যেহেতু 200 টিরও বেশি ধরণের ক্যান্সার রয়েছে এবং প্রতিটি ক্যান্সার অনন্য, নির্ভুল অনকোলজি চিকিত্সা বিকাশের চলমান প্রচেষ্টা ভয়ঙ্কর রয়ে গেছে। বেশিরভাগ ফোকাস ক্যান্সার ড্রাইভার জিনের মিউটেশন শনাক্ত করার জন্য জেনেটিক সিকোয়েন্সিং অ্যাসেস বা অ্যাসেস তৈরি করা এবং তারপর সেই মিউটেশনগুলির বিরুদ্ধে লড়াই করতে পারে এমন চিকিত্সার সাথে মেলানোর চেষ্টা করা।
কিন্তু বেশিরভাগই না হলে, ক্যান্সার রোগীরা এই প্রাথমিক লক্ষ্যযুক্ত থেরাপিগুলি থেকে উপকৃত হয় না। 18 এপ্রিল, 2024 জার্নালে প্রকাশিত একটি নতুন গবেষণা প্রাকৃতিক ক্যান্সারপ্রথম লেখক সঞ্জু সিনহা, পিএইচডি, সানফোর্ড বার্নহাম প্রিবিসের আণবিক ক্যান্সার থেরাপিউটিক প্রোগ্রামের সহকারী অধ্যাপক, সিনিয়র লেখক ইটান রুপিন, এমডি, পিএইচডি, এবং আলেজান্দ্রো শ্যাফার, পিএইচডি, জাতীয় ক্যান্সার কেন্দ্র, অংশ ন্যাশনাল ইনস্টিটিউট অফ হেলথ (এনআইএইচ), এবং সহকর্মীরা একটি প্রথম ধরণের গণনামূলক পাইপলাইন বর্ণনা করে যা একক-কোষ রেজোলিউশনে ক্যান্সারের ওষুধের প্রতি রোগীর প্রতিক্রিয়া পদ্ধতিগতভাবে ভবিষ্যদ্বাণী করতে পারে।
এই নতুন এআই-ভিত্তিক পদ্ধতি, যার নাম পার্সোনালাইজড সিঙ্গেল সেল এক্সপ্রেশন-ভিত্তিক ক্যান্সার চিকিৎসা পরিকল্পনা, বা PERCEPTION, ট্রান্সক্রিপ্টমিক্সের উপযোগিতাকে গভীরভাবে দেখে নেয়- ট্রান্সক্রিপশন ফ্যাক্টরগুলির অধ্যয়ন, যা মেসেঞ্জার আরএনএ অণুগুলি জিন দ্বারা প্রকাশ করে যা তাদের বহন করে এবং রূপান্তর করে। . ডিএনএ তথ্য কর্মে পরিণত হয়।
“টিউমারগুলি জটিল এবং বিকশিত প্রাণী। একক-কোষ রেজোলিউশন ব্যবহার করে আমাদের উভয় চ্যালেঞ্জ মোকাবেলা করতে দেয়,” সিনহা বলেন। “PERCEPTION টিউমারের ক্লোনাল গঠন বুঝতে এবং ড্রাগ প্রতিরোধের উত্থান নিরীক্ষণের জন্য একক-কোষ ওমিক্স থেকে সমৃদ্ধ তথ্য ব্যবহারের অনুমতি দেয়।”
“ড্রাগ প্রতিরোধের উত্থান নিরীক্ষণ করার ক্ষমতা আমার কাছে সবচেয়ে উত্তেজনাপূর্ণ অংশ। এটি আমাদের ক্যান্সার কোষের বিবর্তনের সাথে খাপ খাইয়ে নেওয়ার এবং এমনকি আমাদের চিকিত্সার কৌশলগুলিকে পরিবর্তন করার সুযোগ দেওয়ার ক্ষমতা রাখে,” সিনহা বলেন।
সিনহা এবং সহকর্মীরা ট্রান্সফার লার্নিং, কৃত্রিম বুদ্ধিমত্তার একটি শাখা, উপলব্ধি তৈরি করতে ব্যবহার করেছিলেন।
