در دنیای پزشکی، توجه اصلی همواره معطوف به ژن‌ها و پروتئین‌ها بوده است. اما واقعیت این است که متابولیت‌ها—مولکول‌هایی مانند لیپیدها، کلسترول و قندها—نقش کلیدی در فرآیندهای زیستی ایفا می‌کنند و می‌توانند شاخص‌های پنهان بسیاری از بیماری‌ها باشند. لیلا پیرحاجی، دانشمند ایرانی و فارغ‌التحصیل MIT، با درک این شکاف علمی، استارتاپی به نام ReviveMed را بنیان‌گذاری کرده است. این شرکت با بهره‌گیری از هوش مصنوعی و تحلیل داده‌های گسترده متابولومی، به دنبال رمزگشایی از تأثیر این مولکول‌ها بر بیماری‌هاست. این فناوری نه‌تنها می‌تواند تشخیص بیماری‌ها را بهبود بخشد، بلکه به شرکت‌های داروسازی کمک می‌کند تا بیماران مناسب را برای درمان‌های خاص شناسایی کنند و به درمان‌های شخصی‌سازی‌شده دست یابند.
لیلا پیرحاجی کیست؟
لیلا پیرحاجی (متولد 17 مه 1986 در اصفهان، ایران) یک بیولوژیست محاسباتی و کارآفرین تکنولوژی است که به‌عنوان بنیان‌گذار و مدیرعامل شرکت ReviveMed شناخته می‌شود. این شرکت بیوتکنولوژی که در سال 2018 تأسیس شد، به تحلیل داده‌های متابولومیک و استفاده از هوش مصنوعی برای درک بهتر فرآیندهای بیماری و پیش‌بینی پاسخ بیماران به درمان‌ها می‌پردازد.
پیرحاجی تحصیلات خود را در دانشگاه تهران با دریافت مدرک کارشناسی در رشته بیوتکنولوژی آغاز کرد و سپس در ETH زوریخ سوئیس به‌عنوان دانشمند بازدیدی در زمینه توسعه الگوریتم‌هایی برای تحلیل شبکه‌های تعامل پروتئینی از داده‌های طیف‌سنجی جرمی کار کرد. پس از آن، او تحصیلات کارشناسی ارشد خود را در بیوتکنولوژی تکمیل کرد و در سال 2010 به MIT (دانشگاه فناوری ماساچوست) برای ادامه تحصیل در مقطع دکتری در رشته مهندسی زیستی وارد شد. در سال 2016، او با ارائه رساله خود تحت عنوان "کشف مسیرها و مولفه‌های مرتبط با بیماری از طریق یکپارچه‌سازی داده‌های زیستی در مقیاس بزرگ"، فارغ‌التحصیل شد.
در طول دوران حرفه‌ای خود، پیرحاجی در شرکت‌های بزرگ داروسازی مانند Takeda Oncology و Merck در زمینه‌های مختلف کشف دارو و پیش‌بینی پاسخ بیماران به درمان‌ها فعالیت کرده است. پس از فارغ‌التحصیلی از MIT، او تصمیم گرفت از تخصص خود در زمینه کشف دارو و تجزیه و تحلیل مولکول‌ها برای راه‌اندازی ReviveMed استفاده کند. این شرکت با هدف استفاده از داده‌های متابولومیک برای بهبود درمان‌های پزشکی، از فناوری هوش مصنوعی بهره می‌برد.
پیرحاجی علاوه بر فعالیت‌های علمی و تجاری، در سال 2019 به‌عنوان یکی از TED Fellows منتخب شد و در سال 2020 نیز توسط MIT Technology Review به‌عنوان یکی از 35 نوآور زیر 35 شناخته شد. او همچنین موفق به دریافت تأمین مالی از منابع مختلفی مانند Rivas Capital و TechU شده است و جوایزی همچون StartMIT و MIT100K را به‌دست آورده است.
کشف جدید لیلا پیرحاجی در دانشگاه MIT
در سال‌های اخیر، پیشرفت‌های علمی در زمینه ژنومیک و بیوانفورماتیک توانسته‌اند تغییرات شگرفی در درمان بیماری‌ها ایجاد کنند. با این حال، یکی از حوزه‌های کمتر مورد توجه قرار گرفته، مطالعه متابولیت‌ها—مولکول‌هایی مانند لیپیدها، کلسترول و قندها—بوده است. استارتاپ ReviveMed، که توسط دکتر لیلا پیرحاجی، فارغ‌التحصیل MIT، و استاد ارنست فرنکل تأسیس شده است، با بهره‌گیری از هوش مصنوعی در تلاش است تا پرده از پیچیدگی‌های متابولومیکس برداشته و روش‌های درمانی مؤثرتری برای بیماران بیابد.
