Μοντέλο τεχνητής νοημοσύνης του Χάρβαρντ προβλέπει ποιοι καρκινοπαθείς θα ανταποκριθούν στην ανοσοθεραπεία

Ερευνητές στην Ιατρική Σχολή του Χάρβαρντ ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης με την ονομασία COMPASS, το οποίο μπορεί να προβλέψει ποιοι καρκινοπαθείς θα ανταποκριθούν στους αναστολείς ανοσολογικών σημείων ελέγχου, μια κατηγορία φαρμάκων που αποδίδει μόνο σε ένα κλάσμα όσων τα λαμβάνουν. Η μελέτη δημοσιεύθηκε στις 3 Ιουλίου στο περιοδικό Nature Medicine.medicalxpress+1

Αντιμετωπίζοντας το κεντρικό άλυτο πρόβλημα της ογκολογίας

Οι αναστολείς ανοσολογικών σημείων ελέγχου έχουν μεταμορφώσει τη θεραπεία του καρκίνου από τότε που εγκρίθηκε ο πρώτος από τον FDA το 2011, αλλά οι κλινικές δοκιμές δείχνουν ότι μόνο το 10% έως 40% των ασθενών ανταποκρίνονται, ανάλογα με τον τύπο του καρκίνου τους. Όσοι δεν ανταποκρίνονται διατρέχουν κίνδυνο σοβαρών παρενεργειών, ενώ ο καρκίνος τους εξελίσσεται ανεξέλεγκτα.pubmed.ncbi.nlm.nih+1

Το COMPASS αναλύει τη δραστηριότητα σχεδόν 16.000 γονιδίων με γνωστούς ρόλους στις καταστάσεις των ανοσοκυττάρων, τις αλληλεπιδράσεις του μικροπεριβάλλοντος του όγκου και τις οδούς σηματοδότησης. Το μοντέλο εκπαιδεύτηκε σε δεδομένα από 10.184 όγκους σε 33 τύπους καρκίνου που αντλήθηκαν από το Cancer Genome Atlas και στη συνέχεια τελειοποιήθηκε χρησιμοποιώντας αποτελέσματα από 16 κλινικές δοκιμές που εξέταζαν διαφορετικά σχήματα αναστολέων σημείων ελέγχου σε επτά τύπους καρκίνου.medicalxpress+1

«Η κατανόηση του ποιος θα ανταποκριθεί στους αναστολείς ανοσολογικών σημείων ελέγχου (ICI) δεν είναι ένα μικρό κενό στη γνώση», δήλωσε η ανώτερη συγγραφέας Marinka Zitnik, αναπληρώτρια καθηγήτρια βιοϊατρικής πληροφορικής στο HMS και συνεργαζόμενο μέλος ΔΕΠ στο Kempner Institute του Χάρβαρντ. «Είναι ένα από τα κεντρικά άλυτα προβλήματα στην ογκολογία».medicalxpress

Ξεπερνώντας τις υπάρχουσες μεθόδους

Κατά τις δοκιμές, το COMPASS ξεπέρασε την καλύτερη υπάρχουσα προσέγγιση για την πρόβλεψη της ανταπόκρισης στους αναστολείς σημείων ελέγχου κατά σχεδόν 10% κατά μέσο όρο, με αύξηση 8,5% στην ακρίβεια, βελτίωση 12,3% στον συντελεστή συσχέτισης Matthews και κέρδος 15,7% στην περιοχή κάτω από την καμπύλη ακρίβειας-ανάκλησης. Η ακρίβεια διατηρήθηκε σε διαφορετικούς τύπους καρκίνου, φάρμακα, πλατφόρμες αλληλούχισης γονιδιακών μεταγραφημάτων και σημεία βιοψίας.pubmed.ncbi.nlm.nih+1

Σε αντίθεση με τα συστήματα τεχνητής νοημοσύνης «μαύρου κουτιού», το COMPASS χρησιμοποιεί μια αρχιτεκτονική μετασχηματιστή με σημείο συμφόρησης εννοιών που παρέχει αποτελέσματα ερμηνεύσιμα από τον άνθρωπο. Αποκωδικοποιεί τους όγκους σε 44 βιολογικά τεκμηριωμένες ανοσολογικές έννοιες, επιτρέποντας στους κλινικούς ιατρούς να κατανοήσουν το σκεπτικό πίσω από κάθε πρόβλεψη. Αυτή η ερμηνευσιμότητα βοήθησε στην εξήγηση περιπτώσεων που αποτελούσαν εξαιρέσεις — για παράδειγμα, γιατί ορισμένοι ασθενείς με ανοσο-φλεγμονώδεις όγκους εξακολουθούσαν να μην ανταποκρίνονται και γιατί άλλοι με όγκους που ονομάζονται «ανοσο-έρημοι» ωφελήθηκαν από τη θεραπεία.medicalxpress+1

Κλινικές επιπτώσεις

Εάν επικυρωθεί σε προοπτικές δοκιμές, το COMPASS θα μπορούσε να χρησιμεύσει ως βοήθημα κλινικών αποφάσεων, βοηθώντας τους ογκολόγους να αντιστοιχίσουν τους ασθενείς με τις κατάλληλες θεραπείες και βελτιώνοντας την εγγραφή σε κλινικές δοκιμές μέσω του εντοπισμού των συμμετεχόντων που είναι πιο πιθανό να παρουσιάσουν ουσιαστική ανταπόκριση. Η Zitnik και οι συνεργάτες της σχεδιάζουν να εξετάσουν εάν η ενσωμάτωση ηλεκτρονικών αρχείων υγείας και δεδομένων αλληλούχισης μεμονωμένων κυττάρων θα μπορούσε να βελτιώσει περαιτέρω την ακρίβεια.medicalxpress