DNA, RNA, τεχνητή νοημοσύνη και κβαντικοί υπολογιστές. Μπορούμε να «δαμάσουμε» τον καρκίνο στο μέλλον;

Μπά­μπης Στέρτσος

Ο καρ­κί­νος εξα­κο­λου­θεί να απο­τε­λεί μία από τις μεγα­λύ­τε­ρες προ­κλή­σεις της σύγ­χρο­νης ιατρι­κής και, ταυ­τό­χρο­να, μία από τις πιο σύν­θε­τες. Παρά την εντυ­πω­σια­κή πρό­ο­δο στη διά­γνω­ση και στις θερα­πεί­ες των τελευ­ταί­ων δεκα­ε­τιών, παρα­μέ­νει μια νόσος απρό­βλε­πτη, συχνά ανθε­κτι­κή και βαθιά ανο­μοιο­γε­νής. Δεν εξε­λίσ­σε­ται με τον ίδιο τρό­πο σε όλους, ούτε υπα­κού­ει σε απλές γενι­κεύ­σεις. Κι ακρι­βώς εδώ αρχί­ζει να αλλά­ζει ριζι­κά ο τρό­πος με τον οποίο η επι­στή­μη τον προσεγγίζει.

Για πολ­λά χρό­νια μιλού­σα­με για «τον καρ­κί­νο» σαν να επρό­κει­το για μία ενιαία ασθέ­νεια. Σήμε­ρα γνω­ρί­ζου­με ότι αυτή η αντί­λη­ψη ήταν εσφαλ­μέ­νη. Ο καρ­κί­νος δεν είναι μία νόσος, αλλά πολ­λές. Κάθε όγκος έχει το δικό του γενε­τι­κό απο­τύ­πω­μα, τη δική του βιο­λο­γι­κή συμπε­ρι­φο­ρά και τη δική του εξέ­λι­ξη. Δύο ασθε­νείς με τον ίδιο τύπο καρ­κί­νου μπο­ρεί, στην πρά­ξη, να πάσχουν από δύο εντε­λώς δια­φο­ρε­τι­κές ασθέ­νειες. Αυτή η γνώ­ση απο­τε­λεί τη βάση της σύγ­χρο­νης εξα­το­μι­κευ­μέ­νης ιατρικής.

Η αλλη­λού­χι­ση του DNA ήταν το πρώ­το μεγά­λο βήμα προς αυτή την κατεύ­θυν­ση. Μέσα από αυτήν, οι επι­στή­μο­νες μπο­ρούν να εντο­πί­σουν τις μεταλ­λά­ξεις που υπάρ­χουν στα καρ­κι­νι­κά κύτ­τα­ρα, να ανα­γνω­ρί­σουν ποια γονί­δια έχουν υπο­στεί βλά­βες και να κατα­νο­ή­σουν ποιες γενε­τι­κές αλλα­γές οδή­γη­σαν στη δημιουρ­γία του όγκου. Το DNA λει­τουρ­γεί σαν ένα γενε­τι­κό αρχείο, απο­τυ­πώ­νο­ντας την ιστο­ρία των λαθών που συσ­σω­ρεύ­τη­καν στο κύτ­τα­ρο μέχρι να ξεφύ­γει από τον φυσιο­λο­γι­κό έλεγχο.

Όμως το DNA από μόνο του δεν αρκεί. Το RNA προ­σθέ­τει μια κρί­σι­μη, δυνα­μι­κή διά­στα­ση. Η συν­δυα­στι­κή αλλη­λού­χι­ση DNA και RNA επι­τρέ­πει σήμε­ρα μια πολύ βαθύ­τε­ρη κατα­νό­η­ση του καρ­κί­νου. Αν το DNA δεί­χνει τι μπο­ρεί να συμ­βεί, το RNA απο­κα­λύ­πτει τι συμ­βαί­νει πραγ­μα­τι­κά τη δεδο­μέ­νη στιγ­μή.  Μέσα από την ανά­λυ­ση του RNA γίνε­ται σαφές ποια γονί­δια είναι ενερ­γά, ποια παρα­μέ­νουν «σιω­πη­λά» και πώς ακρι­βώς συμπε­ρι­φέ­ρε­ται ο όγκος στο παρόν. Έτσι εξη­γεί­ται για­τί δύο όγκοι με παρό­μοιο γενε­τι­κό υλι­κό μπο­ρεί να εμφα­νί­ζουν εντε­λώς δια­φο­ρε­τι­κή επι­θε­τι­κό­τη­τα και δια­φο­ρε­τι­κή αντα­πό­κρι­ση στις θεραπείες.

