Inteligența artificială îmbunătățește predicția rezistenței la medicamentele pentru cancer
O revizuire cuprinzătoare, recent publicată în Current Molecular Pharmacology (2026, Volume 19, Pages 85–96), analizează peisajul în continuă schimbare al instrumentelor computaționale pentru prezicerea rezistenței la medicamente în tumorile canceroase.
Articolul, coordonat de Jia Wang, Hong‑Rui Zhu, și autorii corespondenți Zhi‑Chun Gu și Hou‑Wen Lin de la Shanghai Jiao Tong University School of Medicine, cartografiază sistematic modul în care inteligența artificială, în special învățarea automată și învățarea profundă, este utilizată pentru a integra date multi-omics din repositoare de mari dimensiuni, precum TCGA și GDSC.
Aceaste abordări contribuie la decodificarea mecanismelor de rezistență pentru chimioterapie, terapii țintite și imunoterapie, în timp ce indică și dimensiuni predictive noi, cum ar fi tromboza asociată cancerului.
Autorii subliniază că bazele de date standardizate și pipeline-urile de preprocesare sofisticate sunt acum esențiale pentru a transforma datele genomice, transcriptomice și clinice heterogene în intrări fiabile pentru modele. Totuși, ei avertizează că sparsitatea datelor, efectele de lot și natura „cutiei negre” a multor modele de învățare profundă rămân bariere semnificative pentru adoptarea clinică.
„Compromisul inerent între acuratețea modelului și interpretabilitate subminează încrederea clinicianului și limitează adoptarea în lumea reală,” observă Dr. Gu. Pentru a aborda această problemă, revizuirea pledează pentru cadre de AI explicabilă, strategii de fuziune multimodală și integrarea monitorizării dinamice prin biopsie lichidă pentru a captura evoluția rezistenței în timp real.
Privind spre viitor, echipa solicită o schimbare de paradigmă către instrumente specializate pentru subgrupuri cu risc ridicat, în special pacienții cu tromboză asociată cancerului. Prin încorporarea semnăturilor legate de coagulare și a markerilor trombotici longitudinali, aceste modele de nouă generație ar putea oferi predicții acționabile care să ghideze terapiile anticancerigene combinate cu anticoagulante.
Autorii îndeamnă, de asemenea, la stabilirea unor standarde de date unificate, validare clinică prospectivă și colaborare interdisciplinară pentru a reduce decalajul dintre inovația computațională și aplicarea la pat. „Scopul nostru este să depășim predicțiile generice și să oferim perspective personalizate pentru pacienții care au nevoie cel mai mult,” adaugă Profesorul Lin. Revizuirea concluzionează că, prin eforturi susținute în integrarea datelor, interpretabilitate și traducere clinică, predicția rezistenței bazată pe AI are un potențial transformativ pentru oncologia de precizie.
