Изкуственият интелект прогнозира отговора на терапията на рак въз основа на данни от всяка туморна клетка

С повече от 200 вида рак и всеки индивидуален уникален случай, продължаващите усилия за разработване на прецизни онкологични лечения остават предизвикателство. Фокусът е върху разработването на генетични тестове за идентифициране на мутации в гени, водещи до рак, и идентифициране на подходящи лечения срещу тези мутации.

Въпреки това, много, ако не и повечето, пациенти с рак нямат значителна полза от тези ранни целеви терапии. В новото проучване, публикувано в Nature Cancer, първият автор Санджу Синха, Ph.D., асистент в Програмата за молекулярна терапия при рак в Sanford Burnham Prebys, заедно с водещите автори Eitan Ruppin, MD, PhD, и Alejandro Schaffer, PhD, от Националния институт по рака, част от Националните здравни институти (NIH), и колеги описват уникална изчислителна система за систематично прогнозиране на пациенти отговор на лекарства за рак на едноклетъчно ниво.

Наречен персонализирано планиране на лечението в онкологията, базирано на експресия на едноклетъчен транскрипт (PERCEPTION), новият базиран на изкуствен интелект подход се задълбочава в изследването на транскриптомиката – изследването на транскрипционните фактори, иРНК молекулите, които се експресират от гени и превеждат ДНК информация в действие.

„Туморът е сложен и постоянно променящ се организъм. Използването на едноклетъчна резолюция ни позволява да разрешим и двата проблема“, казва Синха. „PERCEPTION позволява използването на богата информация от едноклетъчен omexis, за да се разбере клоналната архитектура на тумора и да се наблюдава появата на резистентност.“ (В биологията омексис се отнася до сбора от съставките в една клетка.)

Синха казва: „Способността да наблюдавам появата на резистентност е най-вълнуващата част за мен. Това има потенциала да ни позволи да се адаптираме към еволюцията на раковите клетки и дори да променим стратегията си за лечение.“

Sinha и колегите му използваха трансферно обучение, клон на AI, за да създадат PERCEPTION.

„Ограничените данни на ниво клетка от клиники бяха нашето основно предизвикателство. AI моделите се нуждаят от големи количества данни, за да разберат болестта, точно както ChatGPT се нуждае от огромни количества текстови данни от интернет“, обяснява Синха.

PERCEPTION използва публикувани масивни данни за генна експресия от тумори, за да обучи предварително своите модели. След това данните на ниво една клетка от клетъчни линии и пациенти, макар и ограничени, бяха използвани за настройка на моделите.

PERCEPTION беше успешно валидиран при прогнозиране на отговора към монотерапия и комбинирана терапия в три независими, наскоро публикувани клинични изпитвания при мултиплен миелом, рак на гърдата и белия дроб. Във всеки случай PERCEPTION правилно раздели пациентите на отговорили и неотговорили. При рак на белия дроб той дори документира развитието на лекарствена резистентност с напредването на болестта, което е значително откритие с голям потенциал.

Синха казва, че PERCEPTION все още не е готова за използване в клиниката, но подходът показва, че информацията на ниво една клетка може да се използва за насочване на лечението. Той се надява да насърчи приемането на тази технология в клиниките, за да генерира повече данни, които могат да бъдат използвани за по-нататъшно развитие и подобряване на технологията за клинична употреба.

„Качеството на прогнозирането се подобрява с качеството и количеството на данните, на които се основава“, казва Синха. „Нашата цел е да създадем клиничен инструмент, който може систематично и базирано на данни да прогнозира отговора на лечението при отделни пациенти с рак. Надяваме се, че тези открития ще стимулират повече данни и подобни проучвания в близко бъдеще.“