Článek
Podle recenzované studie publikované v časopise Eureka Alert, ukazují vědci sílu strojového učení předpovídat výsledky terapie pomocí bohatých informací z jednobuněčných omik.
Většina postupů při léčbě rakoviny se soustředila na vývoj testů nebo analýz genetického sekvenování k identifikaci mutací v řídících genech rakoviny a poté se lékaři snažili sladit léčbu, která by mohla proti těmto mutacím fungovat.
Ale mnoho, ne-li většina pacientů s rakovinou nemá z těchto raných cílených terapií cílený prospěch. V nové studii zveřejněné 18. dubna 2024 v časopise Nature Cancer, autor Sanju Sinha, Ph.D., odborný asistent v programu molekulární terapie rakoviny ve společnosti Sanford Burnham Prebys, se staršími autory Eytanem Ruppinem, MUDr., Ph. D. a Alejandrem Schafferem, Ph.D., z Národního ústavu pro výzkum rakoviny, popisují první výpočetní postup svého druhu, který umožňuje systematicky předpovídat reakci pacienta na léky proti rakovině s rozlišením jedné buňky.
Nový přístup založený na umělé inteligenci, označovaný jako personalizované plánování léčby v onkologii založené na expresi jedné buňky, neboli PERSPEKTIVA, se ponoří hlouběji do užitečnosti transkriptomiky – studia transkripčních faktorů, molekul messenger RNA exprimovaných geny, které nesou a převádějí informace DNA v akci.
Falešná barva - skenovací volební mikrofotografie buněk rakoviny plic pěstovaných v kultuře. Nový nástroj umělé inteligence s názvem PERCEPTION využívá data na úrovni jednotlivých buněk, aby pomohl předvídat reakci pacientů na různé terapie.
Sinha a jeho kolegové použili přenosové učení, odvětví umělé inteligence, k vybudování programu PERSPEKTIVY.
„Nádor je složité a vyvíjející se zvíře. Použití rozlišení jedné buňky nám může umožnit řešit obě tyto výzvy,“ říká Sinha. „PERSPEKTIVA umožňuje využít bohaté informace z jednobuněčné omiky k pochopení klonální architektury nádoru a sledování vzniku rezistence.“ (V biologii se pod pojmem omics rozumí souhrn složek v buňce.)
Sinha říká: „Schopnost monitorovat vznik odporu je pro mě ta nejvzrušující část. Má potenciál umožnit nám přizpůsobit se vývoji rakovinných buněk a dokonce upravit naši léčebnou strategii.“
Sanju Sinha, Ph.D., odborný asistent v programu molekulární terapie rakoviny v Sanford Burnham Prebys.
„Omezené jednobuněčné údaje z nemocnic byly naší největší výzvou. Model umělé inteligence potřebuje k pochopení nemoci velké množství dat, podobně jako ChatGPT potřebuje obrovské množství textových dat sesbíraných z internetu.“
PERSPEKTIVA používá publikovanou hromadnou expresi genů z nádorů k předtrénování svých modelů. Poté byla k vyladění modelů použita jednobuněčná data z buněčných linií a pacientů, i když v omezeném množství.
Program byl úspěšně ověřen, když předpověděl reakce na monoterapii a kombinovanou léčbu ve třech nezávislých, nedávno publikovaných klinických studiích pro mnohočetný myelom, rakovinu prsu a plic.
V každém případě program PERSPEKTIVA správně rozvrstvila pacienty do kategorií respondérů (se správnou reakcí) a nereagujících pacientů. U rakoviny plic program dokonce zachytil vývoj lékové rezistence, když nemoc postupovala, což je pozoruhodný objev s velkým potenciálem.
Doktor Sinha říká, že PERSPEKTIVA není připravena pro nemocnice, ale přístup ukazuje, že jednobuněčné informace lze použít k vedení léčby. Doufá, že podpoří přijetí této technologie v nemocnicích, aby se vytvořilo více dat, která mohou být použita k dalšímu vývoji a zdokonalení technologie pro klinické použití.
„Kvalita předpovědi stoupá s kvalitou a množstvím dat, která slouží jako její základ,“ říká Sinha. „Naším cílem je vytvořit klinický nástroj, který dokáže předvídat léčebnou odpověď jednotlivých pacientů s rakovinou systematickým způsobem založeným na datech. Doufáme, že tato zjištění podnítí více dat a více takových studií, spíše dříve než později.“
Mezi další autory studie patří Rahulsimham Vegesna, Sumit Mukherjee, Ashwin V. Kammula, Saugato Rahman Dhruba, Nishanth Ulhas Nair, Peng Jiang, Alejandro Schäffer, Kenneth D. Aldape a Eytan Ruppin, National Cancer Institute (NCI); Wei Wu, Lucas Kerr, Collin M. Blakely a Trever G. Biovona, University of California, San Francisco; Mathew G. Jones a Nir Yosef, University of California, Berkeley; Oleg Stroganov a Ivan Grishagin, Rancho BioSciences; Craig J. Thomas, Národní institut zdraví; a Cyril H. Beneš, Harvard University.
