Nedidelei daliai vėžiu sergančių pacientų gydytojai negali nustatyti, kur atsirado jų vėžys. Dėl to daug sunkiau pasirinkti gydymą tiems pacientams, nes daugelis vaistų nuo vėžio paprastai yra sukurti tam tikroms vėžio rūšims.
Naujas metodas, kurį sukūrė MIT ir Dana-Farber vėžio instituto mokslininkai, gali padėti lengviau nustatyti tų paslaptingų vėžio formų kilmės vietas. Naudodami mašininį mokymąsi, mokslininkai sukūrė skaičiavimo modelį, kuris gali išanalizuoti apie 400 genų seką ir panaudoti šią informaciją, kad nuspėtų, kur kūne atsirado tam tikras auglys.
Naudodami šį modelį, mokslininkai parodė, kad maždaug 900 pacientų duomenų rinkinyje jie gali tiksliai klasifikuoti mažiausiai 40 procentų nežinomos kilmės navikų. Šis metodas leido 2,2 karto padidinti pacientų, kuriems galėjo būti taikomas genomiškai pagrįstas tikslinis gydymas, skaičių, atsižvelgiant į jų vėžio kilmę.
„Tai buvo svarbiausia mūsų dokumento išvada, kad šis modelis gali būti panaudotas priimant sprendimus dėl gydymo, nukreipiant gydytojus į individualų gydymą pacientams, sergantiems neaiškios pirminės kilmės vėžiu“, – sako Intae Moon, MIT elektros inžinerijos ir studijų absolventė. kompiuterių mokslų, kuris yra pagrindinis naujojo tyrimo autorius.
Aleksandras Gusevas, medicinos docentas iš Harvardo medicinos mokyklos ir Dana-Farber vėžio instituto, yra vyresnysis straipsnio, kuris šiandien pasirodo Gamtos medicina.
Paslaptingos ištakos
3–5 procentams vėžiu sergančių pacientų, ypač tais atvejais, kai navikai metastazavo visame kūne, onkologai neturi lengvo būdo nustatyti, kur atsirado vėžys. Šie navikai klasifikuojami kaip nežinomo pirminio (CUP) vėžio tipai.
Šis žinių trūkumas dažnai neleidžia gydytojams duoti pacientams „tikslių“ vaistų, kurie paprastai yra patvirtinti tam tikroms vėžio rūšims, kai žinoma, kad jie veikia. Šie tiksliniai gydymo būdai paprastai yra veiksmingesni ir turi mažiau šalutinių poveikių nei gydymo būdai, naudojami daugeliui vėžio formų, kurie dažniausiai skiriami CUP pacientams.
„Daugeliui asmenų kasmet suserga šie nežinomi pirminiai vėžiai, ir kadangi dauguma gydymo būdų yra patvirtinami konkrečiai vietai, kur reikia žinoti pirminę vietą, kur juos naudoti, gydymo galimybės yra labai ribotos“, – sako Gusevas. .
Moonas, Kompiuterių mokslo ir dirbtinio intelekto laboratorijos filialas, kuriam bendrai patarė Gusevas, nusprendė išanalizuoti genetinius duomenis, kurie reguliariai renkami Dana-Farber, kad išsiaiškintų, ar juos būtų galima panaudoti vėžio tipui numatyti. Duomenys susideda iš maždaug 400 genų, kurie dažnai mutuoja sergant vėžiu, genetinės sekos. Tyrėjai parengė mašininio mokymosi modelį, remdamiesi duomenimis iš beveik 30 000 pacientų, kuriems buvo diagnozuotas vienas iš 22 žinomų vėžio tipų. Į šį duomenų rinkinį buvo įtraukti pacientai iš Memorial Sloan Kettering vėžio centro ir Vanderbilt-Ingram vėžio centro, taip pat Dana-Farber.
Tada mokslininkai išbandė gautą modelį su maždaug 7000 navikų, kurių anksčiau nematė, bet kurių kilmės vieta buvo žinoma. Modelis, kurį mokslininkai pavadino OncoNPC, sugebėjo nuspėti jų kilmę maždaug 80 procentų tikslumu. Navikų su didelio patikimumo prognozėmis, kurios sudarė apie 65 procentus viso skaičiaus, jo tikslumas padidėjo iki maždaug 95 procentų.
