U studiji objavljenoj u Cancer Discovery, naučnici sa Medicinskog fakulteta Univerziteta Kalifornije u San Dijegu iskoristili su algoritam mašinskog učenja kako bi se pozabavili jednim od najvećih izazova sa kojima se suočavaju istraživači raka: predviđanjem kada će se rak odupreti hemoterapiji.
Sve ćelije, uključujući ćelije raka, oslanjaju se na složenu molekularnu mašineriju za repliciranje DNK kao deo normalne ćelijske deobe. Većina hemoterapija funkcioniše tako što ometa ovu mašineriju za replikaciju DNK u tumorskim ćelijama koje se brzo dele. Dok naučnici priznaju da genetski sastav tumora u velikoj meri utiče na njegov specifični odgovor na lek, ogromno mnoštvo mutacija pronađenih unutar tumora čini predviđanje rezistencije na lekove izazovnom perspektivom.
Novi algoritam prevazilazi ovu barijeru istražujući kako brojne genetske mutacije kolektivno utiču na reakciju tumora na lekove koji ometaju replikaciju DNK.
Konkretno, testirali su svoj model na tumorima raka grlića materice, uspešno predviđajući odgovore na cisplatin, jedan od najčešćih lekova za hemoterapiju. Model je bio u stanju da identifikuje tumore sa najvećim rizikom za rezistenciju na tretman i takođe je bio u stanju da identifikuje veliki deo osnovne molekularne mašinerije koja pokreće otpornost na tretman.
„Kliničari su ranije bili svesni nekoliko pojedinačnih mutacija koje su povezane sa rezistencijom na lečenje, ali ove izolovane mutacije nisu imale značajnu prediktivnu vrednost. Razlog je taj što mnogo veći broj mutacija može da oblikuje odgovor tumora na lečenje nego što se ranije smatralo“, Trej Ideker, dr., profesor na Odseku za medicinu na UC San Diego of Medicine, objasnio je.
„Veštačka inteligencija premošćuje taj jaz u našem razumevanju, omogućavajući nam da analiziramo složeni niz hiljada mutacija odjednom.
Jedan od izazova u razumevanju načina na koji tumori reaguju na lekove je inherentna složenost replikacije DNK – mehanizam na koji ciljaju brojni lekovi protiv raka.
„Stotine proteina rade zajedno u složenim aranžmanima da bi replicirali DNK“, primetio je Ideker. „Mutacije u bilo kom delu ovog sistema mogu promeniti kako ceo tumor reaguje na hemoterapiju.“
Istraživači su se fokusirali na standardni set od 718 gena koji se obično koriste u kliničkom genetskom testiranju za klasifikaciju raka, koristeći mutacije unutar ovih gena kao početni ulaz za svoj model mašinskog učenja. Nakon što ga je obučio sa javno dostupnim podacima o odgovorima na lekove, model je precizirao 41 molekularni sklop – grupe proteina koji sarađuju – gde genetske promene utiču na efikasnost leka.
„Rak je bolest zasnovana na mreži koju pokreću mnoge međusobno povezane komponente, ali prethodni modeli mašinskog učenja za predviđanje rezistencije na tretman to ne odražavaju uvek“, rekao je Ideker. „Umesto da se fokusiramo na jedan gen ili protein, naš model procenjuje šire biohemijske mreže vitalne za preživljavanje raka.“
Nakon što su obučili svoj model, istraživači su ga testirali na rak grlića materice, u kojem otprilike 35% tumora opstaje nakon lečenja. Model je bio u stanju da precizno identifikuje tumore koji su bili podložni terapiji, koji su bili povezani sa poboljšanim ishodima pacijenata. Model je takođe efikasno precizirao tumore koji će se verovatno odupreti lečenju.
Pored toga, pored predviđanja odgovora na tretman, model je pomogao da se rasvetli proces donošenja odluka identifikacijom proteinskih sklopova koji pokreću rezistenciju na lečenje kod raka grlića materice. Istraživači naglašavaju da je ovaj aspekt modela – sposobnost tumačenja njegovog rezonovanja – ključan za uspeh modela, kao i za izgradnju pouzdanih AI sistema.
„Raskrivanje procesa donošenja odluka AI modela je ključno, ponekad jednako važno kao i samo predviđanje“, rekao je Ideker. „Transparentnost našeg modela je jedna od njegovih prednosti, prvo zato što gradi poverenje u model, a drugo zato što svaki od ovih molekularnih sklopova koje smo identifikovali postaje potencijalna nova meta za hemoterapiju. Optimisti smo da će naš model imati široku primenu ne samo u poboljšanju sadašnjeg lečenja raka, već i u pionirstvu novih.“
