Штучний інтелект пророкує відповідь на терапію раку за даними кожної клітини пухлини

З огляду на понад 200 видів раку, і кожен випадок є унікальним, постійні зусилля з розробки точних методів лікування раку залишаються складними. Основна увага приділяється розробці генетичних тестів для виявлення мутацій у генах, що викликають рак, та адаптації методів лікування, спрямованих на ці мутації.

Однак багато, якщо не більшість, онкохворих не отримують значної користі від цих ранніх таргетних методів лікування. У новому дослідженні, опублікованому в Nature Cancer, перший автор Санджу Сінха, доктор філософії, доцент Програми молекулярної терапії раку в Sanford Burnham Prebys, разом з провідними авторами Ейтаном Руппіном, доктором медичних наук, доктором філософії, та Алехандро Шаффером, доктором філософії, з Національного інституту раку, що входить до складу Національних інститутів охорони здоров'я (NIH), та колегами описують унікальну обчислювальну систему для систематичного прогнозування того, як пацієнти реагуватимуть на препарати від раку на рівні окремих клітин.

Новий підхід на базі штучного інтелекту під назвою «ПЕРСОНАЛІЗОВАНЕ ПЛАНУВАННЯ ЛІКУВАННЯ ОНКОЛОГІЇ НА ОСНОВІ ЕКСПРЕСІЇ (СПРИЙЙМАННЯ) ОДНОКЛІТИННИХ ТРАНСЦИПІВ» заглиблюється в транскриптоміку — вивчення транскрипційних факторів, молекул мРНК, які експресуються генами та перетворюють інформацію ДНК у дію.

«Пухлини – це складні організми, що постійно змінюються. Використання роздільної здатності окремих клітин дозволяє нам вирішити обидві ці проблеми», – каже Сінха. «СПРИЙНЯТТЯ дозволяє нам використовувати багату інформацію, отриману з омексики окремих клітин, для розуміння клональної архітектури пухлини та моніторингу виникнення резистентності». (У біології омексика – це сума частин у клітині.)

Сінха каже: «Можливість відстежувати появу резистентності — це для мене найцікавіша частина. Це має потенціал дозволити нам адаптуватися до еволюції ракових клітин і навіть змінити нашу стратегію лікування».

Сінха та його колеги використали трансферне навчання, гілку штучного інтелекту, для створення СПРИЙНЯТТЯ.

«Обмежені дані про окремі клітини з клінік були нашим головним викликом. Моделі штучного інтелекту потребують великих обсягів даних для розуміння хвороби, так само як ChatGPT потребує величезних обсягів текстових даних з Інтернету», – пояснює Сінха.

PERCEPTION використовує опубліковані масиви даних про експресію генів з пухлин для попереднього навчання своїх моделей. Потім для налаштування моделей були використані дані на рівні окремих клітин з клітинних ліній та пацієнтів, хоча й обмежені.

Метод PERCEPTION успішно пройшов валідацію для прогнозування відповіді на монотерапію та комбіновану терапію у трьох незалежних, нещодавно опублікованих клінічних дослідженнях при множинній мієломі, раку молочної залози та раку легень. У кожному випадку PERCEPTION правильно стратифікував пацієнтів на тих, хто реагує на лікування, та тих, хто не реагує. При раку легень він навіть враховував розвиток лікарської резистентності в міру прогресування захворювання, що є значним відкриттям з великим потенціалом.

Сінха каже, що PERCEPTION ще не готовий до використання в клініці, але цей підхід показує, що інформація на рівні окремих клітин може бути використана для керівництва лікуванням. Він сподівається заохотити впровадження цієї технології в клініках для отримання більшої кількості даних, які можна буде використовувати для подальшого розвитку та вдосконалення технології для клінічного застосування.

«Якість прогнозування покращується з якістю та кількістю даних, на яких воно базується», — каже Сінха. «Наша мета — створити клінічний інструмент, який може систематично та на основі даних прогнозувати відповідь на лікування у окремих онкологічних пацієнтів. Ми сподіваємося, що ці результати стимулюватимуть отримання більшої кількості даних та аналогічних досліджень найближчим часом».