În contextul în care secvențierea genomică devine o practică obișnuită în oncologie, medicii sunt tot mai copleșiți de datele privind mutațiile tumorale – dar adesea fără îndrumare clară privind modul de folosire a acestora. Un nou model de bază de inteligență artificială numit MutationProjector ar putea contribui la reducerea acestei discrepanțe, transformând profilurile complexe de mutații tumorale în reprezentări clinic semnificative care pot prezice răspunsul la tratament, clasifica subtipurile de cancer și ghida potențial deciziile terapeutice în diferite tipuri de tumori.
Studiul, condus de cercetători de la Universitatea California, San Diego (UCSD) și publicat în Cancer Discovery, descrie modul în care modelul a fost antrenat pe peste 30.000 de genomuri tumorale care acoperă 10 tipuri de tumori solide și apoi aplicat la o serie de sarcini clinice ulterioare, inclusiv prezicerea răspunsului la imunoterapie și chimioterapie.
„În prezent, medicii vor comanda tot mai des panouri de secvențiere genetică, iar în câțiva ani va fi secvențierea întregului genom”, a declarat autorul principal Trey Ideker, PhD, de la UCSD. „Ceea ce este interesant este că, deși informațiile devin din ce în ce mai prolific prezente în clinicile de cancer, relativ puține decizii terapeutice sunt de fapt luate pe baza acestora.”
Conform documentului, terapiile țintite aprobate de FDA se potrivesc în prezent doar aproximativ 8% dintre pacienți pe baza descoperirilor de secvențiere. Cu toate acestea, tumorile medii conțin aproximativ 11 modificări genomice distincte identificate prin secvențierea clinică. „Mutațiile sunt acolo”, a spus Ideker. „Oamenii pur și simplu nu știu ce să facă cu ele sau dacă sunt relevante.”
MutationProjector a fost conceput pentru a aborda această provocare cu o arhitectură inspirată de sistemele AI pe scară largă folosite în prelucrarea limbajelor naturale și în viziunea artificială. În loc să se concentreze pe biomarkeri genetici individuali, modelul încearcă să surprindă modele mutaționale mai ample asociate căilor-cheie ale cancerului.
„Știm de ani de zile că cancerul este într-adevăr o boală a căilor-cheie”, a spus Ideker. „Dacă ai putea trece dincolo de biomarkerii genetici individuali și înțelege starea generală a tumorii din mutațiile sale, atunci ai putea trata potențial acea tumoră mai bine.”
Modelul traduce informațiile genomice ale tumorii într-o reprezentare compactă bazată pe coordonate – similar cu o înglobare UMAP – care plasează tumorile cu caracteristici moleculare similare una lângă alta. Ideker a descris rezultatul ca un „sistem de coordonate XY pentru o tumoră” care integrează informații din mii de mutații simultan.
Abordarea se bazează în mare măsură pe preantrenare, un element definitoriu al modelelor moderne de bază. MutationProjector a învățat mai întâi reprezentări generalizabile din colecții mari de date genomice tumorale, chiar și atunci când informațiile detaliate despre rezultatele clinice nu erau disponibile. Cercetătorii au ajustat ulterior modelul folosind seturi de date mai mici, puternic anotate, legate de răspunsuri terapeutice specifice.
Ideker a comparat strategia cu învățarea unei limbi străine. „Dacă vreau să învăț italiană dar am doar o carte în
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
