U studiji o dokazu koncepta, istraživači iz Nacionalnog instituta za zdravlje (NIH) razvili su alat za veštačku inteligenciju (AI) koji koristi rutinske kliničke podatke, poput onih iz jednostavnog testa krvi, da predvide da li će nečiji rak reagovati inhibitorima imunih kontrolnih tačaka, vrsti imunoterapijskog leka koji pomaže imunim ćelijama da ubijaju ćelije raka.
Model mašinskog učenja može pomoći lekarima da utvrde da li su lekovi za imunoterapiju efikasni u lečenju raka kod pacijenata. Studiju, objavljenu 3. juna 2024. u časopisu Nature Cancer, vodili su istraživači iz Centra za istraživanje raka Nacionalnog instituta za rak (NCI) i Centra za rak Memorial Sloan Kettering u Njujorku. NCI je deo Nacionalnog instituta za zdravlje.
Trenutno su dva prediktivna biomarkera odobrena od strane Uprave za hranu i lekove za upotrebu u identifikaciji pacijenata koji bi mogli biti kandidati za lečenje inhibitorima imunoloških kontrolnih tačaka. Prvi je mutacioni teret tumora, što je broj mutacija u DNK ćelija raka. Drugi je PD-L1, protein tumorske ćelije koji ograničava imuni odgovor i meta je nekih inhibitora imunoloških kontrolnih tačaka.
Međutim, ovi biomarkeri ne predviđaju uvek tačno odgovor na inhibitore imunološke kontrolne tačke. Nedavni modeli zasnovani na mašinama koji koriste podatke o molekularnom sekvenciranju pokazali su vrednost u predviđanju odgovora, ali je ova vrsta podataka skupa za dobijanje i ne prikupljaju se rutinski.
Nova studija opisuje različitu vrstu modela mašinskog učenja koji predviđa predviđanja na osnovu pet kliničkih karakteristika koje se rutinski prikupljaju od pacijenata: starost pacijenta, tip raka, istorija sistemske terapije, nivo albumina u krvi i krvni neutrofil u limfocite odnos, marker upale.
Model takođe uzima u obzir mutacijsko opterećenje tumora, procenjeno kroz panele za sekvenciranje. Model je konstruisan i procenjen korišćenjem podataka iz više nezavisnih skupova podataka koji su uključivali 2.881 pacijenta lečenog inhibitorima imunološke kontrolne tačke u 18 tipova solidnih tumora.
Model je tačno predvideo verovatnoću pacijenta da reaguje na inhibitor imunološke kontrolne tačke i koliko će dugo živeti, kako u celini tako i pre nego što se bolest vrati. Posebno, rekli su istraživači, model je takođe mogao da identifikuje pacijente sa niskim mutacionim opterećenjem tumora koji se i dalje mogu efikasno lečiti imunoterapijom.
Istraživači su primetili da su potrebne veće prospektivne studije za dalju procenu AI modela u kliničkim okruženjima. Oni su svoj AI model, koji se zove logistička regresija zasnovana na imunoterapiji-response Score (LORIS), učinili javno dostupnim. Alat procenjuje verovatnoću da pacijent reaguje na inhibitore imunih kontrolnih tačaka na osnovu podataka o šest gore opisanih varijabli.
Studiju su zajedno vodili Eitan Ruppin, MD, Ph.D., iz NCI-jevog centra za istraživanje raka i Luc G. T. Morris, MD, iz Memorial Sloan Kettering Cancer Centra. Rad su predvodili dr Tiangen Čang i dr Jinging Cao iz grupe dr Rupina u Centru za istraživanje raka NCI.
