رادیو داروها شیمایی
رادیوداروهای شیمیایی بهطور چشمگیری به یک زمینه چند رشتهای تبدیل شده است که در آن رادیو شیمیدانها با زیست شناسان، فیزیکدانان، ریاضیدانان، مهندسان و متخصصان پزشکی بسیاری از تخصصها همکاری میکند.
اگرچه دانشهای بنیادین مرتبط با رادیوشیمی رشد کرده است اما استفاده از این اکتشافات رادیوشیمی در موارد بالینی همچنان کند و غیرموثر است. رادیوشیمی دانان در حال حاضر به دنبال راههای جدید، سریعتر و عملیتر برای تولید لیگاندهای نشاندار شده رادیویی برای نسل بعدی اهداف مولکولی هستند. توسعه ردیابهای رادیویی جدید برای تصویربرداری PET (در انکولوژی، قلب، عصبشناسی، عفونت، التهاب و غیره) و ترانوستیک نیازمند همکاری مستقیم با پزشکان برای شناسایی و اولویتبندی نیازهای بالینی و سوالات بیپاسخ آنها و با زیستشناسان در زمینه همه بیماریها برای انتخاب بهترین مولکول هدف به منظور توسعه رادیو داروها میباشد.
در دهه آینده، با ادامه توسعه واکنشها و مسیرهای شیمیایی جدید به منظور غلبه بر محدودیتهای مصنوعی مربوط به کار با ایزوتوپهای رادیویی کوتاهاثر در افزایش فعالیتهای مخصوص غلبه کند. ما نیاز به توسعه روشهای شیمایی، ردیابهای رادیویی با ویژگیهای تکرار پذیری، قابلیت ترجمه سلولی و چندکاره برای استفاده در کاربردهای معمولی پزشکی هستهای هستیم. این توسعه نیازمندند ایجاد و بهبود مستمر فناوری خودکارسازی modular برای تولید رادیوداروهایی با عملکرد خوب است که با انواع واکنشهای احتمالی سازگار است. یکی از موانع اصلی در مسیر ترجمه، کمبود کلی فرمولاسیون کیت مانند است که میتواند با انواع شلاتورها و فلزات استفاده شود و در نتیجه به تولید آنتی بادیها یا پپتیدهای نشاندار شده رادیویی تحت شرایط مشابه با عمل کمک کند.
در زمینه تابشگرهای آلفا مبتنی بر فلز و هالوژن، روشهای ترکیبی جدید و شلاتورها هستند که میتوانند در جهان برای تصویربرداری، درمان رادیونوکلئیدی و جفتسازی هستههای ترانوستیک، یک زمینه هیجانانگیز برای توسعه در آینده تبدیل شوند.
اگر پیشرفتهای موازی در شناسایی اهداف قابل تصویربرداری جدید انجام شود، زمینه رادیوشیمی نیز بهخوبی گسترش خواهد یافت. یافتههای اخیر نشان داده است که اهداف آنتی ژنی با فراوانی کم نیز میتوانند با پلتفرم صحیح تصویربرداری شوند. با پیشرفتهای اخیر در افزایش حساسیت PET اسکنهای کل بدن، میتوان اهداف آنتیژنی که قبلاً تصور میشد نامناسب هستند، مجدداً مورد بررسی قرار گیرند.
میتوان از یک ردیاب طراحی شده برای نظارت غیرتهاجمی، اثربخشی رادیو داروها و نشان دادن تعاملات اهداف موکولی استفاده کرد. مانند استفاده از 18F-fluoroestradiol در درمان هدفمند گیرندههای استروژنی و یا تصویربرداری گیرنده ۲ فاکتور رشد اپیدرمی برای مهار کردن این گیرنده و شناسایی عواملی که تیروزین کیناز را هدف قرار میدهند. کاربردهای بالینی چنین ردیابهای رادیویی پیامدهای قابل توجهی برای استفاده در آزمایشهای بالینی فاز یک و دو و سادهسازی فرآیند تائید برای درمانهای جدید و پرتودرمانی دارد.
