Uued väljaanded
Tehisintellekt ennustab vastuse vähiravile iga kasvajaraku andmete põhjal
Viimati vaadatud: 02.07.2025
Kõik iLive'i sisu vaadatakse meditsiiniliselt läbi või seda kontrollitakse, et tagada võimalikult suur faktiline täpsus.
Meil on ranged allhanke juhised ja link ainult mainekate meediakanalite, akadeemiliste teadusasutuste ja võimaluse korral meditsiiniliselt vastastikuste eksperthinnangutega. Pange tähele, et sulgudes ([1], [2] jne) olevad numbrid on nende uuringute linkideks.
Kui tunnete, et mõni meie sisu on ebatäpne, aegunud või muul viisil küsitav, valige see ja vajutage Ctrl + Enter.
Kuna vähiliike on üle 200 ja iga juhtum on ainulaadne, on täppisravimite väljatöötamise jätkuv töö keeruline. Keskendutakse geneetiliste testide väljatöötamisele, et tuvastada mutatsioone vähi tekitavates geenides, ja ravi kohandamisele nende mutatsioonide sihtimiseks.
Siiski ei saa paljud, kui mitte enamik vähihaigeid neist varajastest sihipärastest ravimeetoditest märkimisväärset kasu. Ajakirjas Nature Cancer avaldatud uues uuringus kirjeldavad esimene autor Sanju Sinha, PhD, Sanford Burnham Prebysi molekulaarse vähiravi programmi dotsent, koos juhtivate autorite Eitan Ruppini, MD, PhD, ja Alejandro Schafferiga, PhD, Riiklikust Vähiinstituudist, mis kuulub Riiklike Tervishoiuinstituutide (NIH) koos kolleegidega ainulaadset arvutussüsteemi, mis võimaldab süstemaatiliselt ennustada, kuidas patsiendid vähiravimitele reageerivad üksikraku tasandil.
Uus tehisintellektil põhinev lähenemisviis, mida nimetatakse ÜHERAKULISTE TRANSPEKTIIVIDE EKSPRESSIOONI (TAJU) PÕHINEVAKS PERSONALISEERITUD ONKOLOOGIA RAVI PLANEERIMISEKS, süveneb transkriptoomikasse – transkriptsioonifaktorite, geenide poolt ekspresseeritavate mRNA molekulide uurimisse, mis tõlgivad DNA-info tegevuseks.
„Kasvajad on keerulised ja pidevalt muutuvad organismid. Üherakulise eraldusvõime kasutamine võimaldab meil lahendada mõlemad väljakutsed,“ ütleb Sinha. „TAJUMINE võimaldab meil kasutada üherakuliste omeeksiate rikkalikku teavet, et mõista kasvaja klonaalset arhitektuuri ja jälgida resistentsuse teket.“ (Bioloogias viitab omeeksia raku osade summale.)
Sinha ütleb: "Võimalus jälgida resistentsuse teket on minu jaoks kõige põnevam osa. Sellel on potentsiaal võimaldada meil kohaneda vähirakkude evolutsiooniga ja isegi muuta oma ravistrateegiat."
Sinha ja tema kolleegid kasutasid TAJU loomiseks tehisintellekti haru, mis on ülekantav õpe.
„Meie peamine väljakutse oli kliinikutest pärit piiratud hulk üherakulisi andmeid. Tehisintellekti mudelid vajavad haiguste mõistmiseks suuri andmemahtusid, just nagu ChatGPT vajab internetist tohutul hulgal tekstiandmeid,“ selgitab Sinha.
PERCEPTION kasutab oma mudelite eeltreeninguks avaldatud kasvajate geeniekspressiooni hulgiandmeid. Seejärel kasutati mudelite häälestamiseks rakuliinide ja patsientide üksikrakkude tasemel andmeid, mis olid küll piiratud.
PERCEPTIONi on edukalt valideeritud monoteraapia ja kombinatsioonravi ravivastuse ennustamisel kolmes sõltumatus, hiljuti avaldatud kliinilises uuringus hulgimüeloomi, rinnavähi ja kopsuvähi ravis. Igal juhul jagas PERCEPTION patsiendid õigesti ravile reageerijateks ja mittereageerijateks. Kopsuvähi puhul tabas see isegi ravimiresistentsuse teket haiguse progresseerumisel, mis on oluline ja suure potentsiaaliga leid.
Sinha sõnul pole PERCEPTION veel kliinikus kasutamiseks valmis, kuid see lähenemisviis näitab, et üksikute rakkude tasemel saadud teavet saab kasutada ravi suunamiseks. Ta loodab julgustada tehnoloogia kasutuselevõttu kliinikutes, et genereerida rohkem andmeid, mida saab kasutada tehnoloogia edasiseks arendamiseks ja täiustamiseks kliiniliseks kasutamiseks.
„Ennustuse kvaliteet paraneb koos andmete kvaliteedi ja kvantiteediga, millel see põhineb,“ ütleb Sinha. „Meie eesmärk on luua kliiniline tööriist, mis suudab süstemaatiliselt ja andmepõhiselt ennustada ravivastust üksikute vähipatsientide puhul. Loodame, et need leiud stimuleerivad lähitulevikus rohkem andmeid ja sarnaseid uuringuid.“