Sztuczna inteligencja od Google DeepMind zidentyfikowała nową metodę leczenia nowotworów, wskazując na badany lek Silmitasertib (CX-4945) jako klucz do wzmocnienia odpowiedzi immunologicznej organizmu. Przełomowe odkrycie, potwierdzone eksperymentalnie, może umożliwić przekształcanie guzów opornych na leczenie w cele łatwe do zniszczenia przez komórki odpornościowe.
Nowy model sztucznej inteligencji Google, C2S-Scale, oparty na architekturze Gemma i składający się z 27 miliardów parametrów, dokonał znaczącego przełomu w badaniach nad rakiem. Analizując dane z komórek nowotworowych oraz ponad 4000 potencjalnych kandydatów na leki, system wygenerował i zweryfikował nową hipotezę terapeutyczną. AI zidentyfikowała cząsteczkę CX-4945, znaną jako Silmitasertib, jako najważniejszy związek, który może znacząco wzmacniać prezentację antygenów – proces niezbędny, aby układ odpornościowy mógł rozpoznać i zaatakować komórki nowotworowe.
Hipoteza postawiona przez AI została następnie potwierdzona w badaniach laboratoryjnych przeprowadzonych we współpracy z Uniwersytetem Yale. Naukowcy dowiedli, iż podanie ludzkim komórkom neuroendokrynnym leku Silmitasertib w połączeniu z niską dawką interferonu zwiększyło prezentację antygenów o około 50%. Oznacza to możliwość przekształcenia tzw. “zimnych guzów”, niewidocznych dla układu odpornościowego, w “gorące”, czyli immunologicznie aktywne i podatne na terapię.
“To odkrycie może otworzyć obiecującą nową drogę dla rozwoju terapii przeciwnowotworowych” – skomentował Sundar Pichai, CEO Google.
Silmitasertib (CX-4945) to opracowany przez firmę Senhwa Biosciences, pierwszy w swojej klasie inhibitor kinazy białkowej CK2, który jest już w fazie badań klinicznych w leczeniu różnych typów nowotworów. Związek był dotychczas podawany setkom pacjentów, wykazując korzystny profil bezpieczeństwa. Odkrycie dokonane przez platformę Google DeepMind nie tylko wzmacnia naukowe podstawy działania leku, ale również podkreśla jego potencjał w immunoterapiach nowej generacji i stanowi przykład nowego paradygmatu, w którym symulacje AI łączą się z walidacją eksperymentalną w celu przyspieszenia rozwoju medycyny.
