Un model AI inovator anticipează reacțiile la tratamentele cancerului bazate pe mutații
Cercetătorii de la Universitatea din California San Diego au creat un nou model de inteligență artificială (AI) capabil să transforme profilul genetic complex al unei tumori în predicții despre modul în care acel cancer ar putea răspunde la tratament.
Modelul, denumit MutationProjector, a fost antrenat folosind date genomice din peste 30.000 de tumori aparținând 10 tipuri de cancer solid și oferă un nou cadru pentru a conecta mutațiile cancerului la căile biologice care influențează răspunsul la tratament. Studiul în care este descris modelul a fost publicat în revista Cancer Discovery, o publicație a Asociației Americane pentru Cercetarea Cancerului, iar cercetătorii au validat abordarea prin testarea acesteia pe mai multe cohorte de pacienți independenți.
Secvențierea genetică este deja o practică obișnuită în îngrijirea cancerului, însă încă întâmpinăm dificultăți în interpretarea completă a numeroaselor mutații găsite în tumorile pacienților.
Trey Ideker, PhD, profesor de medicină la UC San Diego School of Medicine și director al Big Data Institute, Universitatea din Oxford, a declarat: „Scopul nostru cu MutationProjector a fost să construim un model de uz general care să învețe din zeci de mii de genomuri de tumori și să transforme aceste modele de mutație în predicții mai precise despre răspunsul la tratament.”
După diagnosticarea cancerului, unul dintre pașii următori este adesea testarea genetică, care ajută medicii să clasifice tumora și să decidă ce tratamente să urmeze. Testarea genetică este relativ ieftină, rapidă și are un istoric solid în cazurile în care există biomarkeri genetici validați. Totuși, aceste cazuri rămân limitate, deoarece stratificarea tratamentului se bazează în prezent pe un număr mic de biomarkeri cunoscuți. Astăzi, doar aproximativ 8% dintre cazuri sunt corelate cu succes la o terapie aprobată de FDA pe baza geneticii.
Spre deosebire de abordările existente care se bazează pe un număr mic de biomarkeri, MutationProjector analizează combinația mai largă de modificări genetice prezente într-o tumoră. Modelul folosește aceste informații pentru a genera o reprezentare compactă a stării biologice a tumorii, ajutând cercetătorii să interpreteze care căi moleculare ar putea fi afectate și, prin extensie, care tratamente ar putea fi cele mai eficiente.
În cadrul mai multor cohorte independente de pacienți cu cancer, inclusiv cei cu cancer de vezică urinară, cancer pulmonar și melanom, MutationProjector a atins sau a depășit metodele existente pentru a prezice răspunsul la tratamentele comune de imunoterapie și chimioterapie. Modelul a identificat, de asemenea, atât biomarkeri cunoscuți, cât și neașteptați asociați cu rezultatele tratamentului, ceea ce ar putea contribui la îmbunătățirea abordărilor actuale de testare genetică și stratificare a pacienților.
„Multe mutații canceroase sunt rare în mod individual, ceea ce le face dificil de studiat pe rând”, a afirmat JungHo Kong, PhD, primul autor al studiului și cercetător postdoctoral în Departamentul de Medicină la UC San Diego School of Medicine. „Prin antrenarea prealabilă pe o colecție mare de tumori și integrarea cunoștințelor despre rețelele moleculare, MutationProjector poate detecta modele care ar fi ușor de ratat cu abordările convenționale bazate pe biomarkeri. Aceasta ne oferă o modalitate de a trece de la liste lungi de mutații la o înțelegere mai funcțională a tumorii.”
Cercetătorii subliniază că modelul a fost conceput nu doar pentru a face predicții, ci și pentru a oferi o înțelegere a motivelor din spatele acestor predicții, ceea ce ar putea ajuta la rafinarea biomarkerilor și strategiilor de tratament. Această interpretabilitate este deosebit de importantă în oncologia de precizie, unde clinicienii trebuie să înțeleagă modul în care genotipurile tumorale se raportează la deciziile de tratament. Echipa își propune, de asemenea, să extindă modelul la tipuri de cancer suplimentare și surse de date, inclusiv seturi de date internaționale de genomuri de cancer și alte forme de informații clinice, cum ar fi imagistica, transcriptomica și dosarele medicale electronice.
„Rezultatele noastre sugerează că modelele fundamentale ale genomului tumoral ar putea ajuta la extinderea valorii clinice a secvențierii dincolo de un număr mic de gene bine cunoscute”, a afirmat Ideker. „Acest lucru ar putea susține o abordare mai cuprinzătoare și bazată pe biologie în oncologia de precizie.”
