε έναν συνδυασμό ουσιών και συνθηκών που στη συνέχεια ελέγχθηκε πειραματικά.
Γιατί θεωρείται σημαντική εξέλιξη
Ένα από τα ενδιαφέροντα στοιχεία της έρευνας είναι ότι ο συγκεκριμένος συλλογισμός υπό όρους εμφανίστηκε στο μεγάλο μοντέλο των 27 δισεκατομμυρίων παραμέτρων, ενώ τα μικρότερα μοντέλα δεν κατάφεραν να αναπαράγουν την ίδια πρόβλεψη με αντίστοιχη επιτυχία.
Οι ερευνητές εξετάζουν το αποτέλεσμα ως ένδειξη ότι η αύξηση της κλίμακας των μοντέλων μπορεί να συνοδεύεται από νέες δυνατότητες στην ανάλυση σύνθετων επιστημονικών προβλημάτων.
Ο διευθύνων σύμβουλος της Google, Sundar Pichai, χαρακτήρισε το αποτέλεσμα σημαντικό ορόσημο για την αξιοποίηση της τεχνητής νοημοσύνης στην επιστήμη.
Τι σημαίνει – και τι δεν σημαίνει – η ανακάλυψη
Η συγκεκριμένη έρευνα δεν αποδεικνύει ότι το silmitasertib θεραπεύει τον καρκίνο ούτε ότι μπορεί ήδη να χρησιμοποιηθεί σε ασθενείς για τον συγκεκριμένο σκοπό.
Η αύξηση της παρουσίασης αντιγόνων σε κυτταρικά μοντέλα δεν ισοδυναμεί με συρρίκνωση όγκων ή ίαση της νόσου. Απαιτούνται πρόσθετες προκλινικές μελέτες και, εφόσον τα αποτελέσματα είναι θετικά, κλινικές δοκιμές σε ανθρώπους για να αξιολογηθούν η ασφάλεια και η αποτελεσματικότητα της συγκεκριμένης προσέγγισης.
Η επιστημονική εργασία παρουσιάστηκε ως προδημοσίευση (preprint), επομένως τα αποτελέσματα δεν πρέπει να θεωρούνται ακόμη οριστικά αξιολογημένα από την επιστημονική κοινότητα μέσω της διαδικασίας κρίσης από ομότιμους.
Παρά τους περιορισμούς, το πείραμα αναδεικνύει μια ενδιαφέρουσα δυνατότητα: η τεχνητή νοημοσύνη μπορεί να συμβάλει στη διατύπωση νέων βιολογικών υποθέσεων, τις οποίες οι επιστήμονες μπορούν στη συνέχεια να ελέγξουν στο εργαστήριο, επιταχύνοντας ενδεχομένως την αναζήτηση νέων θεραπευτικών δρόμων.

