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

Са преко 200 врста рака и сваким јединственим случајем, континуирани напори за развој прецизних третмана рака остају изазовни. Фокус је на развоју генетских тестова за идентификацију мутација у генима који изазивају рак и прилагођавању третмана циљаним на ове мутације.

Међутим, многи, ако не и већина, пацијената оболелих од рака немају значајне користи од ових раних циљаних терапија. У новој студији објављеној у часопису Nature Cancer, први аутор Санџу Синха, др, ванредни професор у Програму молекуларне терапије рака на Санфорд Бернхам Пребису, заједно са водећим ауторима др Еитаном Рупином и др Алехандром Шафером из Националног института за рак, дела Националних института за здравље (NIH), и колегама описују јединствени рачунарски систем за систематско предвиђање како ће пацијенти реаговати на лекове против рака на нивоу појединачних ћелија.

Назван ПЕРСОНАЛИЗОВАНО ПЛАНИРАЊЕ ОНКОЛОШКОГ ЛЕЧЕЊА ЗАСНОВАНО НА ЕКСПРЕСИЈИ (ПЕРЦЕПЦИЈИ) ЈЕДНОЋЕЛИЈСКИХ ТРАНСЦИПА, нови приступ заснован на вештачкој интелигенцији залази у транскриптомику - проучавање транскрипционих фактора, молекула мРНК које експресују гени и преводе информације о ДНК у акцију.

„Тумори су сложени и стално променљиви организми. Коришћење резолуције појединачних ћелија нам омогућава да се позабавимо оба ова изазова“, каже Синха. „ПЕРЦЕПЦИЈА нам омогућава да користимо богате информације из омексичних ћелија појединачних ћелија како бисмо разумели клоналну архитектуру тумора и пратили појаву отпорности.“ (У биологији, омексични системи се односе на збир делова унутар ћелије.)

Синха каже: „Могућност праћења појаве отпорности је за мене најузбудљивији део. То нам омогућава 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 о појединачним ћелијама из клиника били су наш главни изазов. Моделима вештачке интелигенције потребне су велике количине података да би разумели болест, баш као што ChatGPT-у требају огромне количине текстуалних података са интернета“, објашњава Синха.

PERCEPTION користи објављене податке о експресији гена из тумора за претходну обуку својих модела. Затим су подаци са нивоа појединачних ћелија из ћелијских линија и пацијената, иако ограничени, коришћени за подешавање модела.

ПЕРЦЕПЦИЈА је успешно валидирана у предвиђању одговора на монотерапију и комбиновану терапију у три независна, недавно објављена клиничка испитивања код мултиплог мијелома, рака дојке и рака плућа. У сваком случају, ПЕРЦЕПЦИЈА је правилно стратификовала пацијенте на оне који реагују и оне који не реагују. Код рака плућа, чак је забележила и развој резистенције на лекове како је болест напредовала, што је значајан налаз са великим потенцијалом.

Синха каже да ПЕРЦЕПЦИЈА још није спремна за употребу у клиници, али приступ показује да се информације на нивоу појединачних ћелија могу користити за вођење лечења. Он се нада да ће подстаћи усвајање технологије у клиникама како би се генерисало више података који се могу користити за даљи развој и побољшање технологије за клиничку употребу.

„Квалитет предвиђања се побољшава са квалитетом и количином података на којима се заснива“, каже Синха. „Наш циљ је да створимо клинички алат који може систематски и на основу података да предвиди одговор на лечење код појединачних пацијената оболелих од рака. Надамо се да ће ови налази подстаћи више података и сличних студија у блиској будућности.“