Cercetătorii UCL dezvoltă clone digitale AI simbolice pentru tratarea cancerului
O echipă de cercetători de la UCL, în colaborare cu o echipă de la Universitatea din Cambridge, a dezvoltat un nou program informatic pentru predicția tratamentelor, bazat pe amprentele genetice detaliate ale pacienților, destinat să identifice opțiunile de tratament eficace împotriva cancerului, în special atunci când tratamentele standard nu au funcționat.
Modelele computerizate au fost utilizate de mult timp în medicina oncologică, iar recent, inteligența artificială a deschis noi orizonturi în acest domeniu.
Cu toate acestea, natura „cutiei negre” a inteligenței artificiale tradiționale, asociată cu modelele de limbaj mari, a generat o anumită reticență în rândul profesioniștilor din domeniul medical, spun cercetătorii.
În dezvoltarea modelului lor, echipa UCL a utilizat o formă de inteligență artificială numită „AI simbolică”, care se bazează pe raționament logic, iar procesele sale sunt transparente și pot fi analizate ușor de către medici.
Cancerul mamar triplu negativ (TNBC) este o formă agresivă și cu creștere rapidă, reprezentând aproximativ 15% din toate cazurile de cancer mamar.
Pentru a verifica eficiența abordării lor, cercetătorii au construit tumori generate computerizat – sau „gemeni digitali” – care imită tumorile reale ale 31 de pacienți implicați în studiul clinic PARTNER, folosind informațiile lor genetice.
Apoi, au replicat procesul desfășurat în cadrul studiului clinic, dar prin simulări computerizate: pe fiecare gemeni digital, au observat efectul tratamentului cu chimioterapie singură sau cu chimioterapie plus un medicament numit Olaparib, cunoscut pentru eficiența sa în tratarea TNBC în anumite cazuri. De asemenea, au efectuat o simulare de control fără tratament.
Rezultatele simulărilor computerizate au fost comparate cu cele obținute în cadrul studiului clinic, iar programul informatic a prezis corect eficiența tratamentului în 74% din cazuri.
Gemenii digitali au sugerat, de asemenea, modalități de a ajuta pacienții ale căror tumori nu au răspuns bine la tratament.
În 12 din cei 13 pacienți care nu au avut un răspuns complet, modelele au identificat cel puțin un tratament țintit suplimentar care ar fi putut îmbunătăți rezultatul. Pentru 10 dintre acești pacienți, modelele au prezis că tratamentul suplimentar ar putea determina un răspuns atât de ridicat încât niciun cancer invaziv nu ar mai fi fost găsit în sânul pacientului și în nodurile limfatice.
Autorul principal, profesorul Jasmin Fisher, a declarat: „Am demonstrat gama largă și puternică de informații pe care tumorile virtuale personalizate le pot aduce în medicina oncologică prin intermediul modelului nostru computerizat bazat pe AI simbolică.”
„Prin identificarea abordărilor terapeutice pentru pacienții care nu au răspuns la tratamentele standard, abordarea noastră deschide calea pentru utilizarea gemenilor digitali de către clinicieni ca instrument pentru a ghida deciziile terapeutice, în special în cazurile de cancer greu de tratat, cum ar fi TNBC.”
„Vedem modelul nostru computerizat ca un ajutor pentru practica clinică oncologică existentă, nu ca o alternativă la aceasta: o modalitate de a genera idei noi, în special în legătură cu proteinele sau genele care ar putea fi țintite în moduri care, astfel, să restabilească sensibilitatea pacienților la medicamentele existente și să facă aceste tratamente eficiente.”
„În trecut, unii specialiști în oncologie au privit, în mod justificat, modelele computerizate cu o anumită reticență, mai ales acolo unde acestea se bazează pe platforme AI ale căror funcționări nu sunt vizibile – așa-numitele modele de tip cutie neagră.”
„Am depășit această problemă prin utilizarea AI simbolică, care se bazează pe raționamente logice și unde modul în care platforma ajunge la răspunsurile sale poate fi văzut și analizat de către medici.”
„În practică, opțiunea de tratament recomandată de modelul nostru poate fi, după o analiză mai atentă, respinsă de clinician – de exemplu, dacă acesta consideră medicamentul prea toxic. Dar, de asemenea, poate să îi conducă spre explorarea și, în final, să se decidă asupra unei a treia opțiuni pe care altfel nu ar fi luat-o în considerare.”
TNBC este un tip specific de cancer mamar în care celulele canceroase nu testează pozitiv pentru receptorii de estrogen, receptorii de progesteron și proteina HER2. Deoarece acești trei markeri comuni lipsesc, terapiile hormonale standard și medicamentele țintite HER2 nu funcționează.
De asemenea, este adesea caracterizat printr-o afecțiune cunoscută sub numele de deficiență de recombinare omologă, care afectează aproximativ 15% până la 20% din cazuri sau mai mult. Această condiție permite cancerului să se muteze foarte rapid și periculos, dar creează de asemenea un mare punct orb biologic, ceea ce înseamnă că medicamentele utilizate pentru a bloca o anumită enzimă – enzima poli-ADP riboză polimerază (PARP), care ajută în mod normal celulele deteriorate să repare rupturile de ADN cu un singur fir – o pot distruge.
Aceste medicamente includ Olaparib, care a fost utilizat în studiul PARTNER condus între 2016 și 2024. Echipa UCL a colaborat cu echipa profesorului Jean Abraham în acest nou studiu.
