Inteligența artificială prezice răspunsul la terapia împotriva cancerului pe baza datelor din fiecare celulă tumorală

Cu peste 200 de tipuri de cancer și fiecare caz fiind unic, eforturile continue de a dezvolta tratamente de precizie împotriva cancerului rămân dificile. Accentul se pune pe dezvoltarea de teste genetice pentru identificarea mutațiilor în genele care determină cancerul și pe adaptarea tratamentelor pentru a viza aceste mutații.

Cu toate acestea, mulți, dacă nu chiar majoritatea, pacienților cu cancer nu beneficiază semnificativ de aceste terapii țintite timpurii. Într-un nou studiu publicat în Nature Cancer, autorul principal, Sanju Sinha, doctor în filosofie, profesor asistent în cadrul Programului de Terapie Moleculară a Cancerului de la Sanford Burnham Prebys, împreună cu autorii principali Eitan Ruppin, doctor în medicină, doctor în filosofie, și Alejandro Schaffer, doctor în filosofie, de la Institutul Național al Cancerului, parte a Institutelor Naționale de Sănătate (NIH), și colegii săi descriu un sistem computațional unic pentru prezicerea sistematică a modului în care pacienții vor răspunde la medicamentele anticancerigene la nivel unicelular.

Numită PLANIFICARE PERSONALIZATĂ A TRATAMENTULUI ONCOLOGIC BAZATĂ PE EXPRESIA TRANSCIPLELOR UNICElulare (PERCEPȚIE), noua abordare bazată pe inteligență artificială aprofundează transcriptomica - studiul factorilor de transcripție, molecule de ARNm care sunt exprimate de gene și traduc informațiile ADN în acțiune.

„Tumorile sunt organisme complexe și în continuă schimbare. Utilizarea rezoluției unicelulare ne permite să abordăm ambele provocări”, spune Sinha. „PERCEPȚIA ne permite să folosim informațiile bogate din omexica unicelulară pentru a înțelege arhitectura clonală a unei tumori și a monitoriza apariția rezistenței.” (În biologie, omexica se referă la suma părților dintr-o celulă.)

Sinha spune: „Capacitatea de a monitoriza apariția rezistenței este cea mai interesantă parte pentru mine. Are potențialul de a ne permite să ne adaptăm la evoluția celulelor canceroase și chiar să ne schimbăm strategia de tratament.”

Sinha și colegii săi au folosit învățarea prin transfer, o ramură a inteligenței artificiale, pentru a crea PERCEPȚIE.

„Datele unicelulare limitate provenite de la clinici au reprezentat principala noastră provocare. Modelele de inteligență artificială au nevoie de cantități mari de date pentru a înțelege bolile, la fel cum ChatGPT are nevoie de cantități uriașe de date text de pe internet”, explică Sinha.

PERCEPTION utilizează date publicate în vrac despre expresia genelor din tumori pentru a-și pre-antrena modelele. Apoi, date la nivel de celulă unică de la linii celulare și pacienți, deși limitate, au fost utilizate pentru a regla modelele.

PERCEPTION a fost validată cu succes în prezicerea răspunsului la monoterapie și terapie combinată în trei studii clinice independente, publicate recent, efectuate pe mielom multiplu, cancer mamar și cancer pulmonar. În fiecare caz, PERCEPTION a stratificat corect pacienții în respondenți și non-respondenți. În cancerul pulmonar, a surprins chiar și dezvoltarea rezistenței la medicamente pe măsură ce boala progresa, o descoperire semnificativă cu un mare potențial.

Sinha spune că PERCEPTION nu este încă gata pentru utilizare în clinică, dar abordarea arată că informațiile la nivelul celulelor individuale pot fi folosite pentru a ghida tratamentul. El speră să încurajeze adoptarea tehnologiei în clinici pentru a genera mai multe date care pot fi utilizate pentru a dezvolta și îmbunătăți în continuare tehnologia pentru uz clinic.

„Calitatea predicțiilor se îmbunătățește odată cu calitatea și cantitatea datelor pe care se bazează”, spune Sinha. „Scopul nostru este de a crea un instrument clinic care să poată prezice sistematic și bazat pe date răspunsul la tratament la pacienții individuali cu cancer. Sperăm că aceste descoperiri vor stimula mai multe date și studii similare în viitorul apropiat.”