Un model AI analizează datele tumorale la nivel celular pentru a prezice supraviețuirea în cancer
În cadrul unui studiu finanțat de National Institutes of Health (NIH), cercetătorii au dezvoltat un instrument de evaluare a cancerului care poate identifica pacienții cu risc ridicat și celulele tumorale asociate acestui risc.
Modelul, denumit scSurvival, utilizează un cadru de învățare automată conceput pentru a analiza date de mari dimensiuni la rezoluție celulară unică.
Cu sprijinul NIH, Oregon Health & Science University (OHSU) a testat modelul pe date clinice provenite de la peste 150 de pacienți cu cancer. Acest instrument a prezis rezultatele supraviețuirii și a corelat populații specifice de celule cu un risc mai mare.
„Un instrument de evaluare a riscurilor care nu doar indică cine ar putea fi la un risc mai mare, ci oferă și indicii cu privire la motivele acestuia, ar putea ajuta foarte mult în aceste tipuri dificile de cancer”, a declarat Anthony Letai, M.D., Ph.D., director al National Cancer Institute (NCI).
Fiecare tumoră conține un mozaic unic de celule care prezintă modele biologice ce ar putea indica modul în care o tumoră va progresa sau va răspunde la tratament. Deși cercetătorii au reușit să colecteze date de expresie genică la nivelul celulelor unice de la mii până la milioane de celule tumorale, analiza acestora a fost o provocare.
Până acum, cercetătorii au aplicat metode care uniformizează datele celulelor, medieizând informațiile pe întreaga tumoră sau pe tipuri de celule, ceea ce șterge nuanțele potențial critice. Autorii noului studiu au căutat să dezvolte o abordare care să utilizeze mai bine seturile bogate de date disponibile, păstrând detaliile fine.
„Prin utilizarea unui pieptene fin pentru datele de la celulele unice, scSurvival este capabil să considere influența variată pe care celulele individuale o au asupra progresiei bolii și rezultatelor supraviețuirii”, a spus Zheng Xia, Ph.D., profesor asociat de inginerie biomedicală la OHSU.
Pentru a realiza acest lucru, scSurvival atribuie fiecărei celule un coeficient bazat pe gradul în care celula este asociată cu supraviețuirea, filtrând informațiile din celulele mai puțin importante. Modelul apoi mediază datele celulelor cu coeficiente ponderate pentru a-și forma baza predicțiilor de supraviețuire.
Cercetătorii și-au antrenat modelul pe seturi de date de la celule unice corelate cu date de supraviețuire de la sute de pacienți. Ulterior, l-au testat pe date clinice de la pacienți cu melanom sau cancer hepatic și au descoperit că a prezis rezultatele cu o acuratețe mai mare decât metodele tradiționale.
De asemenea, echipa a urmărit predicțiile modelului înapoi la grupuri specifice de celule, identificând celule imune și tumorale asociate cu supraviețuirea mai bună sau mai proastă. În melanom, au identificat populații celulare asociate cu răspunsurile la imunoterapie.
Aceste descoperiri arată că diferențele în populațiile celulare determină modul în care tumorile se comportă și răspund la tratament. Instrumente precum scSurvival ar putea ajuta la identificarea acestor modele.
