طب الطبيعة: يمكن أن يساعد نموذج الذكاء الاصطناعي في تحديد مكان ظهور السرطان لدى المريض

المصدر: Biocom

بالنسبة لنسبة صغيرة من مرضى السرطان ، لا يستطيع الأطباء تحديد مصدر السرطان لديهم. هذا يجعل من الصعب اختيار العلاج لهؤلاء المرضى ، حيث يتم تطوير العديد من أدوية السرطان لأنواع معينة من السرطان.

قد تسهل طريقة جديدة طورها باحثون في معهد ماساتشوستس للتكنولوجيا ومعهد دانا فاربر للسرطان تحديد مكان نشأة هذه السرطانات الغامضة. باستخدام التعلم الآلي ، أنشأ الباحثون نموذجًا حسابيًا يمكنه تحليل تسلسل حوالي 400 جين واستخدام هذه المعلومات للتنبؤ بمكان نشأ ورم معين في الجسم.

باستخدام هذا النموذج ، أظهر الباحثون أنه يمكنهم تصنيف ما لا يقل عن 40 في المائة من الأورام مجهولة المنشأ بدقة عالية بثقة عالية في مجموعة بيانات تضم حوالي 900 مريض. نتج عن هذا النهج زيادة بمقدار 2.2 ضعف في عدد المرضى المؤهلين للعلاج الموجه بالجينوم بناءً على أصل السرطان لديهم.

قالت إنتاي مون ، طالبة دراسات عليا في الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا: "هذا هو أهم اكتشاف في ورقتنا ، ويمكن استخدام النموذج للمساعدة في قرارات العلاج وتوجيه الأطباء في تخصيص العلاج لمرضى السرطان من أصل غير معروف". . ، من هو المؤلف الرئيسي للدراسة الجديدة.

ألكسندر جوسيف ، أستاذ مساعد في الطب في كلية الطب بجامعة هارفارد ومعهد دانا فاربر للسرطان ، وهو المؤلف الرئيسي للورقة البحثية التي نُشرت في مجلة Nature Medicine.

** أصل غامض **

في نسبة 3 إلى 5 في المائة من مرضى السرطان ، وخاصة أولئك الذين انتشرت أورامهم في جميع أنحاء الجسم ، لا يملك أطباء الأورام طريقة سهلة لتحديد أصل السرطان. تم تصنيف هذه الأورام على أنها سرطانة مجهولة أولية (CUP).

غالبًا ما يمنع هذا النقص في المعرفة الأطباء من إعطاء المرضى أدوية "دقيقة" ، والتي غالبًا ما تتم الموافقة عليها لأنواع معينة من السرطان معروفة بفعاليتها. تميل هذه العلاجات الموجهة إلى أن تكون أكثر فعالية ، مع آثار جانبية أقل ، من العلاجات المستخدمة لمجموعة واسعة من السرطانات ، وغالبًا ما تستخدم في مرضى CUP.

"يصاب عدد كبير من الأشخاص بهذه السرطانات المجهولة الأولية كل عام ، ولأن معظم العلاجات تتم الموافقة عليها بطريقة خاصة بالموقع ، يجب أن تعرف موقع المنشأ لاستخدامها ، لذا فإن خيارات العلاج الخاصة بهم محدودة للغاية."

مون ، وهو جزء من مختبر علوم الكمبيوتر والذكاء الاصطناعي ، يشارك جوسيف في تقديم المشورة. قرر مون تحليل البيانات الجينية التي يتم جمعها بشكل روتيني في Dana-Farber لمعرفة ما إذا كان يمكن استخدامها للتنبؤ بنوع السرطان. تضمنت البيانات تسلسلًا جينيًا لنحو 400 جينة يتم تحورها بشكل متكرر في السرطان. قام الباحثون بتدريب نموذج التعلم الآلي على بيانات من حوالي 30 ألف مريض تم تشخيصهم بواحد من 22 نوعًا معروفًا من أنواع السرطان. تضمنت مجموعة البيانات مرضى من مراكز ميموريال سلون كيترينج للسرطان وفاندربيلت-إنجرام ، بالإضافة إلى دانا فاربر.

