Tehisintellekt ennustab vastust vähiravile iga kasvajaraku andmete põhjal
Viimati vaadatud: 14.06.2024
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 on rohkem kui 200 vähitüüpi ja iga üksikjuhtum, on pidevad jõupingutused täpse onkoloogilise ravi väljatöötamiseks endiselt väljakutseks. Keskendutakse geneetiliste testide väljatöötamisele, et tuvastada mutatsioone vähktõve põhjustaja geenides ja leida nende mutatsioonide vastane ravi.
Kuid paljud, kui mitte enamik vähipatsiente ei saa neist varajasest sihtravist olulist kasu. Uues uuringus, mis avaldati ajakirjas Nature Cancer, on esimene autor Sanju Sinha, Ph.D., vähi molekulaarteraapia programmi dotsent. Sanford Burnham Prebysis kirjeldavad koos juhtivate autorite Eitan Ruppini, MD, PhD ja Alejandro Schafferiga, riiklikust Vähiinstituudist, riiklikust terviseinstituudist (NIH) ning kolleegidega ainulaadset arvutussüsteemi patsientide süstemaatiliseks ennustamiseks. Vastus vähiravimitele üherakulisel tasemel.
Nimetatud isikupärastatud ravi planeerimine onkoloogias, mis põhineb üherakulise transkriptsiooni ekspressioonil (PERCEPTION) – uus tehisintellektil põhinev lähenemisviis süveneb transkriptoomika uurimisse – transkriptsioonifaktorite, geenide poolt ekspresseeritavate ja transleerivate mRNA molekulide uurimisse. DNA-teave tegevusse.
"Kasvaja on keeruline ja pidevalt muutuv organism. Üherakulise eraldusvõime kasutamine võimaldab meil lahendada mõlemad need probleemid," ütleb Sinha. "PERCEPTION võimaldab kasutada rikkalikku teavet üherakulisest omeksist, et mõista kasvaja kloonide arhitektuuri ja jälgida resistentsuse tekkimist." (Bioloogias viitab omexis rakus olevate koostisosade summale.)
Sinha ütleb: "Võimalus jälgida resistentsuse tekkimist on minu jaoks kõige põnevam osa. See võimaldab meil kohaneda vähirakkude arenguga ja isegi muuta oma ravistrateegiat."
Sinha ja kolleegid kasutasid TAJU loomiseks ülekandeõpet, tehisintellekti haru.
"Meie peamiseks väljakutseks oli piiratud arv kliinikute andmeid. Tehisintellekti mudelid vajavad haiguste mõistmiseks suuri andmemahtusid, nagu ka ChatGPT vajab tohutul hulgal tekstiandmeid Internetist," selgitab Sinha.
PERCEPTION kasutab oma mudelite eelkoolitamiseks avaldatud kasvajate geeniekspressiooni andmeid. Järgmisena kasutati mudelite häälestamiseks üherakulisi andmeid rakuliinidelt ja patsientidelt, kuigi need olid piiratud.
PERCEPTION valideeriti edukalt monoteraapiale ja kombineeritud ravile reageerimise ennustamisel kolmes sõltumatus hiljuti avaldatud kliinilises uuringus hulgimüeloomi, rinna- ja kopsuvähi kohta. Igal juhul jagas PERCEPTION patsiendid õigesti reageerijateks ja mittereageerivateks. Kopsuvähi puhul dokumenteeris ta isegi ravimiresistentsuse kujunemise haiguse progresseerumisel, mis on märkimisväärne avastus, millel on suur potentsiaal.
Sinha sõnul ei ole PERCEPTION veel kliinikus kasutamiseks valmis, kuid lähenemine näitab, et üherakulist teavet saab kasutada ravi juhtimiseks. Ta loodab julgustada selle tehnoloogia kasutuselevõttu kliinikutes, et koguda rohkem andmeid, mida saaks kasutada kliiniliseks kasutamiseks mõeldud tehnoloogia edasiarendamiseks ja täiustamiseks.
„Prognooside kvaliteet paraneb koos selle aluseks olevate andmete kvaliteedi ja kvantiteediga,” ütleb Sinha. "Meie eesmärk on luua kliiniline tööriist, mis suudab süstemaatiliselt ja andmepõhiselt ennustada ravivastust üksikutel vähihaigetel patsientidel. Loodame, et need leiud stimuleerivad lähitulevikus rohkem andmeid ja sarnaseid uuringuid."