Po šių vilčių teikiančių rezultatų tyrėjai naudojo modelį, kad išanalizuoti apie 900 navikų iš pacientų, sergančių CUP, rinkinį, kurie visi buvo iš Dana-Farber. Jie nustatė, kad 40 procentų šių navikų modelis galėjo atlikti didelio patikimumo prognozes.
Tada mokslininkai palygino modelio prognozes su gemalo linijos arba paveldėtų navikų pogrupio mutacijų analize su turimais duomenimis, kurie gali atskleisti, ar pacientai turi genetinį polinkį susirgti tam tikros rūšies vėžiu. Tyrėjai nustatė, kad modelio prognozės daug labiau atitiko vėžio tipą, kurį labiausiai prognozuoja gemalo linijos mutacijos, nei bet kurio kito vėžio tipo.
Vadovaujantis sprendimais dėl narkotikų
Norėdami dar labiau patvirtinti modelio prognozes, mokslininkai palygino duomenis apie CUP pacientų išgyvenamumo laiką su tipine vėžio tipo prognoze, kurią numatė modelis. Jie nustatė, kad CUP pacientai, kuriems buvo prognozuojamas vėžys su bloga prognoze, pavyzdžiui, kasos vėžiu, išgyveno atitinkamai trumpiau. Tuo tarpu CUP pacientai, kuriems, kaip buvo prognozuojama, serga vėžiu, kurių prognozė paprastai yra geresnė, pavyzdžiui, neuroendokrininių navikų, išgyveno ilgiau.
Kitas požymis, kad modelio prognozės gali būti naudingos, buvo pažvelgus į gydymo būdus, kuriuos CUP pacientai gavo tyrime. Maždaug 10 procentų šių pacientų buvo gydomi tikslingai, remiantis geriausiu onkologų spėjimu apie jų vėžio kilmę. Tiems pacientams, kuriems buvo skirtas gydymas, atitinkantis modelio numatytą vėžio tipą, sekėsi geriau nei pacientams, kuriems paprastai buvo skiriamas kitokio tipo vėžys, nei jiems numatė modelis.
Naudodami šį modelį mokslininkai taip pat nustatė dar 15 procentų pacientų (2,2 karto daugiau), kuriems būtų buvę taikomas tikslinis gydymas, jei būtų buvęs žinomas jų vėžio tipas. Vietoj to, tie pacientai gavo bendresnius chemoterapinius vaistus.
„Tai gali padaryti šias išvadas kliniškai labiau tinkamas, nes mes nereikalaujame, kad būtų patvirtintas naujas vaistas. Mes sakome, kad šiai populiacijai dabar gali būti taikomas jau egzistuojantis tikslus gydymas“, – sako Gusevas.
Tyrėjai dabar tikisi išplėsti savo modelį įtraukdami kitų tipų duomenis, pvz., Patologijos vaizdus ir radiologijos vaizdus, kad pateiktų išsamesnę prognozę naudojant kelis duomenų būdus. Tai taip pat suteiktų modeliui išsamią navikų perspektyvą, leidžiančią numatyti ne tik naviko tipą ir paciento baigtį, bet galbūt net optimalų gydymą.
Tyrimą finansavo Nacionaliniai sveikatos institutai, Louis B. Mayer fondas, Doris Duke labdaros fondas, Phi Beta Psi Sorority ir Emerson Collective.
Paspauskite Paminėjimai
Daily Beast
MIT ir Dana-Farber vėžio instituto mokslininkai paskelbė dokumentą, kuriame pristatomas OncoNPC, dirbtinio intelekto modelio, galinčio numatyti, iš kur paciento kūne atsirado vėžys, kūrimas, praneša Tony Ho Tran. Daily Beast. Ši informacija „gali padėti nustatyti veiksmingesnius gydymo sprendimus pacientams ir globėjams”, rašo Tran.
