Nature Medicine: AI modeli, bir hastanın kanserinin nerede ortaya çıktığını belirlemeye yardımcı olabilir

Kaynak: Biocom

Kanser hastalarının küçük bir yüzdesi için doktorlar kanserin nereden kaynaklandığını belirleyemez. Birçok kanser ilacı genellikle belirli kanser türleri için geliştirildiğinden, bu durum bu hastalar için bir tedavi seçmeyi zorlaştırır.

MIT ve Dana-Farber Kanser Enstitüsü'ndeki araştırmacılar tarafından geliştirilen yeni bir yöntem, bu gizemli kanserlerin nereden kaynaklandığını belirlemeyi kolaylaştırabilir. Araştırmacılar, makine öğrenimini kullanarak, yaklaşık 400 genin dizisini analiz edebilen ve bu bilgiyi belirli bir tümörün vücudun neresinden kaynaklandığını tahmin etmek için kullanabilen bir hesaplama modeli oluşturdu.

Araştırmacılar, bu modeli kullanarak, yaklaşık 900 hastadan oluşan bir veri setinde, kaynağı bilinmeyen tümörlerin en az yüzde 40'ını yüksek bir güvenle doğru bir şekilde sınıflandırabileceklerini gösterdiler. Bu yaklaşım, kanserlerinin kökenine dayalı olarak genom kılavuzluğunda hedefe yönelik tedaviye uygun hasta sayısında 2,2 kat artışla sonuçlandı.

MIT elektrik mühendisliği ve bilgisayar bilimi yüksek lisans öğrencisi Intae Moon, "Bu, makalemizdeki en önemli bulgu ve model potansiyel olarak tedavi kararlarına yardımcı olmak ve doktorlara kaynağı bilinmeyen kanser hastaları için tedaviyi kişiselleştirmede rehberlik etmek için kullanılabilir" dedi. . , yeni çalışmanın baş yazarı kimdir.

Harvard Tıp Okulu ve Dana-Farber Kanser Enstitüsü'nde tıp profesörü olan Alexander Gusev, Nature Medicine dergisinde yayınlanan makalenin kıdemli yazarıdır.

Gizemli Köken

Kanser hastalarının yüzde 3 ila 5'inde, özellikle tümörleri vücutta metastaz yapmış olanlarda, onkologların kanserin kökenini belirlemenin kolay bir yolu yoktur. Bu tümörler, bilinmeyen primer karsinom (CUP) olarak sınıflandırıldı.

Bu bilgi eksikliği genellikle doktorların, hastalara genellikle etkili olduğu bilinen belirli kanser türleri için onaylanan "kesin" ilaçlar vermesini engeller. Bu hedefe yönelik tedaviler, geniş bir kanser yelpazesi için kullanılan tedavilerden daha az yan etki ile daha etkili olma eğilimindedir ve sıklıkla CUP'lu hastalarda kullanılır.

"Önemli sayıda insan her yıl primeri bilinmeyen bu kanserlere yakalanıyor ve çoğu tedavi bölgeye özel bir şekilde onaylandığından, bunları kullanmak için orijin bölgesini bilmeniz gerekiyor, bu nedenle tedavi seçenekleri çok sınırlı."

Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'nın bir parçası olan Moon, Gusev'e yardımcı danışmanlık yapıyor. Moon, kanser türünü tahmin etmek için kullanılıp kullanılamayacağını görmek için Dana-Farber'de rutin olarak toplanan genetik verileri analiz etmeye karar verdi. Veriler, kanserde sıklıkla mutasyona uğrayan yaklaşık 400 gen için genetik dizileri içeriyordu. Araştırmacılar, bilinen 22 kanser türünden biriyle teşhis edilen yaklaşık 30.000 hastadan alınan veriler üzerinde bir makine öğrenimi modeli geliştirdiler. Veri seti, Dana-Farber'ın yanı sıra Memorial Sloan Kettering ve Vanderbilt-Ingram Kanser Merkezlerinden hastaları içeriyordu.

