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

עם יותר מ-200 סוגי סרטן וכל מקרה ייחודי בנפרד, המאמצים המתמשכים לפיתוח טיפולים אונקולוגיים מדויקים נותרו מאתגרים. ההתמקדות היא בפיתוח בדיקות גנטיות לזיהוי מוטציות בגנים מובילי סרטן וזיהוי טיפולים מתאימים כנגד מוטציות אלו.

עם זאת, רבים, אם לא רובם, חולי סרטן אינם נהנים באופן משמעותי מטיפולים ממוקדים מוקדמים אלו. במחקר החדש, שפורסם בNature Cancer, המחבר הראשון Sanju Sinha, Ph.D., עוזר פרופסור בתכנית לטיפול מולקולרי בסרטן ב-Sanford Burnham Prebys, יחד עם המחברים הראשיים איתן רופין, MD, PhD, ואלחנדרו שפר, PhD, מהמכון הלאומי לסרטן, חלק מהמכון הלאומי לבריאות (NIH), ועמיתיו מתארים מערכת חישובית ייחודית לניבוי שיטתי של חולים תגובה לתרופות סרטן ברמת תא בודד.

המכונה תכנון טיפול אישי באונקולוגיה המבוסס על ביטוי תמליל חד-תא (PERCEPTION), הגישה החדשה המבוססת על בינה מלאכותית מתעמקת בחקר התעתיק - חקר גורמי שעתוק, מולקולות ה-mRNA המבוטאות על ידי גנים ומתרגמות מידע DNA לפעולה.

"גידול הוא אורגניזם מורכב ומשתנה ללא הרף. שימוש ברזולוציה של תא בודד מאפשר לנו לפתור את שתי הבעיות הללו", אומר סינהא. "PERCEPTION מאפשרת שימוש במידע עשיר מאומקסיס חד-תא כדי להבין את הארכיטקטורה המשובטת של הגידול ולנטר את הופעת העמידות." (בביולוגיה, אומקסיס מתייחס לסכום המרכיבים בתוך התא.)

Sinha אומר: "היכולת לנטר את הופעת ההתנגדות היא החלק המרגש ביותר עבורי. יש לזה פוטנציאל לאפשר לנו להסתגל לאבולוציה של תאים סרטניים ואפילו לשנות את אסטרטגיית הטיפול שלנו."

Sinha ועמיתיו השתמשו בלמידת העברה, ענף של AI, כדי ליצור PERCEPTION.

"נתונים מוגבלים ברמת התא ממרפאות היו האתגר העיקרי שלנו. מודלים של בינה מלאכותית זקוקים לכמויות גדולות של נתונים כדי להבין מחלות, בדיוק כמו ש-ChatGPT צריך כמויות אדירות של נתוני טקסט מהאינטרנט", מסביר סינהא.

PERCEPTION משתמשת בנתוני ביטוי גנים שפורסמו בתפזורת מגידולים כדי לאמן מראש את המודלים שלה. לאחר מכן, נעשה שימוש בנתונים ברמה של תא בודד מקווי תאים וממטופלים, למרות שהם מוגבלים, כדי לכוונן את המודלים.

PERCEPTION אומתה בהצלחה בניבוי תגובה למונותרפיה ולטיפול משולב בשלושה ניסויים קליניים עצמאיים שפורסמו לאחרונה במיאלומה נפוצה, סרטן שד וריאות. בכל אחד מהמקרים, PERCEPTION ריבד את המטופלים בצורה נכונה למגיבים ולא מגיבים. בסרטן הריאות הוא אף תיעד התפתחות של עמידות לתרופות עם התקדמות המחלה, שהיא תגלית משמעותית עם פוטנציאל רב.

Sinha אומר ש-PERCEPTION עדיין לא מוכן לשימוש במרפאה, אך הגישה מראה שניתן להשתמש במידע ברמת התא החד כדי להנחות את הטיפול. הוא מקווה לעודד את אימוץ הטכנולוגיה הזו במרפאות כדי ליצור נתונים נוספים שניתן להשתמש בהם כדי להמשיך ולפתח ולשפר את הטכנולוגיה לשימוש קליני.

"איכות החיזוי משתפרת עם איכות וכמות הנתונים שעליהם היא מבוססת", אומר Sinha. "המטרה שלנו היא ליצור כלי קליני שיכול לחזות באופן שיטתי ומונחה נתונים את תגובת הטיפול בחולים בודדים עם סרטן. אנו מקווים שממצאים אלו יגרמו לעוד נתונים ומחקרים דומים בעתיד הקרוב."