رادیوشیمی دانان همچنین روشهای جدیدی را برای تولید پرتوزا برای تصویربرداری و درمان کشف میکنند. این پیشرفتها به در دسترس بودن رادیونوکلئیدها بستگی دارد. بنابراین ضروری است نهادهای تجاری به حمایت از مسیرهای جدید ساده و کم هزینهتر برای تولید و جداسازی رادیو ایزوتوپها ادامه دهند. در نهایت آینده رادیوداروهای شیمیایی به تربیت نسل بعدی دانشمندانی بستگی داد که بتوانند شکاف بین شرکتهای تحقیقاتی پایه و تحقیقات بالینی را پر کنند.
ابزارها و تجزیه و تحلیل دادهها
با گسترش ابزار دقیق پزشکی هستهای و علم تجزیه و تحلیل دادهها در سالهای اخیر شاهد پیشرفت فوقالعاده علم و تأثیر بالینی این رشته بودهایم.
آشکارسازهای اولیه تصویر برداری هستهای به آشکارسازهای پیچیده حساس به وضعیت با وضوح بالا در انرژی، فضا و زمان تکامل یافتهاند. سیستمهای تصویربرداری از دوربینهای کاملاً مسطح به توموگرافهایی که قادر به تولید دادههای 3 و 4 بعدی با کیفیت بالا هستند، تکامل یافتهاند. دستگاههای PET و SPECT با CT و بعداً MRI ترکیب شدند تا اطلاعات آناتومیکی دقیقی را ارائه دهند تا اطلاعات عملکردی و مولکولی ارائه شده توسط تصویربرداری هستهای را تکمیل کنند.
توسعه روشهای بازسازی تصویر تکراری بر اساس مدلهای آماری و فیزیکی عصر جدیدی از بهبود کیفیت تصاویر را آغاز کرد. علاوه بر تولید تصاویر، توانایی اندازه گیری غلظت ردیاب منطقهای بهطور قابل توجهی بهبود یافته و همراه با روشهای پیشرفته تجزیه و تحلیل تصویر از جمله مدلهای فارماکوکینتیک و روشهای جدید تجزیه و تحلیل دادهها که میتوانند فرآیندهای مولکولی پیچیده مانند فعالیت آنزیمی و اتصال گیرنده را کمی کنند. اما در آینده میتوانیم شاهد چه پیشرفتهایی باشیم؟
آشکارسازها
پیشرفت در علم مواد و الکترونیک منجر به آشکارسازهای سریعتر، فشردهتر و دقیقتر شده است. گسیلکنندههای سریعتر فوتونهای نوری در پاسخ به تابشهای یونی مانند lutetium-yttrium oxyorthosilicate میتواند وقوع زمانبندی را بهبود میبخشند. توسعه دستگاههای حالتجامد بسیار فشرده برای تبدیل فوتونها به سیگنال الکتریکی منجر به بهبود فشردگی، دقت و زمانبندی آشکارساز خواهد شد. همچنین دستگاههای حالتجامد تشخیص مستقیم فوتونهای پرانرژی را امکانپذیر میکنند. بهطورکلی، این پیشرفتها بهویژه در عملکرد و کاهش هزینه، ظهور آشکارسازهای دیجیتالی را بهعنوان استانداردی برای دستگاههای تصویربرداری هستهای را گستردهتر خواهد کرد.
دستگاهها
این واقعیت که این دستگاهها میتوانند بهطور همزمان انتشارات هستهای را در سراسر بدن شناسایی کنند، منجر به حساسیت فوقالعاده فوتون میشود که تصویربرداری را با سطوح بسیار کم رادیواکتیویته و یا کاهش زمانهای تصویربرداری را تسهیل میکند. PETکل بدن توانایی بیسابقهای برای اندازهگیری همزمان جذب و جنبش ردیاب در کل بدن و اندازهگیری زیستشناسی یکپارچه را ارائه میدهد که میتوان در تشخیص، فارماکولوژی و کشف بیولوژی استفاده کرد.
