Umetna inteligenca napoveduje odziv na zdravljenje raka na podlagi podatkov iz vsake tumorske celice
Zadnji pregled: 14.06.2024
Vsa vsebina iLive je pregledana ali preverjena, da se zagotovi čim večja dejanska natančnost.
Imamo stroge smernice za pridobivanje virov in samo povezave do uglednih medijskih strani, akademskih raziskovalnih institucij in, kadar je to mogoče, medicinsko pregledanih študij. Upoštevajte, da so številke v oklepajih ([1], [2] itd.) Povezave, ki jih je mogoče klikniti na te študije.
Če menite, da je katera koli naša vsebina netočna, zastarela ali drugače vprašljiva, jo izberite in pritisnite Ctrl + Enter.
Z več kot 200 vrstami raka in vsakim individualnim primerom ostajajo nenehna prizadevanja za razvoj natančnih onkoloških zdravljenj izziv. Poudarek je na razvoju genetskih testov za prepoznavanje mutacij v genih, ki povzročajo raka, in opredeljevanju ustreznih zdravljenj proti tem mutacijam.
Vendar mnogim, če ne večini, bolnikov z rakom te zgodnje ciljne terapije nimajo večjih koristi. V novi študiji, objavljeni v Nature Cancer, je prvi avtor dr. Sanju Sinha, docent na programu Molecular Therapeutics in Cancer. Na Sanford Burnham Prebys, skupaj z glavnimi avtorji Eitanom Ruppinom, dr. Med., dr. Alejandro Schaffer, dr. Odziv na zdravila proti raku na ravni ene celice.
Imenuje se prilagojeno načrtovanje zdravljenja v onkologiji, ki temelji na izražanju enoceličnega transkripta (PERCEPTION), se novi pristop, ki temelji na umetni inteligenci, ukvarja s preučevanjem transkriptomike – preučevanjem transkripcijskih faktorjev, molekul mRNA, ki jih izražajo geni in prevajajo Informacije o DNK v akciji.
»Tumor je zapleten organizem, ki se nenehno spreminja. Uporaba enocelične ločljivosti nam omogoča rešitev obeh težav,« pravi Sinha. "PERCEPTION omogoča uporabo bogatih informacij iz enoceličnega omexisa za razumevanje tumorske klonske arhitekture in spremljanje pojava odpornosti." (V biologiji se omexis nanaša na vsoto sestavin znotraj celice.)
Sinha pravi: "Zmožnost spremljanja pojava odpornosti je zame najbolj vznemirljiv del. To nam lahko omogoči, da se prilagodimo razvoju rakavih celic in celo spremenimo našo strategijo zdravljenja."
Sinha in sodelavci so uporabili prenosno učenje, vejo umetne inteligence, da so ustvarili PERCEPTION.
"Naš glavni izziv so bili omejeni podatki na ravni celic s klinik. Modeli AI potrebujejo velike količine podatkov za razumevanje bolezni, tako kot ChatGPT potrebuje ogromne količine besedilnih podatkov iz interneta," pojasnjuje Sinha.
PERCEPTION uporablja objavljene množične podatke o izražanju genov iz tumorjev za predhodno usposabljanje svojih modelov. Nato so bili za prilagoditev modelov uporabljeni podatki na ravni ene celice iz celičnih linij in bolnikov, čeprav omejeni.
PERCEPTION je bil uspešno potrjen pri napovedovanju odziva na monoterapijo in kombinirano terapijo v treh neodvisnih, nedavno objavljenih kliničnih preskušanjih pri multiplem mielomu, raku dojke in pljuč. V vsakem primeru je PERCEPTION pravilno razdelil bolnike na odzivne in neodzivne. Pri pljučnem raku je celo dokumentiral razvoj odpornosti na zdravila, ko bolezen napreduje, kar je pomembno odkritje z velikim potencialom.
Sinha pravi, da PERCEPTION še ni pripravljen za uporabo na kliniki, vendar pristop kaže, da se informacije na ravni ene celice lahko uporabljajo za vodenje zdravljenja. Upa, da bo spodbudil sprejetje te tehnologije v klinikah za ustvarjanje več podatkov, ki jih je mogoče uporabiti za nadaljnji razvoj in izboljšanje tehnologije za klinično uporabo.
»Kakovost napovedovanja se izboljšuje s kakovostjo in količino podatkov, na katerih temelji,« pravi Sinha. "Naš cilj je ustvariti klinično orodje, ki lahko sistematično in na podlagi podatkov napoveduje odziv na zdravljenje pri posameznih bolnikih z rakom. Upamo, da bodo te ugotovitve spodbudile več podatkov in podobnih študij v bližnji prihodnosti."