Вештачка интелигенција предвиђа одговор на терапију рака на основу података из сваке туморске ћелије

Са више од 200 врста рака и сваким појединачним јединственим случајем, стални напори да се развију прецизни онколошки третмани остају изазовни. Фокус је на развоју генетских тестова за идентификацију мутација у генима покретача рака и на идентификацији одговарајућих третмана против ових мутација.

Међутим, многи, ако не и већина, пацијенти са раком немају значајне користи од ових раних циљаних терапија. У новој студији, објављеној у Рак у природи, први аутор Сању Синха, др, доцент на Програму молекуларне терапије рака у Санфорд Бурнхам Пребису, заједно са водећим ауторима Еитаном Руппином, МД, ПхД, и Алејандро Сцхаффером, ПхД, из Националног института за рак, дијела Националног института за здравље (НИХ), и колегама описују јединствени рачунарски систем за систематско предвиђање пацијената одговор на лекове против рака на нивоу једне ћелије.

Назван персонализовано планирање лечења у онкологији засновано на експресији транскрипта једне ћелије (ПЕРЦЕПТИОН), нови приступ заснован на вештачкој интелигенцији улази у проучавање транскриптомике—проучавање фактора транскрипције, молекула иРНК који су експримирани генима и транслацијом ДНК информације у акцији.

"Тумор је сложен организам који се стално мења. Коришћење резолуције једне ћелије омогућава нам да решимо оба ова проблема", каже Синха. „ПЕРЦЕПЦИЈА омогућава коришћење богатих информација из омексиса једне ћелије да би се разумела клонска архитектура тумора и пратила појава резистенције. (У биологији, омексис се односи на збир састојака унутар ћелије.)

Синха каже: „Способност праћења појаве резистенције је за мене најузбудљивији део. Ово има потенцијал да нам омогући да се прилагодимо еволуцији ћелија рака, па чак и да променимо нашу стратегију лечења.“

Синха и колеге су користили трансферно учење, грану вештачке интелигенције, да би створили ПЕРЦЕПЦИЈУ.

„Ограничени подаци са клиника на нивоу ћелије били су наш главни изазов. Моделима вештачке интелигенције су потребне велике количине података да би разумели болест, баш као што су ЦхатГПТ-у потребне огромне количине текстуалних података са Интернета“, објашњава Синха.

ПЕРЦЕПТИОН користи објављене податке о масовној експресији гена из тумора да унапред обучи своје моделе. Затим, подаци о нивоу једне ћелије из ћелијских линија и пацијената, иако ограничени, коришћени су за подешавање модела.

ПЕРЦЕПТИОН је успешно потврђен у предвиђању одговора на монотерапију и комбиновану терапију у три независна, недавно објављена клиничка испитивања мултиплог мијелома, рака дојке и плућа. У сваком случају, ПЕРЦЕПЦИЈА је исправно стратификовала пацијенте на оне који су одговорили и који нису одговорили. Код рака плућа, чак је документовао развој резистенције на лекове како болест напредује, што је значајно откриће са великим потенцијалом.

Синха каже да ПЕРЦЕПТИОН још није спреман за употребу у клиници, али приступ показује да се информације на нивоу једне ћелије могу користити за усмеравање лечења. Он се нада да ће подстаћи усвајање ове технологије у клиникама како би се створило више података који се могу користити за даљи развој и побољшање технологије за клиничку употребу.

„Квалитет предвиђања се побољшава са квалитетом и квантитетом података на којима се заснива“, каже Синха. „Наш циљ је да створимо клинички алат који може систематски и засновано на подацима предвидети одговор на лечење код појединачних пацијената са раком. Надамо се да ће ови налази подстаћи више података и сличних студија у блиској будућности.“