شکاف موجود در اندازه گیری متابولیت ها
بر اساس گزارش MIT News، تاکنون محققان تنها قادر به اندازه‌گیری چند صد متابولیت با دقت بالا بوده‌اند، در حالی که تعداد واقعی این مولکول‌ها در بدن انسان بسیار بیشتر است. پیرحاجی در این رابطه اظهار داشت:
"شکاف عظیمی بین آنچه ما با دقت اندازه‌گیری می‌کنیم و آنچه واقعاً در بدن وجود دارد، وجود دارد. هدف ما پر کردن این شکاف و بهره‌گیری از داده‌های متابولیتی کمتر استفاده‌شده است."
در حالی که ارتباط متابولیت‌های نامتعادل با بیماری‌هایی مانند سرطان، آلزایمر و بیماری‌های قلبی-عروقی به‌طور فزاینده‌ای در حال آشکار شدن است، ReviveMed با کمک هوش مصنوعی، این داده‌ها را تحلیل کرده و به شرکت‌های داروسازی کمک می‌کند تا بیماران مناسب برای درمان‌های خاص را شناسایی کنند.
چالش های مسیر و توسعه یک مدل جدید
پیرحاجی، که در ایران متولد و بزرگ شده است، در سال ۲۰۱۰ برای ادامه تحصیل در رشته مهندسی زیستی به MIT آمد. در طول تحقیقات خود، پس از دریافت مجموعه‌ای عظیم از داده‌های متابولیکی از یک همکار در دانشگاه هاروارد، متوجه شد که بیشتر این داده‌ها به دلیل عدم درک علمی، نادیده گرفته می‌شوند. این چالش انگیزه‌ای شد تا او به فکر طراحی مدلی برای تحلیل و تفسیر این داده‌های پیچیده بیفتد.
وی در سال ۲۰۱۶، با انتشار مقاله‌ای در Nature Methods، روشی جدید برای توصیف مسیرهای متابولیکی و ویژگی‌های آن‌ها ارائه داد. این فناوری، که در ابتدا برای تحقیقات آزمایشگاهی طراحی شده بود، در ادامه به پایه و اساس راه‌اندازی ReviveMed تبدیل شد.
همکاری با شرکت های داروسازی و توسعه مدل های هوش مصنوعی
ReviveMed فعالیت خود را با تحلیل چگونگی اختلال در متابولیسم لیپیدها در بیماری کبد چرب مرتبط با دیابت آغاز کرد. در سال ۲۰۲۰، این شرکت با Bristol Myers Squibb همکاری کرد تا پیش‌بینی کند کدام دسته از بیماران مبتلا به سرطان به ایمونوتراپی این شرکت پاسخ خواهند داد.
امروزه ReviveMed با چهار شرکت از ده شرکت بزرگ داروسازی جهان همکاری دارد تا مکانیسم‌های متابولیکی پشت پرده درمان‌ها را درک کند. این اطلاعات به کاهش زمان و پیچیدگی آزمایشات بالینی کمک کرده و امکان ارائه سریع‌تر درمان‌های مناسب به بیماران را فراهم می‌کند. پیرحاجی در این زمینه می‌گوید:
"اگر بتوانیم دقیقاً بدانیم که چه بیماری‌هایی برای هر دارو مناسب هستند، نه‌تنها فرآیند آزمایش‌های بالینی کوتاه‌تر می‌شود، بلکه بیماران نیز زودتر به درمان‌های مناسب خود دست پیدا می‌کنند."
ایجاد مدل های مولد برای متابولومیکس
اخیراً، ReviveMed یک پایگاه داده متشکل از ۲۰,۰۰۰ نمونه خون بیماران ایجاد کرده است که از آن برای ساخت مدل‌های دیجیتالی بیماران و هوش مصنوعی مولد در تحقیقات متابولومیکس استفاده می‌شود. این مدل‌ها به محققان دانشگاهی به‌صورت رایگان ارائه شده و می‌توانند درک ما را از تأثیر متابولیت‌ها بر بیماری‌ها تسریع کنند.
پیرحاجی در این زمینه می‌افزاید:
"ما در حال دموکراتیزه کردن دسترسی به داده‌های متابولومیکی هستیم. شاید نتوانیم از هر بیمار در جهان داده داشته باشیم، اما مدل‌های دیجیتالی ما می‌توانند به شناسایی بیماران در معرض خطر و نیازمند درمان کمک کنند."
نتیجه‌گیری
فعالیت‌های ReviveMed نشان‌دهنده تحولی نوین در بیومدیسین است که از هوش مصنوعی و داده‌های متابولومی گسترده برای بهبود درمان بیماری‌ها بهره می‌برد. با پیشرفت این فناوری، نه‌تنها درمان‌ها هدفمندتر خواهند شد، بلکه امید تازه‌ای برای بیماران در سراسر جهان فراهم می‌شود.
این مسیر، که با یک چالش علمی در MIT آغاز شد، اکنون در حال تبدیل شدن به یک انقلاب در پزشکی شخصی‌سازی‌شده است.
