الصحة و اللياقة

تتنبأ أداة الذكاء الاصطناعي بالاستجابات لعلاج السرطان باستخدام المعلومات الواردة من كل خلية ورم


ورم
الائتمان: Pixabay / CC0 المجال العام

ونظرًا لوجود أكثر من 200 نوع من السرطان وكل نوع من أنواع السرطان يختلف عن الآخر، فإن الجهود المستمرة لتطوير علاج دقيق للأورام لا تزال صعبة. وينصب التركيز على تطوير اختبارات أو تحليلات التسلسل الجيني لتحديد الطفرات في الجينات المسببة للسرطان، ثم محاولة مطابقة العلاجات التي قد تعمل ضد تلك الطفرات.

لكن العديد من مرضى السرطان، إن لم يكن معظمهم، لا يستفيدون من هذه العلاجات المستهدفة المبكرة. وفي دراسة جديدة نشرت في المجلة السرطان الطبيعيالمؤلف الأول سانجو سينها، دكتوراه، أستاذ مساعد في برنامج العلاجات الجزيئية للسرطان في سانفورد بورنهام بريبيس، وكبار المؤلفين إيتان روبين، دكتوراه في الطب، دكتوراه، وأليخاندرو شيفر، دكتوراه، في المعهد الوطني للسرطان ، وهو جزء من المعاهد الوطنية للصحة (NIH) – وزملاؤه – يصفون خطًا حسابيًا هو الأول من نوعه للتنبؤ بشكل منهجي باستجابة المريض لأدوية السرطان بدقة خلية واحدة.

يُطلق على هذا النهج اسم “البرمجة المستندة إلى تعبير الخلية الواحدة لعلاج الأورام”، أو “الإدراك”، وهو نهج جديد يعتمد على الذكاء الاصطناعي وهو يتعمق في استخدام النسخ – دراسة النصوص، وجزيئات الحمض النووي الريبي المرسال التي يتم التعبير عنها بواسطة الجينات التي تحمل وتعديل الحمض النووي. المعرفة في العمل.

وقال سينها: “إن الورم كائن حي معقد وديناميكي. واستخدام إصلاح الخلية الواحدة سيسمح لنا بمعالجة هذين التحديين”. “يسمح الإدراك باستخدام معلومات غنية ضمن omics أحادية الخلية لفهم البنية النسيلية للورم ومراقبة تطور المقاومة.” (في علم الأحياء، تشير كلمة omics إلى مجموع الأشياء الموجودة داخل الخلية.)

يقول سينها: “إن القدرة على مراقبة تطور المقاومة هي الجزء الأكثر إثارة بالنسبة لي. فهي لديها القدرة على السماح لنا بالتكيف مع تطور الخلايا السرطانية وتغيير استراتيجية العلاج لدينا.”

استخدم سينها وزملاؤه التعلم النقلي – أحد فروع الذكاء الاصطناعي – لبناء الإدراك.

وأوضح سينها: “كانت البيانات المحدودة للخلية الواحدة من العيادات هي التحدي الأكبر الذي يواجهنا. يحتاج نموذج الذكاء الاصطناعي إلى كمية كبيرة من البيانات لفهم المرض، على عكس احتياج ChatGPT إلى كميات كبيرة من البيانات النصية المستخرجة من الإنترنت”.

يستخدم PERCEPTION التعبير الجيني الكمي المنشور من النباتات لتدريب نماذجه مسبقًا. بعد ذلك، تم استخدام بيانات الخلية الواحدة من خطوط الخلايا والمرضى، على الرغم من محدوديتها، لضبط النماذج.

تم التحقق من صحة الإدراك بنجاح للتنبؤ بالاستجابة للعلاج الأحادي والعلاج المركب في ثلاث تجارب سريرية مستقلة تم نشرها مؤخرًا لعلاج المايلوما المتعددة وسرطان الثدي والرئة. في كل حالة، قام PERCEPTION بتقسيم المرضى بشكل صحيح إلى فئات المستجيبين وغير المستجيبين. وفي حالة سرطان الرئة، فقد اكتشف تطور مقاومة الأدوية مع تقدم المرض، وهو اكتشاف رائع ذو إمكانات كبيرة.

يقول سينها إن PERCEPTION ليس جاهزًا للاستخدام في العيادة بعد، لكن الطريقة التي يعمل بها توضح أنه يمكن استخدام معلومات الخلية الواحدة لتوجيه العلاج. ويأمل في تعزيز اعتماد هذه التكنولوجيا في العيادات لتوليد المزيد من البيانات، والتي يمكن استخدامها لتطوير وتحسين التكنولوجيا للاستخدام السريري.

وقال سينها “إن جودة التنبؤ تزداد مع جودة وكمية البيانات التي تشكل أساسها”. “هدفنا هو تطوير أداة سريرية يمكنها التنبؤ بالاستجابة العلاجية لمرضى السرطان الفرديين بطريقة منهجية تعتمد على البيانات. ونأمل أن تشجع هذه النتائج على المزيد من البيانات ومثل هذه الدراسات، عاجلاً وليس آجلاً.”

معلومات إضافية: الرؤية: التنبؤ باستجابة المريض للعلاج ومقاومته من خلال نسخ الخلايا المفردة لأورامه، السرطان الطبيعي (2024). دوى: 10.1038/s43018-024-00756-7

مقدمة من سانفورد-بورنهام بريبيس

مقتطف: تتنبأ أداة الذكاء الاصطناعي بالاستجابات لعلاج السرطان باستخدام بيانات من الخلايا السرطانية الفردية (2024، 18 أبريل) تم الحصول عليها في 18 أبريل 2024 من

هذا المستند عرضة للحقوق التأليف والنشر. باستثناء أي تعاملات عادلة لغرض الدراسة أو البحث الخاص، لا يجوز إعادة إنتاج أي جزء دون الحصول على إذن كتابي. يتم توفير المحتوى لأغراض إعلامية فقط.


مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى