Umelá inteligencia predpovedá odpoveď na liečbu rakoviny na základe údajov z každej nádorovej bunky
Posledná kontrola: 14.06.2024
Všetok obsah iLive je lekársky kontrolovaný alebo kontrolovaný, aby sa zabezpečila čo najväčšia presnosť faktov.
Máme prísne smernice týkajúce sa získavania zdrojov a len odkaz na seriózne mediálne stránky, akademické výskumné inštitúcie a vždy, keď je to možné, na lekársky partnerské štúdie. Všimnite si, že čísla v zátvorkách ([1], [2] atď.) Sú odkazmi na kliknutia na tieto štúdie.
Ak máte pocit, že niektorý z našich obsahov je nepresný, neaktuálny alebo inak sporný, vyberte ho a stlačte kláves Ctrl + Enter.
Vzhľadom na viac ako 200 typov rakoviny a každý jednotlivo jedinečný prípad je pokračujúce úsilie o vývoj presnej onkologickej liečby naďalej náročné. Dôraz sa kladie na vývoj genetických testov na identifikáciu mutácií v génoch, ktoré spôsobujú rakovinu, a na identifikáciu vhodnej liečby proti týmto mutáciám.
Mnohí, ak nie väčšina pacientov s rakovinou však nemajú z týchto včasných cielených terapií významný úžitok. V novej štúdii publikovanej v Nature Cancer, prvý autor Sanju Sinha, Ph.D., odborný asistent v programe molekulárnej terapie v oblasti rakoviny v Sanford Burnham Prebys spolu s hlavnými autormi Eitanom Ruppinom, MD, PhD a Alejandrom Schafferom, PhD, z National Cancer Institute, ktorý je súčasťou National Institutes of Health (NIH), a kolegami opisujú jedinečný výpočtový systém na systematické predpovedanie pacientov odpoveď na lieky proti rakovine na úrovni jednej bunky.
Nazývané personalizované plánovanie liečby v onkológii založené na jednobunkovej transkriptovej expresii (PERCEPTION), nový prístup založený na umelej inteligencii sa ponorí do štúdia transkriptomiky – štúdia transkripčných faktorov, molekúl mRNA, ktoré sú exprimované génmi a prekladajú Informácie o DNA v praxi.
"Nádor je zložitý a neustále sa meniaci organizmus. Použitie jednobunkového rozlíšenia nám umožňuje vyriešiť oba tieto problémy," hovorí Sinha. "VNÍMANIE umožňuje využívať bohaté informácie z jednobunkovej omexie na pochopenie klonálnej architektúry nádoru a sledovanie vzniku rezistencie." (V biológii sa omexis vzťahuje na súčet zložiek v bunke.)
Sinha hovorí: "Schopnosť monitorovať vznik rezistencie je pre mňa tou najvzrušujúcejšou časťou. Má to potenciál umožniť nám prispôsobiť sa vývoju rakovinových buniek a dokonca zmeniť našu liečebnú stratégiu."
Sinha a jeho kolegovia použili prenosové učenie, časť AI, na vytvorenie VNÍMANIA.
"Našou hlavnou výzvou boli obmedzené údaje na bunkovej úrovni z kliník. Modely AI potrebujú veľké množstvo údajov na pochopenie chorôb, rovnako ako ChatGPT potrebuje obrovské množstvo textových údajov z internetu," vysvetľuje Sinha.
PERCEPTION využíva publikované údaje o hromadnej génovej expresii z nádorov na predtrénovanie svojich modelov. Ďalej sa na vyladenie modelov použili údaje na úrovni jednej bunky z bunkových línií a pacientov, hoci boli obmedzené.
PERCEPCIA bola úspešne overená pri predpovedaní odpovede na monoterapiu a kombinovanú liečbu v troch nezávislých, nedávno publikovaných klinických štúdiách s mnohopočetným myelómom, rakovinou prsníka a pľúc. V každom prípade VNÍMANIE správne rozdelilo pacientov na respondentov a nereagujúcich. Pri rakovine pľúc dokonca zdokumentoval vývoj liekovej rezistencie s progresiou ochorenia, čo je významný objav s veľkým potenciálom.
Sinha hovorí, že PERCEPTION ešte nie je pripravený na použitie na klinike, ale tento prístup ukazuje, že informácie na úrovni jednej bunky možno použiť na vedenie liečby. Dúfa, že podporí prijatie tejto technológie na klinikách, aby sa vytvorilo viac údajov, ktoré možno použiť na ďalší vývoj a zlepšenie technológie na klinické použitie.
„Kvalita prognóz sa zlepšuje s kvalitou a množstvom údajov, na ktorých je založené,“ hovorí Sinha. "Naším cieľom je vytvoriť klinický nástroj, ktorý dokáže systematicky a na základe údajov predpovedať odpoveď na liečbu u jednotlivých pacientov s rakovinou. Dúfame, že tieto zistenia podnietia v blízkej budúcnosti viac údajov a podobných štúdií."