“ক্লিনিক থেকে সীমিত একক-কোষ ডেটা আমাদের সবচেয়ে বড় চ্যালেঞ্জ৷ AI মডেলগুলির রোগ বোঝার জন্য প্রচুর পরিমাণে ডেটা প্রয়োজন, ChatGPT এর বিপরীতে যার জন্য ইন্টারনেট থেকে প্রচুর পরিমাণে পাঠ্য ডেটা স্ক্র্যাপ করা প্রয়োজন৷”
PERCEPTION টিউমারের প্রকাশিত জিন এক্সপ্রেশন প্রোফাইল ব্যবহার করে তার মডেলগুলিকে প্রশিক্ষিত করতে। সেল লাইন এবং রোগীদের থেকে একক-কোষ ডেটা (সীমিত হলেও) মডেল টিউন করতে ব্যবহার করা হয়েছিল।
একাধিক মায়োলোমা, স্তন ক্যান্সার এবং ফুসফুসের ক্যান্সারে তিনটি পৃথক সম্প্রতি প্রকাশিত ক্লিনিকাল ট্রায়ালে মনোথেরাপি এবং সংমিশ্রণ থেরাপির প্রতিক্রিয়ার পূর্বাভাস দিয়ে পারসেপশন সফলভাবে বৈধ করা হয়েছিল।
প্রতিটি ক্ষেত্রে, PERCEPTION সঠিকভাবে রোগীদের প্রতিক্রিয়াকারী এবং অ-প্রতিক্রিয়াকারী বিভাগে শ্রেণিবদ্ধ করেছে। ফুসফুসের ক্যান্সারে, এটি এমনকি ওষুধের প্রতিরোধ ক্ষমতাও ধারণ করে যা রোগের অগ্রগতির সাথে সাথে বিকাশ লাভ করে, বিশাল সম্ভাবনার সাথে একটি অসাধারণ আবিষ্কার।
সিনহা বলেন, PERCEPTION এখনও ক্লিনিকাল ব্যবহারের জন্য প্রস্তুত নয়, তবে পদ্ধতিটি দেখায় যে একক-কোষ তথ্য চিকিত্সার জন্য ব্যবহার করা যেতে পারে। তিনি এই প্রযুক্তির ক্লিনিকাল গ্রহণকে উৎসাহিত করার আশা করেন যাতে আরও ডেটা তৈরি করা যায় যা ক্লিনিকাল ব্যবহারের জন্য প্রযুক্তিটিকে আরও বিকাশ ও পরিমার্জন করতে ব্যবহার করা যেতে পারে।
সিনহা বলেন, “ভবিষ্যদ্বাণীর গুণমান উন্নত হয় তথ্যের গুণমান এবং পরিমাণের সাথে যার উপর ভিত্তি করে। “আমাদের লক্ষ্য হল একটি ক্লিনিকাল টুল তৈরি করা যা একটি পদ্ধতিগত, ডেটা-চালিত উপায়ে পৃথক ক্যান্সার রোগীদের চিকিত্সার প্রতিক্রিয়ার ভবিষ্যদ্বাণী করতে পারে। আমরা আশা করি এই ফলাফলগুলি শীঘ্রই এই ধরনের আরও ডেটা এবং আরও গবেষণাকে অনুপ্রাণিত করবে।”
গবেষণার অন্যান্য লেখকরা হলেন রাহুলসিমহাম ভেগেসনা, সুমিত মুখার্জি, অশ্বিন ভি. কামুলা, সগাতো রহমান ধ্রুবা, নিশান্ত উলহাস নায়ার, পেং জিয়াং, আলেজান্দ্রো শেফার, কেনেথ ডি অ্যালডাপে এবং ন্যাশনাল ক্যান্সার ইনস্টিটিউট (এনসিআই) এর ইটান রুপিন; লুকাস কের, কলিন এম. ব্লেকলি, এবং ট্রেভার জি. বায়োভোনা, ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, সান ফ্রান্সিসকো; স্বাস্থ্য ইনস্টিটিউট এবং সিরিল এইচ বেনেস, হার্ভার্ড বিশ্ববিদ্যালয়।
এই গবেষণাটি NIH ইন্ট্রামুরাল রিসার্চ প্রোগ্রাম দ্বারা সমর্থিত ছিল;
