Nova studija ispituje razvoj dva modela mašinskog učenja za klasifikaciju imunofenotipa uzorka raka.
Predstavljeni pristup digitalnoj patologiji može okarakterisati i klasifikovati imunofenotipove raka na ponovljiv i skalabilan način, obećavajući primenu takvog. metod za identifikaciju pacijenata koji mogu imati koristi od imunoterapije kod karcinoma ne-malih ćelija pluća (NSCLC), prema studiji objavljenoj u časopisu AI u preciznoj onkologiji.
Ćelijski sastav imunološkog mikrookruženja tumora je ključni faktor u odgovoru tumora na imunoterapiju. Poznato je da TGF-ß signalizacija promoviše imunološku isključenost, gde se CD8 + T ćelije nalaze u okolnom stromalnom tkivu, ali ne i unutar samog tumora.
Da bi bolje identifikovali pacijente koji su isključeni sa imuniteta, Rui Vang, iz kompanije Sanofi, i koautori razvili su dva modela mašinskog učenja da kvantifikuju pozitivnost CD8 + ćelija i klasifikuju imunofenotip uzorka raka kod pacijenata sa NSCLC.
„Naši rezultati podržavaju potencijalnu upotrebu imunofenotipa raka predviđenih mašinskim učenjem za identifikaciju pacijenata koji mogu imati koristi od imunoterapije i blokade TGF-ß u NSCLC“, zaključili su istraživači.
„Ovo istraživanje ukazuje na poboljšanja u identifikaciji pacijenata za kandidaturu za lekove, koristeći veštačku inteligenciju i mašinsko učenje kako bi se odredili precizni biomarkeri za imunoterapiju u NSCLC. To označava napredak ka personalizovanoj medicini, obećavajući tretmane prilagođene individualnim profilima pacijenata radi veće efikasnosti i minimiziranja neželjenih efekata.“
„U suštini, naglašava važnost usmeravanja novih tretmana pravim pacijentima, utirući put za novu eru preciznosti u nezi raka“, kaže Douglas Flora, MD, glavni urednik časopisa AI u preciznoj onkologiji.
