בינה מלאכותית מנבאת תגובה לטיפול בסרטן על סמך נתונים מכל תא גידול

עם למעלה מ-200 סוגי סרטן וכל מקרה ייחודי, המאמצים המתמשכים לפתח טיפולים מדויקים לסרטן נותרים מאתגרים. המוקד הוא על פיתוח בדיקות גנטיות לזיהוי מוטציות בגנים המניעים את הסרטן והתאמת טיפולים למוטציות אלו.

עם זאת, רבים, אם לא רובם, של חולי סרטן, אינם נהנים באופן משמעותי מטיפולים ממוקדים מוקדמים אלה. במחקר חדש שפורסם ב- Nature Cancer, המחבר הראשון סנג'ו סינה, PhD, פרופסור עוזר בתוכנית הטיפול המולקולרי בסרטן בסנפורד ברנהאם פרביס, יחד עם המחברים הראשיים איתן רופין, MD, PhD, ואלחנדרו שפר, PhD, מהמכון הלאומי לסרטן, חלק מהמכונים הלאומיים לבריאות (NIH), ועמיתיו מתארים מערכת חישובית ייחודית לחיזוי שיטתי של האופן שבו חולים יגיבו לתרופות לסרטן ברמת התא הבודד.

הגישה החדשה, המונעת על ידי בינה מלאכותית, נקראת תכנון טיפול אונקולוגי מותאם אישית המבוסס על ביטוי טרנסציפל של תא בודד (PERCEPTION), ומתעמקת בטרנסקריפטומיקה - חקר גורמי שעתוק, מולקולות mRNA המתבטאות על ידי גנים ומתרגמות מידע מ-DNA לפעולה.

"גידולים הם אורגניזמים מורכבים ומשתנים ללא הרף. שימוש ברזולוציה של תא בודד מאפשר לנו להתמודד עם שני האתגרים הללו", אומר סינה. "תפיסה מאפשרת לנו להשתמש במידע העשיר מאומקסים של תא בודד כדי להבין את הארכיטקטורה השיבוטית של גידול ולנטר את הופעת העמידות." (בביולוגיה, אומקסיקה מתייחסת לסכום החלקים בתוך תא.)

סינה אומר: "היכולת לנטר את הופעת העמידות היא החלק המרגש ביותר עבורי. יש לה פוטנציאל לאפשר לנו להסתגל לאבולוציה של תאי סרטן ואף לשנות את אסטרטגיית הטיפול שלנו."

סינה ועמיתיו השתמשו בלמידה העברית, ענף של בינה מלאכותית, כדי ליצור תפיסה.

"נתונים מוגבלים של תאים בודדים ממרפאות היו האתגר העיקרי שלנו. מודלים של בינה מלאכותית זקוקים לכמויות גדולות של נתונים כדי להבין מחלות, בדיוק כפי ש-ChatGPT זקוק לכמויות עצומות של נתוני טקסט מהאינטרנט", מסביר סינה.

PERCEPTION משתמשת בנתוני ביטוי גנים בכמות גדולה שפורסמו מגידולים כדי לאמן מראש את המודלים שלה. לאחר מכן, נתונים ברמת תא בודד מקווי תאים וחולים, למרות שהם מוגבלים, שימשו לכוונון המודלים.

בדיקת PERCEPTION אומתה בהצלחה בניבוי תגובה לטיפול יחידני ולטיפול משולב בשלושה ניסויים קליניים בלתי תלויים שפורסמו לאחרונה במיאלומה נפוצה, סרטן השד וסרטן הריאות. בכל מקרה, PERCEPTION ריבד נכון את המטופלות למטופלות שהגיבו לטיפול ולמטופלות שאינן מגיבות לטיפול. בסרטן הריאות, היא אף תיעדה את התפתחות עמידות לתרופות ככל שהמחלה התקדמה, ממצא משמעותי בעל פוטנציאל גדול.

סינה אומר ש-PERCEPTION עדיין לא מוכן לשימוש במרפאה, אך הגישה מראה שניתן להשתמש במידע ברמת התאים הבודדים כדי להנחות את הטיפול. הוא מקווה לעודד את אימוץ הטכנולוגיה במרפאות כדי לייצר נתונים נוספים בהם ניתן להשתמש כדי לפתח ולשפר את הטכנולוגיה לשימוש קליני.

"איכות החיזוי משתפרת עם איכות וכמות הנתונים עליהם הוא מבוסס", אומר סינה. "מטרתנו היא ליצור כלי קליני שיכול לחזות באופן שיטתי ומונע נתונים את תגובת הטיפול בחולי סרטן בודדים. אנו מקווים שממצאים אלה יעודדו נתונים נוספים ומחקרים דומים בעתיד הקרוב."