پیشرفت‌های علمی در عرصه پزشکی و درمان سرطان در سال‌های اخیر تحولاتی شگرف را به همراه داشته است. یکی از مهم‌ترین چالش‌های پیش‌رو در درمان سرطان، هتروژنیه تومورها و تفاوت‌های پاسخ بیماران به درمان‌های مشابه است. این مسئله باعث شده است تا محققان به دنبال روش‌هایی باشند که بتوانند به‌طور دقیق‌تر و شخصی‌سازی‌شده‌تر به درمان سرطان پرداخته و بهترین درمان را برای هر بیمار انتخاب کنند. در این زمینه، پژوهشی نوآورانه توسط تیمی از محققان در دانشگاه علم و فناوری پوهانگ (POSTECH) در کره جنوبی و آزمایشگاه پزشکی ژنومی جکسون در ایالات متحده انجام شده است که به بررسی استفاده از فناوری بیوپرینتینگ سه‌بعدی برای مدل‌سازی سرطان و پیش‌بینی پاسخ‌های دارویی پرداخته است. این تحقیق که به رهبری پروفسور جیناه جانگ از POSTECH و پروفسور چارلز لی از آزمایشگاه جکسون انجام شده، توانسته است مدل‌هایی دقیق و سریع برای پیش‌بینی پاسخ بیماران به داروهای ضدسرطان بسازد.
چالش‌های هتروژنیه تومور در درمان سرطان
هتروژنیه تومور یکی از چالش‌های بزرگ در درمان سرطان است که به تفاوت‌های بین سلول‌های توموری در یک بیمار اشاره دارد. این تفاوت‌ها باعث می‌شود که درمان‌های مشابه در بیماران مختلف به نتایج متفاوتی منجر شود. در این راستا، پزشکان با مشکل انتخاب روش درمانی مناسب برای هر بیمار مواجه هستند. به‌عنوان مثال، برخی از داروهای شیمی درمانی ممکن است در برخی بیماران مؤثر واقع شوند، در حالی که در دیگر بیماران اثربخشی کمتری دارند و حتی ممکن است عوارض جانبی شدیدی به دنبال داشته باشند. بنابراین، پیش‌بینی دقیق پاسخ بیمار به دارو و انتخاب درمان مناسب یکی از ضروریات در درمان سرطان است. روش‌های سنتی مانند آزمایش‌های مبتنی بر پنل ژنی و مدل‌های مشتق‌شده از پیوند بافتی (PDX) می‌توانند در این زمینه مفید باشند، اما این روش‌ها معمولاً نیازمند زمان و هزینه زیادی هستند و پیش‌بینی‌های دقیقی از اثرات دارویی ارائه نمی‌دهند.
توسعه مدل سرطان معده با فناوری بیوپرینتینگ سه‌بعدی
در پاسخ به این چالش‌ها، محققان از فناوری بیوپرینتینگ سه‌بعدی برای ساخت مدل‌هایی دقیق و سریع از تومورهای سرطانی استفاده کردند. در این تحقیق، تیم پژوهشی از بیوآنک بافت خاص و هیدروژل ماتریکس خارج سلولی دِسلولاریزه‌شده (dECM) برای شبیه‌سازی بافت‌های سرطانی استفاده کردند. این فناوری به محققان این امکان را می‌دهد که بافت‌های مشتق‌شده از بیمار را در داخل یک ماتریکس خاص قرار داده و تعاملات سلولی و ساختارهای میکروسکوپی مشابه آنچه در بدن بیمار رخ می‌دهد، شبیه‌سازی کنند. در این مدل، بافت‌های توموری سرطانی درون هیدروژل‌ها قرار می‌گیرند تا تعاملات سلول-ماتریکس در سطح میکروسکوپی به‌طور طبیعی بازسازی شوند. این روش باعث می‌شود که مدل‌ها ویژگی‌های منحصر به فرد بافت‌های سرطان معده بیماران مختلف را حفظ کنند و پاسخ‌های دارویی به‌طور دقیق‌تری پیش‌بینی شوند.