Η πρό­ο­δος αυτή, ωστό­σο, συνο­δεύ­ε­ται από μια νέα πρό­κλη­ση: τον τερά­στιο όγκο των δεδο­μέ­νων. Η σύγ­χρο­νη ιατρι­κή μπο­ρεί πλέ­ον να συλ­λέ­γει χιλιά­δες γενε­τι­κές πλη­ρο­φο­ρί­ες για κάθε ασθε­νή, δεδο­μέ­να από εκα­τομ­μύ­ρια κύτ­τα­ρα και συνε­χή στοι­χεία για την εξέ­λι­ξη της νόσου. Το πρό­βλη­μα δεν είναι πια η έλλει­ψη γνώ­σης, αλλά η αδυ­να­μία του ανθρώ­πι­νου νου να επε­ξερ­γα­στεί όλα αυτά τα δεδο­μέ­να με ουσια­στι­κό και αξιο­ποι­ή­σι­μο τρόπο.

Σε αυτό το σημείο κάνει την εμφά­νι­σή της η Τεχνη­τή Νοη­μο­σύ­νη. Τα συστή­μα­τα AI μπο­ρούν να ανα­λύ­σουν τερά­στιους όγκους δεδο­μέ­νων DNA και RNA, να εντο­πί­σουν μοτί­βα που δεν είναι ορα­τά στον άνθρω­πο και να ξεχω­ρί­σουν ποιες μεταλ­λά­ξεις έχουν πραγ­μα­τι­κή βιο­λο­γι­κή σημα­σία. Πέρα από την ανά­λυ­ση, μπο­ρούν να προ­βλέ­ψουν πώς ένας συγκε­κρι­μέ­νος όγκος είναι πιθα­νό να αντι­δρά­σει σε μια θερα­πεία, περιο­ρί­ζο­ντας τη λογι­κή της δοκι­μής και του λάθους που για χρό­νια χαρα­κτή­ρι­ζε την ογκο­λο­γία. Χωρίς την Τεχνη­τή Νοη­μο­σύ­νη, η σύγ­χρο­νη γονι­διω­μα­τι­κή θα παρέ­με­νε ένας ωκε­α­νός ακα­τέρ­γα­στων πληροφοριών.

Ακό­μη πιο μακριά στον ορί­ζο­ντα δια­φαί­νε­ται η είσο­δος των κβα­ντι­κών υπο­λο­γι­στών. Δεν πρό­κει­ται απλώς για ισχυ­ρό­τε­ρα μηχα­νή­μα­τα, αλλά για υπο­λο­γι­στι­κά συστή­μα­τα που λει­τουρ­γούν με εντε­λώς δια­φο­ρε­τι­κή λογι­κή από τους σημε­ρι­νούς υπο­λο­γι­στές. Οι κβα­ντι­κοί υπο­λο­γι­στές έχουν τη δυνα­τό­τη­τα να επε­ξερ­γά­ζο­νται ταυ­τό­χρο­να τερά­στιους χώρους πιθα­νο­τή­των, κάτι που θα μπο­ρού­σε στο μέλ­λον να επι­τρέ­ψει την προ­σο­μοί­ω­ση της εξέ­λι­ξης ενός όγκου και τη δοκι­μή χιλιά­δων θερα­πευ­τι­κών σενα­ρί­ων σε εικο­νι­κό περιβάλλον.

