Y học Tự nhiên: Mô hình AI có thể giúp xác định nơi phát sinh ung thư của bệnh nhân

Nguồn: Biocom

Đối với một tỷ lệ nhỏ bệnh nhân ung thư, các bác sĩ không thể xác định nguồn gốc ung thư của họ. Điều này làm cho việc lựa chọn phương pháp điều trị cho những bệnh nhân này trở nên khó khăn hơn, vì nhiều loại thuốc điều trị ung thư thường được phát triển cho các loại ung thư cụ thể.

Một phương pháp mới do các nhà nghiên cứu tại MIT và Viện Ung thư Dana-Farber phát triển có thể giúp dễ dàng xác định nguồn gốc của những căn bệnh ung thư bí ẩn này. Sử dụng máy học, các nhà nghiên cứu đã tạo ra một mô hình điện toán có thể phân tích trình tự của khoảng 400 gen và sử dụng thông tin này để dự đoán nơi một khối u nhất định bắt nguồn trong cơ thể.

Sử dụng mô hình này, các nhà nghiên cứu đã chỉ ra rằng họ có thể phân loại chính xác ít nhất 40% khối u không rõ nguồn gốc với độ tin cậy cao trong bộ dữ liệu khoảng 900 bệnh nhân. Cách tiếp cận này dẫn đến sự gia tăng gấp 2,2 lần số lượng bệnh nhân đủ điều kiện cho liệu pháp nhắm mục tiêu dựa trên bộ gen dựa trên nguồn gốc ung thư của họ.

"Đây là phát hiện quan trọng nhất trong bài báo của chúng tôi và mô hình này có khả năng được sử dụng để hỗ trợ các quyết định điều trị và hướng dẫn các bác sĩ cá nhân hóa việc điều trị cho bệnh nhân ung thư không rõ nguồn gốc", Intae Moon, sinh viên tốt nghiệp MIT về kỹ thuật điện và khoa học máy tính cho biết. . , tác giả chính của nghiên cứu mới là ai.

Alexander Gusev, phó giáo sư y khoa tại Trường Y Harvard và Viện Ung thư Dana-Farber, là tác giả chính của bài báo đăng trên tạp chí Y học Tự nhiên.

Nguồn gốc bí ẩn

Trong 3 đến 5% bệnh nhân ung thư, đặc biệt là những người có khối u đã di căn khắp cơ thể, các bác sĩ chuyên khoa ung thư không có cách nào dễ dàng để xác định nguồn gốc của bệnh ung thư. Những khối u này được phân loại là ung thư biểu mô không rõ nguyên phát (CUP).

Sự thiếu hiểu biết này thường cản trở các bác sĩ đưa cho bệnh nhân các loại thuốc "chính xác", thường được chấp thuận cho các loại ung thư cụ thể được biết là có hiệu quả. Các liệu pháp nhắm mục tiêu này có xu hướng hiệu quả hơn, ít tác dụng phụ hơn so với các phương pháp điều trị được sử dụng cho nhiều loại ung thư và thường được sử dụng ở những bệnh nhân mắc CUP.

"Một số lượng đáng kể những người mắc các bệnh ung thư nguyên phát không rõ này mỗi năm và vì hầu hết các phương pháp điều trị đều được phê duyệt theo cách cụ thể tại địa điểm, bạn phải biết nơi xuất phát để sử dụng chúng, vì vậy các lựa chọn điều trị của họ rất hạn chế."

Moon, một phần của Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo, đồng cố vấn cho Gusev. Moon quyết định phân tích dữ liệu di truyền được thu thập thường xuyên tại Dana-Farber để xem liệu nó có thể được sử dụng để dự đoán loại ung thư hay không. Dữ liệu bao gồm các trình tự di truyền của khoảng 400 gen thường bị đột biến trong bệnh ung thư. Các nhà nghiên cứu đã đào tạo một mô hình máy học dựa trên dữ liệu của gần 30.000 bệnh nhân được chẩn đoán mắc một trong 22 loại ung thư đã biết. Bộ dữ liệu bao gồm các bệnh nhân từ Trung tâm Ung thư Memorial Sloan Kettering và Vanderbilt-Ingram, cũng như Dana-Farber.

