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

Cu peste 200 de tipuri de cancer și fiecare caz unic, eforturile continue de a dezvolta tratamente oncologice de precizie rămân o provocare. Accentul se pune pe dezvoltarea de teste genetice pentru a identifica mutațiile în genele care provoacă cancer și pe identificarea tratamentelor adecvate împotriva acestor mutații.

Cu toate acestea, mulți, dacă nu majoritatea, pacienții cu cancer nu beneficiază în mod semnificativ de pe urma acestor terapii țintite timpurii. În noul studiu, publicat în Nature Cancer, primul autor Sanju Sinha, Ph.D., profesor asistent în Programul de Terapie Moleculară în Cancer la Sanford Burnham Prebys, împreună cu autorii principali Eitan Ruppin, MD, PhD, și Alejandro Schaffer, PhD, de la Institutul Național al Cancerului, parte a National Institutes of Health (NIH), și colegii lor descriu un sistem de calcul unic pentru prezicerea sistematică a pacientului răspuns la medicamentele împotriva cancerului la nivel unicelular.

Denumită Planificare personalizată a tratamentului în oncologie, bazată pe expresia transcripției cu o singură celulă (PERCEPTION), noua abordare bazată pe inteligența artificială se aprofundează în studiul transcriptomicii — studiul factorilor de transcripție, moleculele de ARNm care sunt exprimate de gene și se traduc. Informațiile ADN în acțiune.

„O tumoare este un organism complex și în continuă schimbare. Utilizarea rezoluției cu o singură celulă ne permite să rezolvăm ambele probleme”, spune Sinha. „PERCEPTION permite utilizarea informațiilor bogate din omexis unicelular pentru a înțelege arhitectura clonală a tumorii și pentru a monitoriza apariția rezistenței.” (În biologie, omexis se referă la suma constituenților dintr-o celulă.)

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

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

„Datele limitate la nivel de celule din clinici au fost principala noastră provocare. Modelele AI au nevoie de cantități mari de date pentru a înțelege boala, la fel cum ChatGPT are nevoie de cantități uriașe de date text de pe internet”, explică Sinha.

PERCEPTION utilizează date publicate privind expresia genelor în vrac de la tumori pentru a-și pregăti modelele. În continuare, datele la nivel de celule unice de la liniile celulare și de la pacienți, deși limitate, au fost folosite pentru a ajusta modelele.

PERCEPTION a fost validat cu succes în prezicerea răspunsului la monoterapia și terapia combinată în trei studii clinice independente, publicate recent, în mielomul multiplu, cancerul mamar și pulmonar. În fiecare caz, PERCEPTION a stratificat corect pacienții în respondenți și non-respondenți. În cancerul pulmonar, el a documentat chiar și dezvoltarea rezistenței la medicamente pe măsură ce boala progresează, ceea ce este o descoperire semnificativă cu un mare potențial.

Sinha spune că PERCEPTION nu este încă gata de utilizare în clinică, dar abordarea arată că informațiile la nivel de celule unice pot fi folosite pentru a ghida tratamentul. El speră să încurajeze adoptarea acestei tehnologii în clinici pentru a genera mai multe date care pot fi utilizate pentru dezvoltarea și îmbunătățirea în continuare a tehnologiei pentru uz clinic.

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