طوّر باحثون في جامعة يوتا إطار عمل جديد للذكاء الاصطناعي والتعلم الآلي مستوحى من مبادئ ميكانيكا الكم، يهدف إلى تخصيص علاجات السرطان بدقة عالية بناءً على الخلفية الجزيئية الكاملة للمريض. يأتي هذا الإنجاز كبديل ذكي للنماذج التقليدية التي تتطلّب كميات هائلة من البيانات السريرية، مما يجعلها غير عملية في التجارب التي تعتمد على عينات صغيرة تتراوح بين عشرات ومئات المرضى. يعتمد النهج الجديد على خوارزميات التحلل الطيفي المقارن متعدد الأوتار، التي تستفيد من مفهومي التراكب والتشابك الكمي لتحليل طبقات البيانات الجزيئية المتعددة، بما في ذلك الحمض النووي والحمض النووي الريبي المستخلص من الأورام وسوائل الجسم. وقد أظهرت الأبحاث، المنشورة في مجلة APL Quantum وعُرضت في مؤتمر الطب الدقيق العالمي لعام 2024 بسانتا كلارا، قدرة هذه الخوارزميات على استخلاص أنماط مترابطة ودقيقة التنبؤ باستجابة المرضى للعلاج من بيانات ما يقرب من ستة ملايين ميزة جزيئية لعينة صغيرة تضم إحدى مئة مريض مصاب بالورم الأرومي العصبي. سجّل الفريق، بقيادة البروفيسور أورلي ألتير من معهد الحوسبة والصور العلمية في جامعة يوتا، نتائج متفوقة على المؤشرات الحيوية القياسية، حيث حدّد مؤشرات جديدة قابلة للتفسير ترتبط بآليات المرض وتحدد جينات مستهدفة لتعزيز فعالية الأدوية. وقد تم التحقق من صحة هذه التنبؤات تجريبياً باستخدام تقنية كريسبر-كاس9 في دراسات ما قبل السريرية ومراحل التجارب السريرية على أورام الدماغ الخبيثة، مما يعزز مصداقية المنهجية وقابليتها للتطبيق على نطاق أوسع. ترجمت جامعة يوتا هذا التطوير إلى شركة ناشئة هي بريزم أي للعلاج، التي تستخدم الخوارزميات لاكتشاف المؤشرات الحيوية ومطابقة المرضى المناسبين للتجارب السريرية، مما يرفع من كفاءة تطوير الأدوية ويخفض التكاليف. وتؤكد ألتير أن قابلية الخوارزميات للعمل بشكل محايد تجاه نوع البيانات تفتح آفاقاً واسعة تتجاوز المجال الطبي، ليشمل ذلك مجالات مثل الطاقة المستدامة وكفاءة العمليات الصناعية. يستهدف الفريق في المرحلة القادمة تعميم المنهج على المرضى الفرديين، لتحقيق ما يُعرف بالطب الدقيق الحقيقي، حيث يُحلّل بيانات جزيئية لشخص واحد فقط لصياغة خطة علاجية فريدة. وتمثل هذه الخطوة نقلة نوعية في مواجهة تعقيدات الأمراض الوراثية والأورام، مقدمين نموذجاً حاسوبياً شفافاً وقابلاً للتنفيذ يخترق حدسية النماذج التقليدية ذات الصناديق السوداء، ويسرع وتيرة الابتكار في الطب الشخصي وعلم الأدوية.