ثم اختبر الباحثون النموذج على حوالي 7000 ورم لم يسبق رؤيته من قبل عُرف مكان نشأته. كان النموذج ، الذي أطلق عليه الباحثون اسم OncoNPC ، قادرًا على التنبؤ بأصلهم بدقة تصل إلى 80 بالمائة. بالنسبة للأورام التي تم التنبؤ بها بثقة عالية (حوالي 65٪ من الإجمالي) ، ارتفعت دقتها إلى حوالي 95٪.

بعد هذه النتائج المشجعة ، استخدم الباحثون النموذج لتحليل ما يقرب من 900 ورم من مرضى CUP ، وجميعهم من Dana-Farber. ووجدوا أنه بالنسبة لـ 40 في المائة من هذه الأورام ، كان النموذج قادرًا على إجراء تنبؤات بثقة عالية.

ثم قارن الباحثون تنبؤات النموذج مع تحليلات البيانات الحالية لمجموعات فرعية من الأورام من أجل السلالة الجرثومية أو الطفرات الجينية ، والتي يمكن أن تكشف ما إذا كان المريض لديه استعداد وراثي لتطوير نوع معين من السرطان. وجد الباحثون أن تنبؤات النموذج كانت أكثر احتمالًا لتطابق نوع السرطان الذي تنبأت به طفرات السلالة الجرثومية بشدة أكثر من أي نوع آخر من السرطان.

** توجيه قرارات الدواء **

لمزيد من التحقق من صحة تنبؤات النموذج ، قارن الباحثون بيانات وقت البقاء على قيد الحياة لمرضى CUP مع تشخيص نموذجي لنوع السرطان الذي تنبأ به النموذج. ووجدوا أن المرضى الذين يعانون من CUP والذين كان من المتوقع أن يكون لديهم سرطان مع تشخيص سيئ ، مثل سرطان البنكرياس ، كان لديهم وقت بقاء أقصر في المقابل. في الوقت نفسه ، كان من المتوقع أن يعيش المرضى المصابون بسرطانات CUP التي عادةً ما يكون لديهم تشخيص أفضل ، مثل أورام الغدد الصم العصبية ، فترة أطول.

جاء مؤشر آخر على أن تنبؤات النموذج قد تكون مفيدة من أنواع العلاجات التي تلقاها مرضى CUP الذين تم تحليلهم في الدراسة. تلقى حوالي 10 في المائة من هؤلاء المرضى علاجًا موجهًا ، بناءً على أفضل تخمينات أطباء الأورام حول أصل السرطان. من بين هؤلاء المرضى ، كان أولئك الذين تلقوا علاجًا يتوافق مع نوع السرطان الذي تنبأ به النموذج أفضل من أولئك الذين تلقوا علاجًا نموذجيًا يختلف عن نوع السرطان الذي تنبأ به النموذج.

باستخدام هذا النموذج ، حدد الباحثون أيضًا نسبة 15 في المائة إضافية من المرضى (بزيادة قدرها 2.2 ضعفًا) الذين كانوا سيحصلون على العلاجات المستهدفة الحالية إذا كان نوع السرطان لديهم معروفًا. وبدلاً من ذلك ، انتهى الأمر بهؤلاء المرضى إلى تلقي أدوية العلاج الكيميائي الأكثر شيوعًا.

وقال جوسيف: "هذا يمكن أن يجعل هذه النتائج أكثر قابلية للتنفيذ سريريًا ، لأننا لسنا بحاجة إلى عقاقير جديدة للموافقة عليها. ما نقوله هو أن هؤلاء الأشخاص يمكنهم الآن تلقي علاجات دقيقة موجودة بالفعل".

يأمل الباحثون الآن في توسيع نموذجهم ليشمل أنواعًا أخرى من البيانات ، مثل صور علم الأمراض والأشعة ، لتقديم تنبؤات أكثر شمولاً باستخدام طرائق بيانات متعددة. سيعطي هذا أيضًا للنموذج نظرة شاملة للورم ، مما يمكّنه من التنبؤ ليس فقط بنوع الورم وتوقعات المريض ، ولكن ربما حتى أفضل خيارات العلاج.

شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • تعليق
  • إعادة النشر
  • مشاركة
تعليق
0/400
لا توجد تعليقات
  • تثبيت