تولید و تحلیل تصویر
همانطور که دستگاهها توانایی خود را برای به دست آوردن دادهها افزایش میدهند، نیاز فزایندهای به الگوریتمهای بازسازی سریع و کارآمد وجود خواهد داشت که بتواند از روشهای محاسباتی پیشرفته ازجمله محاسبات خوشهای و ابری استفاده کند. پیشرفتهای علم داده، ازجمله یادگیری ماشین و هوش مصنوعی، ممکن است راههایی را برای افزایش کارایی و دقت در تولید تصویر فراهم کند. همچنین ادغام مدلهای جنبش زیست ردیابها و مدلهای حرکت بیمار در مدلهای فیزیکی مورد استفاده برای بازسازی تصویر میتواند به کارایی و دقت الگوریتمهای بازسازی تصویر بیفزاید.
رویکردهای جدید برای ارزیابی الگوهای جذب ایستا بر روی تصاویر سهبعدی و بهبود تجزیهوتحلیل جنبشی 4 بعدی، روشهای فراوانی را ارائه میکنند که از طریق آن میتوان اطلاعات منحصربهفردی را در مورد زیستشناسی موجودات زنده با استفاده از تصویربرداری مولکولی به دست آورد. یک جزء مرتبط و مکمل برای تجزیهوتحلیل تصویر، دزیمتری دقیق رادیو دارو برای theranostics است.
استانداردهای تصویربرداری کمی
توانایی ذاتی تصویربرداری هستهای برای اندازهگیری غلظت رادیو داروهای منطقهای فرصتی برای بیومارکرهای تصویر کمی برای تشخیص و راهنمایی درمان ایجاد میکند. بااینحال، تنوع در رویکرد، کاربرد بیومارکرهای مولکولی کمی را در عمل بالینی محدود کرده است. تنظیم استانداردها برای تصویربرداری مولکولی کمی هدف معیارهای منتشرشده جهانی بوده است. ادامه این تلاشها برای استفاده از قدرت کامل تصویربرداری مولکولی کمی در عمل بالینی مهم خواهد بود.
ابزار دقیق برای تصویربرداری مولکولی غیرهستهای
از آنجایی که تصویربرداری مولکولی بالینی فراتر از روشهای هستهای گسترش مییابد، پیشرفت در ابزار دقیق غیرهستهای و روشهای تولید تصویر نقش مهمی در استفاده از این روشها از مطالعات پیش بالینی به بالین خواهد داشت. این پیشرفتها شامل مواردی در توموگرافی اپتیکال، تصویربرداری اپتوآکوستیک، تصویربرداری اولتراسوند از محیطهای کنتراست هدفمند، طیفسنجی MR، و عوامل MRI هیپرپلاریزه میشود. این پیشرفتها از ترجمه رویکردهای چندوجهی مورد نیاز برای اندازهگیری فرآیندهای بیولوژیکی پیچیده مانند متابولیسم و ایمونولوژی پشتیبانی میکنند.
اینها تنها تعدادی از حوزههای تحقیق در ابزار و تجزیهوتحلیل دادهها هستند که در چند دهه آینده برای کمک به شکلدهی نقش رو به رشد و فزاینده تصویربرداری مولکولی در تحقیقات بیولوژیکی و پزشکی نقش ایفا خواهند کرد.
