Искусственный интеллект берется с раком! Ученые-онкологи разработали алгоритм ИИ для борьбы со смертельной глиобластомой.

Полученные результаты могут открыть новые и точные возможности на основе ИИ в клинических условиях, что потенциально приведет к персонализированному лечению пациентов с иными смертельными формами рака.

На изображении показана сеть SPHINKS для точного нацеливания на главные киназы при глиобластоме. Источник: Антонио Иавароне, доктор медицинских наук.

Ученые из Всестороннего онкологического центра Сильвестра при Медицинской школе Миллера Университета Майами в сотрудничестве с международными исследователями разработали сложный алгоритм ИИ, который выполняет передовой вычислительный анализ для определения потенциальных терапевтических мишеней для глиобластомы мультиформной (GBM) и других видов рака.

Их исследование описано в выпуске журнала Nature Cancer от 2 февраля и может иметь глубокие последствия для будущего лечения ГБМ, агрессивного, обычно смертельного типа рака мозга, а также некоторых видов рака груди, легких и педиатрических раков.

"Наша работа представляет собой трансляционную науку, которая открывает непосредственные возможности для изменения методов лечения пациентов с глиобластомой в клинике", - пояснил Антонио Иавароне, доктор медицинских наук, заместитель директора Сильвестрского комплексного онкологического центра и старший автор исследования. "Наш алгоритм может найти применение в точной онкологической медицине, давая онкологам новый инструмент для борьбы с этим смертельным заболеванием и другими видами рака".

Алгоритм ИИ, известный как SPHINKS - Substrate PHosphosite-based Inference for Network of KinaseS - использует глубокое машинное обучение, чтобы помочь исследователям определить и экспериментально подтвердить две протеинкиназы (PKCd и DNAPKcs) как виновников прогрессирования опухоли в двух подтипах GBM и как потенциальные терапевтические мишени для других видов рака.

Белковые киназы являются ключевыми мишенями, которые в настоящее время используются в точной онкологической медицине для адаптации лечения к конкретным свойствам рака у пациента. Наиболее активные киназы, которые исследователи в своей работе назвали "главными киназами", являются теми, на которые клиницисты направляют целевые препараты, что является отличительной чертой современного лечения рака.

Помимо определения основных киназ, доктор Иавароне и его коллеги использовали опухолевые органоиды, выращенные в лаборатории из образцов пациентов - то, что они назвали "аватарами опухолей, полученных от пациентов" - чтобы показать, что целевые препараты, вмешивающиеся в активность основных киназ, могут препятствовать росту опухоли.

Ранее д-р Иавароне и его коллеги уже сообщали о новой классификации глиобластомы, в которой фиксировались ключевые признаки опухолевых клеток и группировались пациенты с ГБМ в зависимости от вероятности выживания и уязвимости опухоли к лекарствам. В новом исследовании эти классификации были независимо подтверждены с помощью нескольких омических платформ: геномики (гены), протеомики (белки), липидомики (жировые молекулы), ацетиломики (эпигенетика), метаболомики (метаболиты) и других.

SPHINKS использует машинное обучение для уточнения этих омических наборов данных и создания интерактома - полного набора биологических взаимодействий - для точного определения киназ, которые вызывают аберрантный рост и устойчивость к лечению в каждом подтипе глиобластомы. Эти результаты показывают, что данные мультиомики могут генерировать новые алгоритмы, которые предсказывают, какие целевые методы лечения могут обеспечить наилучшие терапевтические возможности на основе подтипа глиобластомы каждого пациента.

"Теперь мы можем стратифицировать пациентов с глиобластомой на основе биологических особенностей, которые являются общими для различных омических исследований", - сказал д-р Иавароне. "Одного только чтения генома было недостаточно. Нам нужны были более полные данные для выявления уязвимых мест опухоли".

Несмотря на прорывы в лечении многих других видов рака, прогнозы пациентов с глиобластомой неутешительны - пятилетняя выживаемость составляет менее 10%. Хотя в качестве потенциальной терапии разрабатывается множество препаратов, клиницистам необходим способ выявления молекулярных механизмов, которые определяют болезнь каждого пациента и применимы для точной онкологической медицины.

Алгоритм SPHINKS и связанные с ним методы могут быть легко внедрены в лаборатории молекулярной патологии, считают исследователи. Их работа включает клинический классификатор, который может помочь назначить соответствующий подтип глиобластомы каждому пациенту. Группа также создала онлайн-портал для доступа к алгоритму. Авторы считают, что этот подход может дать глубокую информацию, которая может принести пользу 75% пациентов с глиобластомой.

"Этот классификатор можно использовать практически в любой лаборатории", - сказала Анна Ласорелла, доктор медицинских наук, профессор биохимии и молекулярной биологии в ЦКК Сильвестра и соавтор исследования. "Импортируя омическую информацию в веб-портал, патологоанатомы получают классификационную информацию для одной опухоли, десяти опухолей, сколько бы их ни было. Эти классификации могут быть немедленно применены для лечения пациентов".

Хотя программа SPHINKS была впервые опробована на глиобластоме, алгоритм в равной степени применим к нескольким другим видам рака. Команда обнаружила те же киназы, вызывающие рак, в опухолях молочной железы, легких и детского мозга. Доктора Иавароне, Ласорелла и их коллеги считают, что это открытие может послужить толчком для нового типа клинических испытаний.

"Мы изучаем концепцию "корзинных" испытаний, - пояснил д-р Иавароне, - которые будут включать пациентов с одинаковым биологическим подтипом, но не обязательно с одинаковыми типами рака. Если пациенты с глиобластомой, раком молочной железы или легкого имеют схожие молекулярные особенности, их можно будет включить в одно испытание", - продолжил он. "Вместо того чтобы проводить несколько испытаний одного препарата, мы могли бы провести одно объединенное испытание и, возможно, быстрее предоставить более эффективные препараты большему числу пациентов".