مزایای مدل جدید و کاربرد آن در درمان شخصی‌سازی شده
مدل‌های ساخته شده با استفاده از فناوری بیوپرینتینگ سه‌بعدی قادرند به‌طور دقیقی ویژگی‌های میکروتومورهای سرطانی بیماران مختلف را شبیه‌سازی کنند. این مدل‌ها در مقایسه با روش‌های سنتی مانند مدل‌های PDX توانسته‌اند عملکرد بهتری در پیش‌بینی پاسخ‌های دارویی داشته باشند. یکی از مزایای این مدل‌ها سرعت بالای ساخت آن‌ها است. این مدل‌ها می‌توانند ظرف حدود دو هفته از استخراج بافت تومور از بیمار آماده شوند، در حالی که سایر روش‌ها ممکن است ماه‌ها زمان ببرند. بنابراین، این فناوری می‌تواند به‌طور قابل‌توجهی فرآیند تصمیم‌گیری در مورد درمان‌های شخصی‌سازی شده را تسریع کند.
در این مدل‌ها، علاوه بر شبیه‌سازی بافت‌های توموری، تعاملات سلول-استروما و سلول-ماتریکس نیز به‌طور مؤثر بازسازی می‌شوند که این امر باعث افزایش دقت پیش‌بینی‌های دارویی می‌شود. پروفسور چارلز لی از آزمایشگاه جکسون در این زمینه گفت: “این مدل دقت پیش‌بینی پاسخ‌های دارویی را افزایش می‌دهد و از تجویز داروهای غیرضروری برای بیمارانی که به آن‌ها پاسخ نمی‌دهند، جلوگیری می‌کند.”
این ویژگی به‌ویژه در درمان‌های سرطان معده که به دلیل موقعیت آن در بدن و نوع بافت‌های درگیر، درمان‌های پیچیده‌تری دارند، اهمیت زیادی دارد. با استفاده از این مدل‌ها، پزشکان می‌توانند درمان‌های خاص بیمار را به‌طور دقیق‌تری انتخاب کرده و از عوارض جانبی داروهای غیرموثر جلوگیری کنند.
اهمیت این مدل‌ها در درمان‌های شخصی‌سازی شده
مدل‌های بیوپرینتینگ سه‌بعدی نه‌تنها برای پیش‌بینی پاسخ به داروهای موجود مفید هستند، بلکه می‌توانند به‌عنوان یک پلتفرم پیش‌بالینی حیاتی برای توسعه داروهای جدید و درمان‌های ترکیبی عمل کنند. این مدل‌ها امکان ارزیابی تأثیر داروهای ضدسرطان جدید بر روی بافت‌های انسانی را در آزمایشگاه فراهم می‌کنند، که می‌تواند به تسریع فرآیند آزمایش و توسعه داروهای جدید کمک کند.
پروفسور جیناه جانگ از POSTECH در این رابطه اظهار داشت: “این پلتفرم پیش‌بالینی حیاتی نه تنها برای توسعه درمان‌های خاص بیمار بلکه برای اعتبارسنجی داروهای ضدسرطان جدید بسیار مفید خواهد بود.”
با توجه به اینکه درمان‌های سرطان به‌طور کلی نیازمند به‌روزرسانی مستمر و تحقیق در زمینه داروهای جدید و ترکیب‌های دارویی مختلف هستند، این فناوری می‌تواند به‌طور چشمگیری در روند توسعه این داروها و نیز بهبود اثربخشی درمان‌ها تأثیرگذار باشد.
نتیجه‌گیری
فناوری بیوپرینتینگ سه‌بعدی که در این تحقیق به‌کار گرفته شده است، یک گام بزرگ به سوی درمان‌های شخصی‌سازی شده سرطان است. این مدل‌ها قادرند ویژگی‌های منحصر به فرد بافت‌های توموری بیماران را شبیه‌سازی کرده و پیش‌بینی دقیق‌تری از پاسخ‌های دارویی ارائه دهند. با استفاده از این مدل‌ها، پزشکان قادر خواهند بود درمان‌های بهینه‌تری را برای هر بیمار انتخاب کنند و فرآیند درمان سرطان را تسریع و کارآمدتر سازند. این پیشرفت‌ها می‌توانند به آینده‌ای روشن‌تر و مؤثرتر در درمان سرطان منجر شوند.
:Reference
Choi, Y.-m., Na, D., Yoon, G., Kim, J., Min, S., Yi, H.-G., Cho, S.-J., Cho, J. H., Lee, C., & Jang, J. (2025). Prediction of Patient Drug Response via 3D Bioprinted Gastric Cancer Model Utilized Patient‐Derived Tissue Laden Tissue‐Specific Bioink. Advanced Science. https://doi.org/10.1002/advs.202411769