هوش مصنوعی
۳ مزیت اصلی هوش مصنوعی در تجهیزات و نرمافزار شامل: خودکار شدن برخی تنظیمات دریافت تصویر (بهعنوانمثال، موقعیتیابی بیمار و زمان اسکن)، تولید تصاویر کمی باکیفیت بالا (بهعنوانمثال، استفاده از پراکندگی مبتنی بر هوش مصنوعی، تضعیف و اصلاح حرکت، بازسازی تصویر، یا حذف نویز)، و تجزیهوتحلیل و تفسیر تصویر. فراتر از این موارد هوش مصنوعی کارایی فرآیند توسعه ردیاب را بهبود میبخشد، اگرچه نتایج اولیه در این زمینه هنوز به دست نیامده است.
ویرایش مبتنی بر هوش مصنوعی شامل بازسازی تصویر و حذف نویز تصاویر است. اگرچه الگوریتمهای اساسی هوش مصنوعی برای اکثر مصرفکنندگان پزشک و فیزیکدان پزشکی هستهای مبهم باقی میمانند، اما این الگوریتمها با فعال کردن دورههای دریافت کوتاهتر (یا دوزهای تزریقی کمتر) و وضوح فضایی و زمانبندی دقیقتر بهطور قابلتوجهی این عمل را تغییر میدهند، ازاینرو تصاویر مولکولی واضحی تولید میکند که زمینههای کاربرد را بیشتر گسترش میدهد.
بینشهایی درباره مکانیسمهای فیزیولوژیک و پاتولوژیک که از طریق استفاده از اسکنرهای PET تمام بدن به دست میآوریم، ممکن است در آموزش الگوریتمهای بازسازی مبتنی بر هوش مصنوعی مفید واقع شوند. بنابراین، این الگوریتمها میتوانند از اسکنرهایی که مدرن هستند اما میدان دید axial ندارند، تصاویر PET مانند کل بدن تولید کنند. اگر این مهم انجام شود، آنچه همیشه بهعنوان محدودیت تصویربرداری PET و SPECT در نظر گرفته میشود، یعنی وضوح مکانی و زمانی متوسط، برطرف میشود و اسکنرهای در دسترس بهزودی ترکیبی بینظیر از حساسیت بالا و وضوح مکانی و زمانی بالا را ارائه خواهند کرد.
هوش مصنوعی همچنین نحوه خواندن و تفسیر تصاویر پزشکی هستهای را تغییر میدهد. کارهای خستهکننده و وقتگیر مانند ترسیم ساختارهای مورداستفاده بهزودی با استفاده از الگوریتمهای هوش مصنوعی آموزشدیده بر روی هزاران مورد کاملاً خودکار خواهند شد. تصاویر با تمام مناطق پیشنهادی از پیش مشخصشده نمایش داده میشوند، بنابراین تجزیهوتحلیل بصری آنها توسط پزشکان پزشکی هستهای و رادیولوژیستها به میزان قابلتوجهی تسریع میشود. همچنین ویژگیهای کمی بدون نیاز به تعیین نقاط عطف و ترسیم مناطق استخراج و گزارش میشوند. همه این پیشرفتها در دسترس هستند و پس از تائید توسط نهادهای مجاز، در دسترس خواهند بود.
چالشبرانگیزتر از تشخیص ناهنجاریها، تشخیص، پیشبینی و طبقهبندی بیماری بر اساس ویژگیهای تصویربرداری مولکولی با نرخ خطای کنترلشده و کوچک، توسط هوش مصنوعی است. اگرچه نتایج دلگرمکنندهای گزارش شدهاند، اما برخی عناصر حیاتی هنوز موردنیاز هستند تا این مدلهای پیشبینی و طبقهبندی مبتنی بر هوش مصنوعی مقبولیت گستردهای پیدا کنند و به ابزارهای معمولی تبدیل شوند که به پزشکان در طیف وسیعی از کاربردها کمک میکند.
- اولین مورد این است که ارزش بالینی یا اقتصادی آنها برای مدیریت بیمار در تنظیمات چند مرکزی باید نشان داده شود.