Sau đó, các nhà nghiên cứu đã thử nghiệm mô hình này trên khoảng 7.000 khối u chưa từng thấy trước đây có nguồn gốc đã được xác định. Mô hình mà các nhà nghiên cứu đặt tên là OncoNPC, có thể dự đoán nguồn gốc của chúng với độ chính xác khoảng 80%. Đối với các khối u được dự đoán với độ tin cậy cao (khoảng 65% tổng số), độ chính xác của nó tăng lên khoảng 95%.

Sau những kết quả đáng khích lệ này, các nhà nghiên cứu đã sử dụng mô hình này để phân tích khoảng 900 khối u từ bệnh nhân CUP, tất cả đều từ Dana-Farber. Họ phát hiện ra rằng đối với 40% các khối u này, mô hình có thể đưa ra dự đoán với độ tin cậy cao.

Sau đó, các nhà nghiên cứu đã so sánh các dự đoán của mô hình với các phân tích dữ liệu hiện có về các tập hợp con của khối u đối với dòng mầm hoặc đột biến gen, có thể tiết lộ liệu một bệnh nhân có khuynh hướng di truyền để phát triển một loại ung thư cụ thể hay không. Các nhà nghiên cứu phát hiện ra rằng các dự đoán của mô hình có nhiều khả năng phù hợp với loại ung thư được dự đoán mạnh mẽ nhất bởi các đột biến dòng mầm hơn bất kỳ loại ung thư nào khác.

Hướng dẫn quyết định dùng thuốc

Để xác thực thêm các dự đoán của mô hình, các nhà nghiên cứu đã so sánh dữ liệu thời gian sống sót của bệnh nhân CUP với tiên lượng điển hình cho loại ung thư mà mô hình dự đoán. Họ phát hiện ra rằng những bệnh nhân mắc CUP được dự đoán mắc bệnh ung thư có tiên lượng xấu hơn, chẳng hạn như ung thư tuyến tụy, có thời gian sống sót tương ứng ngắn hơn. Đồng thời, những bệnh nhân CUP mắc bệnh ung thư thường có tiên lượng tốt hơn, chẳng hạn như khối u thần kinh nội tiết, được dự đoán sẽ sống lâu hơn.

Một dấu hiệu khác cho thấy dự đoán của mô hình có thể hữu ích đến từ các loại phương pháp điều trị mà bệnh nhân CUP được phân tích trong nghiên cứu đã nhận được. Khoảng 10 phần trăm những bệnh nhân này được điều trị nhắm mục tiêu, dựa trên những dự đoán tốt nhất của bác sĩ ung thư về nguồn gốc của bệnh ung thư. Trong số những bệnh nhân này, những người được điều trị phù hợp với loại ung thư mà mô hình dự đoán có kết quả tốt hơn so với những người được điều trị điển hình khác với loại ung thư mà mô hình dự đoán.

Sử dụng mô hình này, các nhà nghiên cứu cũng xác định thêm 15% bệnh nhân (tăng 2,2 lần) sẽ nhận được các liệu pháp nhắm mục tiêu hiện có nếu loại ung thư của họ đã được biết đến. Thay vào đó, những bệnh nhân này cuối cùng đã nhận được nhiều loại thuốc hóa trị phổ biến hơn.

"Điều này có thể làm cho những phát hiện này trở nên khả thi hơn về mặt lâm sàng, bởi vì chúng tôi không cần phải phê duyệt các loại thuốc mới. Điều chúng tôi đang nói là những người này giờ đây có thể nhận được các phương pháp điều trị chính xác đã tồn tại", Gusev nói.

Các nhà nghiên cứu hiện hy vọng sẽ mở rộng mô hình của họ để bao gồm các loại dữ liệu khác, chẳng hạn như hình ảnh bệnh lý và X quang, để cung cấp các dự đoán toàn diện hơn bằng cách sử dụng nhiều phương thức dữ liệu. Điều này cũng sẽ cung cấp cho mô hình một cái nhìn toàn diện về khối u, cho phép nó dự đoán không chỉ loại khối u và tiên lượng của bệnh nhân mà thậm chí có thể đưa ra các lựa chọn điều trị tốt nhất.

Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • Bình luận
  • Đăng lại
  • Chia sẻ
Bình luận
0/400
Không có bình luận
  • Ghim
Giao dịch tiền điện tử mọi lúc mọi nơi
qrCode
Quét để tải xuống ứng dụng Gate
Cộng đồng
Tiếng Việt
  • 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)