החוקרים במינוף כוחם של AI וטכנולוגיות למידת מכונות, פיתחו חוקרים ברפואת וייל קורנל מודל יעיל יותר לחיזוי כיצד חולים עם סרטן שלפוחית השתן פולשנית שרירים יגיבו לכימותרפיה. המודל רותם נתוני הדמיה של גידולים שלם וניתוחי ביטוי גנים באופן שעולה על מודלים קודמים באמצעות סוג נתונים יחיד.
המחקר, שפורסם ב -22 במרץ ב NPJ רפואה דיגיטליתמזהה גנים עיקריים ומאפייני גידול שעשויים לקבוע את הצלחת הטיפול. היכולת לצפות במדויק כיצד יגיב אדם לטיפול בסטנדרט לטיפול בסרטן ממאיר זה עשויה לעזור לרופאים להתאים אישית את הטיפול ויכולים לחסוך את מי שמגיב היטב לעבור הסרת שלפוחית השתן.
"עבודה זו מייצגת את רוח הרפואה המדויקת", אמר ד"ר פיי וואנג, פרופסור למדעי הבריאות באוכלוסייה ברפואת וייל קורנל ומנהל המייסד של המכון לבינה מלאכותית לבריאות דיגיטלית, המוביל יחד את המחקר.
"אנו רוצים לזהות את הטיפול הנכון עבור המטופל הנכון בזמן הנכון", הוסיף ד"ר בישוי מוריס פלטס, משפחת גלרט-ג'ון פ. לאונרד, מלומד מחקרים בהמטולוגיה ובאונקולוגיה רפואית ופרופסור חבר לרפואה ובביולוגיה של תאים והתפתחות ברפואה קרנית, ואונקולוגית במרכז הרפואה של וייל.
ד"ר זילונג באי, עמיתת מחקר במדעי הבריאות לאוכלוסייה, וד"ר מוחמד אוסמן, עמית פוסט -דוקטורט ברפואה, ברפואת וייל קורנל, הוביל בשיתוף פעולה עם עבודה זו.
מודל טוב יותר, תחזיות טובות יותר
כדי לבנות מודל חזוי טוב יותר, שני החוקרים המובילים התחברו. בעוד המעבדה של ד"ר וואנג מתמקדת בכריית נתונים ובניתוח למידת מכונות מתקדמת, ד"ר פלטס הוא רופא-מדען עם מומחיות בביולוגיה של סרטן השלפוחית.
הם פנו לנתונים מרשת המחקר לסרטן SWOG המתכננת ומנהלת ניסויים קליניים מרובים לסרטן למבוגרים. באופן ספציפי, החוקרים שילבו נתונים מתמונות של דגימות גידול מוכנות עם פרופילי ביטוי גנים, המספקים תמונת מצב של הגנים "מופעלים" או "כבוי".
"מכיוון שדפוסי הביטוי בלבד לא הספיקו כדי לחזות את התגובות של המטופלים במחקרים קודמים, החלטנו למשוך מידע נוסף עבור המודל שלנו", אמר ד"ר פלטאס, שהוא גם מנהל המחקר הראשי במרכז המכון לרפואה מדויקת באנגלנד וחבר במרכז הסרטן סנדרה ואדוארד מאייר ברפואת ווייל קורנל.
כדי לנתח את התמונות, החוקרים השתמשו בשיטות AI המתמחות הנקראות רשתות עצביות גרפיות, אשר לוכדות כיצד תאים סרטניים, תאים חיסוניים ופיברובלסטים מאורגנים ומתקיימים אינטראקציה בתוך הגידול. הם גם שילבו ניתוח תמונות אוטומטי כדי לזהות סוגי תאים שונים אלה באתר הגידול.
שילוב של התשומות מבוססות התמונה עם נתוני ביטוי הגנים כדי לאמן ולבדוק את מודל ה- AI שלהם, לומד עמוק, הביא לתחזיות תגובה קליניות טובות יותר מאשר מודלים שהשתמשו בביטוי גנים או הדמיה בלבד.
ד"ר וואנג אמר כי "בסולם של 0 עד 1, כאשר 1 הוא מושלם ו- 0 פירושו ששום דבר לא נכון, המודל המולטימודלי שלנו מתקרב ל 0.8, ואילו מודלים לא -מודאליים הנשענים על מקור נתונים אחד בלבד יכולים להשיג כ- 0.6," אמר ד"ר וואנג. "זה כבר מרגש, אבל אנו מתכננים לחדד את המודל לשיפורים נוספים."
החיפוש אחר סמנים ביולוגיים
כאשר החוקרים מחפשים סמנים ביולוגיים כמו גנים המנבאים את התוצאות הקליניות, הם מוצאים רמזים הגיוניים. "יכולתי לראות שחלק מהגנים שאני מכיר רלוונטיים ביולוגית ולא רק גנים אקראיים", אמר ד"ר פלטאס. "זה היה מרגיע וסימן שאנחנו על משהו חשוב."
החוקרים מתכננים להאכיל יותר סוגים של נתונים במודל כמו ניתוחים מוטציה של DNA של גידולים שניתן לאסוף בדם או בשתן, או ניתוחים מרחביים שיאפשרו זיהוי מדויק יותר של בדיוק אילו סוגים של תאים קיימים בשלפוחית השתן. "זה אחד הממצאים העיקריים של המחקר שלנו-שהנתונים מסנכרנים כדי לשפר את החיזוי", אמר ד"ר פלטאס.
המודל גם הציע כמה השערות חדשות שד"ר פלטאס וד"ר וואנג מתכננים לבדוק עוד יותר. לדוגמה, היחס בין תאי הגידול לתאי רקמות תקינים, כמו פיברובלסטים, משפיע על התגובה לתחזיות כימותרפיות. "אולי שפע של פיברובלסטים יכול להגן על תאי גידול מפני תרופות כימותרפיות או לתמוך בצמיחת תאי סרטן. הייתי רוצה להתעמק יותר בביולוגיה ההיא", הוסיף.
בינתיים, ד"ר. וואנג ופלטס יעבדו על אימות הממצאים שלהם בקבוצות ניסוי קליניות אחרות-והם פתוחים להרחיב את שיתוף הפעולה שלהם כדי לקבוע אם המודל שלהם יכול לחזות תגובה טיפולית באוכלוסייה רחבה יותר של חולים.
החלום הוא שמטופלים היו נכנסים למשרדי, ויכולתי לשלב את כל הנתונים שלהם במסגרת AI ולתת להם ציון שמנבא כיצד הם יגיבו לטיפול מסוים. זה יקרה. אבל רופאים כמוני יצטרכו ללמוד כיצד לפרש את תחזיות ה- AI הללו ולדעת שאני יכול לסמוך עליהם-ולהיות מסוגל להסביר אותם למטופלי באופן שהם יכולים גם לסמוך עליהם. "
ד"ר בישוי מוריס פלטס, משפחת גלרט – ג'והן פ. לאונרד חוקר מחקר בהמטולוגיה ואונקולוגיה רפואית