Το όρα­μα που στα­δια­κά δια­μορ­φώ­νε­ται είναι εκεί­νο του «ψηφια­κού διδύ­μου» του καρ­κί­νου. Για κάθε ασθε­νή θα μπο­ρού­σε να δημιουρ­γεί­ται ένα ψηφια­κό μοντέ­λο του όγκου του, βασι­σμέ­νο στο DNA και το RNA του, εμπλου­τι­σμέ­νο με δεδο­μέ­να από χιλιά­δες άλλους ασθε­νείς και επε­ξερ­γα­σμέ­νο με εργα­λεία Τεχνη­τής Νοη­μο­σύ­νης και, στο μέλ­λον, κβα­ντι­κών υπο­λο­γι­στών. Η ιατρι­κή θα περ­νού­σε έτσι από την εμπει­ρι­κή αντι­με­τώ­πι­ση στην εξα­το­μι­κευ­μέ­νη πρόβλεψη.

Θα «λυθεί» ποτέ ο καρ­κί­νος; Η απά­ντη­ση οφεί­λει να είναι ειλι­κρι­νής. Είναι απί­θα­νο να εξα­φα­νι­στεί πλή­ρως. Είναι όμως ρεα­λι­στι­κό να μετα­τρα­πεί, για ολο­έ­να και περισ­σό­τε­ρους ανθρώ­πους, σε μια ελέγ­ξι­μη χρό­νια νόσο. Κάτι ανά­λο­γο έχει ήδη συμ­βεί με παθή­σεις που στο παρελ­θόν θεω­ρού­νταν θανα­τη­φό­ρες, όπως ο δια­βή­της ή ο HIV.

Παρά την τεχνο­λο­γι­κή επα­νά­στα­ση, το ανθρώ­πι­νο στοι­χείο παρα­μέ­νει ανα­ντι­κα­τά­στα­το. Όσο εξε­λιγ­μέ­νοι κι αν γίνουν οι αλγό­ριθ­μοι, η τελι­κή από­φα­ση θα παρα­μέ­νει ανθρώ­πι­νη. Η ποιό­τη­τα ζωής, οι αξί­ες και τα ηθι­κά διλήμ­μα­τα δεν μπο­ρούν να μετα­τρα­πούν σε μαθη­μα­τι­κούς τύπους. Η Τεχνη­τή Νοη­μο­σύ­νη και οι κβα­ντι­κοί υπο­λο­γι­στές δεν αντι­κα­θι­στούν τον για­τρό· του δίνουν, όμως, τη δυνα­τό­τη­τα να βλέ­πει νωρί­τε­ρα και καθαρότερα.

Η αλλη­λού­χι­ση DNA και RNA μας δεί­χνει τι συμ­βαί­νει μέσα στον καρ­κί­νο. Η Τεχνη­τή Νοη­μο­σύ­νη μας βοη­θά να το κατα­νο­ή­σου­με. Οι κβα­ντι­κοί υπο­λο­γι­στές ίσως μας επι­τρέ­ψουν, στο μέλ­λον, να το προ­βλέ­ψου­με. Και αυτή η μετά­βα­ση από την κατα­νό­η­ση στην πρό­βλε­ψη αλλά­ζει ήδη τον τρό­πο με τον οποίο αντι­λαμ­βα­νό­μα­στε την ιατρική.

Ενδεικτική Βιβλιογραφία

• National Cancer Institute (NCI). Genomics and Cancer.

• Nature Reviews Cancer. The role of RNA sequencing in cancer biology.

• Topol, E. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books.

• Esteva, A. et al. (2021). “A guide to deep learning in healthcare.” Nature Medicine.

• IBM Research & Google Quantum AI. Quantum computing applications in biology and medicine.

• Hood, L., & Friend, S. (2011). “Predictive, personalized, preventive, participatory (P4) cancer medicine.” Nature Reviews Clinical Oncology.

Βρεί­τε μας και στη σελί­δα μας στο Facebook: Η Υγεία σήμε­ρα Health today