تطوير علاج للسرطان.. رانيا حتحوت تكشف تفاصيل رحلتها في مجال العلوم الطبية

كشفت الدكتورة رانيا حتحوت، الأستاذ ورئيس قسم الصيدلانيات والصيدلة الصناعية بكلية الصيدلة جامعة عين شمس، عن تفاصيل أبحاثها الرائدة التي تهدف إلى تطوير علاجات أكثر دقة وفعالية لمرض السرطان، وذلك باستخدام تقنية النانوتكنولوجي والتوظيف المبتكر للذكاء الاصطناعي في مجال الصيدلة.

وأوضحت الدكتورة رانيا، خلال لقائها ببرنامج "الستات مايعرفوش يكدبوا"، المذاع على قناة سي بي سي، أن الهدف الرئيسي لأبحاثها هو تجاوز الطرق التقليدية في العلاج الكيماوي، والتي تؤثر على الخلايا السليمة والمريضة على حد سواء، مما يؤدي إلى أعراض جانبية شديدة قد تفوق في خطورتها المرض نفسه في بعض الأحيان.

وقالت إنها تعمل أبحاثها على "توجيه الدواء لمكان المرض" بشكل مباشر، خاصة في حالات الأورام السرطانية، ويتم ذلك عن طريق تحميل العقار الطبي على "جسيمات نانوية" (Nanoparticles)، وهي ناقلات متناهية الصغر يتم تصميمها من مواد مختلفة مثل البوليمرات، البروتينات، أو الدهون.

وأضافت الدكتورة رانيا: "نحن نضع العقار الخاص بنا في ما يسمى بالجسيمات النانوية، بحيث يتم توجيهها بدقة إلى الخلية المصابة أو المريضة بشكل مباشر دون التأثير على باقي الجسم، وهو ما يقلل بشكل كبير من الأعراض الجانبية."

واستكملت: "بهذه الطريقة، تذهب الجسيمات النانوية المحملة بالدواء كأنها موجهة بالرادار لتمسك في مكان السرطان تحديدًا"، كما أشارت إلى أن الأبحاث الحديثة تستخدم مؤثرات داخلية وخارجية لزيادة فعالية العلاج، مثل استغلال أن درجة حرارة الورم تكون أعلى من باقي الجسم، حيث يتم تصميم جسيمات نانوية تطلق الدواء عند درجة حرارة معينة، وبالمثل، يتم استغلال البيئة الحامضية للورم لتصميم جسيمات تطلق حمولتها الدوائية في هذه الظروف الخاصة.

في سياق متصل، تطرقت الدكتورة رانيا إلى دور "الصيدلانيات الحاسوبية" والذكاء الاصطناعي في تسريع وتيرة الأبحاث وتقليل تكلفتها، وأوضحت أن هذا المجال يعتمد على استخدام برامج الكمبيوتر والمحاكاة لاختبار وتصميم التركيبات الدوائية بشكل افتراضي قبل الانتقال إلى التجارب المعملية.

وقالت: "بدلًا من إجراء تجارب عشوائية كثيرة تستهلك الوقت والمواد الخام والمجهود، يمكننا من خلال الذكاء الاصطناعي أن نختصر هذه التجارب بشكل كبير." وأضافت أن هذه التقنيات تسمح باختيار التجارب الواعدة التي تقدم أكبر قدر من المعلومات، مما يقلل عدد التجارب المطلوبة بشكل كبير.