Araştırmacılar daha sonra modeli, menşe yeri bilinen, daha önce hiç görülmemiş yaklaşık 7.000 tümör üzerinde test ettiler. Araştırmacıların OncoNPC adını verdiği model, kökenlerini yaklaşık yüzde 80 doğrulukla tahmin edebildi. Yüksek güvenle tahmin edilen tümörler için (toplamın yaklaşık% 65'i), doğruluğu yaklaşık% 95'e yükseldi.

Bu cesaret verici sonuçların ardından araştırmacılar, modeli, tamamı Dana-Farber'den olmak üzere, CUP hastalarından alınan yaklaşık 900 tümörü analiz etmek için kullandılar. Bu tümörlerin yüzde 40'ı için modelin yüksek güvenle tahminlerde bulunabildiğini buldular.

Araştırmacılar daha sonra modelin tahminlerini, bir hastanın belirli bir kanser türü geliştirmek için genetik bir yatkınlığa sahip olup olmadığını ortaya çıkarabilen, germ hattı veya genetik mutasyonlar için tümör alt kümelerinin mevcut veri analizleriyle karşılaştırdılar. Araştırmacılar, modelin tahminlerinin, germ hattı mutasyonları tarafından en güçlü şekilde tahmin edilen kanser türüyle eşleşme olasılığının, diğer tüm kanser türlerine göre daha yüksek olduğunu buldular.

İlaç Kararlarına Yön Verme

Modelin tahminlerini daha fazla doğrulamak için araştırmacılar, model tarafından tahmin edilen kanser türü için tipik prognoza sahip CUP hastalarının hayatta kalma süresi verilerini karşılaştırdı. Pankreas kanseri gibi daha kötü prognozlu bir kansere sahip olduğu tahmin edilen CUP'lu hastaların, buna uygun olarak daha kısa bir hayatta kalma süresine sahip olduklarını bulmuşlardır. Aynı zamanda, nöroendokrin tümörler gibi tipik olarak daha iyi prognoza sahip kanserleri olan CUP hastalarının daha uzun yaşayacağı tahmin edildi.

Modelin tahminlerinin faydalı olabileceğine dair bir başka gösterge, CUP hastalarının çalışmada incelenen tedavi türlerinden geldi. Bu hastaların yaklaşık yüzde 10'u, onkologların kanserin kökeni hakkındaki en iyi tahminlerine dayanarak hedefe yönelik tedavi aldı. Bu hastalar arasında, modelin öngördüğü kanser türüyle tutarlı bir tedavi görenler, modelin öngördüğü kanser türünden farklı olan tipik bir tedavi alanlardan daha iyi sonuç verdi.

Araştırmacılar, bu modeli kullanarak, kanser türleri bilinseydi mevcut hedefli tedavileri alacak olan hastaların ek yüzde 15'ini (2,2 kat artış) belirlediler. Bunun yerine, bu hastalar daha yaygın kemoterapi ilaçları almaya başladılar.

Gusev, "Bu, bu bulguları klinik olarak daha uygulanabilir hale getirebilir çünkü onaylanmak için yeni ilaçlara ihtiyacımız yok. Bizim söylediğimiz şu ki, bu insanlar artık zaten var olan hassas tedavileri alabilirler."

Araştırmacılar şimdi, birden fazla veri yöntemini kullanarak daha kapsamlı tahminler sağlamak için modellerini patoloji ve radyoloji görüntüleri gibi diğer veri türlerini içerecek şekilde genişletmeyi umuyorlar. Bu aynı zamanda modele tümörün kapsamlı bir görünümünü verecek ve yalnızca tümörün tipini ve hasta prognozunu değil, muhtemelen en iyi tedavi seçeneklerini bile tahmin etmesini sağlayacaktır.

View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • Reward
  • Comment
  • Repost
  • Share
Comment
0/400
No comments
Trade Crypto Anywhere Anytime
qrCode
Scan to download Gate App
Community
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)