- دوم نیاز شامل بهره برداری کاملتر از توانایی مدلهای مبتنی بر هوش مصنوعی برای ادغام بسیار بیشتر از محتوای تصویر و دادههای بالینی پایه ذخیرهشده در پرونده بیماران است. این فرآیند یکپارچهسازی دادهها که توسط هوش مصنوعی پشتیبانی میشود، ممکن است طی 10 سال آینده تغییرات اساسی را ایجاد کند.
برای یک بیمار معین، ما در حال حاضر در حال جمعآوری اطلاعات بسیار بیشتری از آن چیزی هستیم که حتی چندین متخصص از تخصصهای مختلف با هم میتوانند بهطور جامع در یک زمان معقول تجزیه و تحلیل کنند. استخراج خودکار چنین دادههای پیچیدهای بدون شک مورد نیاز است تا به ما کمک کند تا ارتباطها را تشخیص دهیم و ارتباط برقرار کنیم نه تنها بین دادههای جمع آوری شده از یک بیمار، بلکه بین دادههای مشاهده شده در بسیاری از بیماران. فقط الگوریتمهای هوش مصنوعی میتوانند دادههای پیچیده بسیاری از انواع مختلف را مدیریت کنند و الگوهایی را برجسته کنند که ما میتوانیم آنها را به فرضیههای بیولوژیکی تبدیل کنیم.
در نهایت
در طول 60 سال گذشته، پزشکی هستهای دستخوش تغییرات زیادی شده است. آزمونهای تشخیصی که زمانی در قلب این رشته در نظر گرفته میشدند، مانند اسکن نوکلوئیدی برای تشخیص متاستازهای کبدی، تقریباً بهطور کامل با سایر مطالعات تصویربرداری جایگزین شدهاند. درعینحال، فناوریهای جدید تصویربرداری، مانند PET، که ابزار تحقیقاتی خالص در نظر گرفته میشوند، به آزمایشهای بالینی معمولی تبدیل شدهاند.
توسعه عوامل تصویربرداری جدید عموماً بسیار گرانتر از آن است که از نظر اقتصادی مقرون بهصرفه باشد (45). بنابراین، کل رشته رادیوشیمی و رادیو داروسازی محکوم به فنا به نظر میرسید و انتظار این بود که برای سالهای آینده، هیچ عامل تصویربرداری بالینی PET به جز 18F-FDG وجود نداشته باشد. تأییدیه FDA 11Ccholine، گیرنده سوماتواستاتین، آمیلوئید، و لیگاندهای تاو، و همچنین چندین آزمایش ثبتنام در حال انجام لیگاندهای PSMA، ثابت کرده است که این نگرانیهای موجه اشتباه است.
بااینحال، تغییراتی که پزشکی هستهای متحمل شد، حتی عمیقتر از تحولات یا انقلابهای تجهیزات تصویربرداری و رادیوداروها است. پزشکی هستهای معمولاً بهعنوان استفاده از رادیو ایزوتوپها برای تشخیص و درمان بیماریهای انسانی تعریف میشود. بااینحال، اهمیت نسبی کاربردهای تشخیصی و درمانی پزشکی هستهای بارها تغییر کرده است.
پزشکی هستهای بهعنوان بخشی از طب داخلی شروع شد و از نظر بالینی عمدتاً برای درمان اختلالات تیروئید و برای مطالعات پاتوفیزیولوژی بیماریهای مختلف استفاده شد. در طول سالهای بعد، گسترش کاربردهای درمانی پزشکی هستهای فراتر از اختلالات تیروئید چالش برانگیز بود. بااینحال، در همان زمان، کیفیت و وضوح فضایی تصاویر هستهای بهبود یافت و در نتیجه، این رشته به رادیولوژی نزدیک شد. بسیار محتمل است که کاربردهای درمانی رادیوایزوتوپها نقش کلیدی در پزشکی هستهای بالینی در سالهای آینده داشته باشند. به عبارت دیگر، این رشته از رادیولوژی هستهای به پزشکی هستهای باز خواهد گشت.