עבור ילד שאובחן עם נוירובלסטומה – סרטן התינוק הנפוץ ביותר, המתרחש כאשר תאי עצב מוקדמים צומחים ללא שליטה – הדרך לטיפול אינה פשוטה. סוגים מסוימים של נוירובלסטומה נפתרים מעצמם, בעוד שאחרים דורשים התערבות אגרסיבית. חוקרים ניסו להתאים טיפולים לחולים על בסיס מוטציות של גן אחד עם הצלחה מוגבלת. הסיבה לכך היא שתוצאות החולים תלויות בכל הרקע המולקולרי שלהם המכיל מיליוני או אפילו מיליארדי מאפיינים, כמו DNA ו-RNA מרקמות ודם.
זה הרבה יותר מסתם גן אחד – כל מה שקורה בתאים של המטופל חשוב".
אורלי אלטר, פרופסור חבר להנדסה ביו-רפואית, המכון למחשוב והדמיה מדעי של אוניברסיטת יוטה
הגישות הנוכחיות של בינה מלאכותית ולמידת מכונה (AI/ML) דורשות כמויות אדירות של נתוני אימון, ובאופן ספציפי, הרבה יותר דגימות של חולים מאשר תכונות גנטיות. זה הופך אותם לא מתאימים לחיזוי תוצאות המטופלים ברוב הניסויים הקליניים, שבהם נרשמים בדרך כלל רק 20 עד 100 אנשים. לדוגמה, מודל שפה גדול עדכני של גנום 30,000 נוקלאוטידים של נגיף COVID-19 דרש כ-110 מיליון דגימות. כשמתרגמים זאת לגנום האנושי של 3 מיליארד נוקלאוטידים, גישת AI קונבנציונלית תזדקק ל-33 טריליון חולים.
על ידי שימוש במתמטיקה של מכניקת הקוונטים, אלטר ומשתפי הפעולה שלה פיתחו טכניקת AI/ML חדשה שיכולה לשפר את בחירת הטיפול ואת אחוזי הצלחת התרופות. עבודתם מופיעה בכתב העת אותיות פיזיקה יישומית (APL) Quantum.
מיליארדי תכונות מולקולריות
"הגישה הקוונטית שלנו מאפשרת לנו למצוא את המידע הרלוונטי בכל שכבה של הנתונים, למשל, מדם החולים בנוסף לגידולים שלהם", אמר אלטר. "אפילו עבור מעט מאוד חולים, אנחנו עדיין יכולים לקחת את כל מה שברשותם – מיליוני עד מיליארדי מאפיינים מולקולריים – ולהבין אותם. אנו יכולים, לפיכך, להבין את מנגנוני המחלה ולחזות יעדי תרופה כדי לשפר את תוצאות החולים. אנו גם מאמתים את תחזיות ה-AI/ML שלנו לגבי יעדים ותוצאות בניסוי, שנחשב באופן נרחב לגביע קדוש לביוטכנולוגיה".
הטכניקה פורסת קבוצה של אלגוריתמים, הנקראים פירוק ספקטרלי השוואתי רב-טנסורי, אשר אלטר בנה על המושגים המכאניים הקוונטיים של הסתבכות וסופרפוזיציה. כמו פריזמה המפצלת אור לבן לצבעים בודדים, גישה זו מפרקת את השכבות המרובות של נתונים מולקולריים של המטופל – כמו גנום הגידול והדם והגידול שלו (או הודעות ה-RNA המניעות את צמיחת הסרטן) – לדפוסים מקושרים המנבאים תוצאות בריאותיות.
אלטר והצוות שלה הדגימו את הטכניקה שלהם עם ניתוח של נתוני קוד פתוח של מקרי נוירובלסטומה. האלגוריתמים גילו שני מנבאים חדשים של תוחלת החיים של מטופלים בתגובה לטיפול, ומנבאים אלה עלו בעקביות על סמנים ביולוגיים סטנדרטיים ב-DNA של הגידול והדם ו-RNA של הגידול. ממצאים אלו החזיקו מעמד על פני קבוצות נפרדות של ילדים שטופלו בזמנים שונים ובבתי חולים, כלומר ניתן ליישם את השיטה על כלל האוכלוסייה על מנת לספק מפת דרכים ברורה יותר לטיפול בחולים ולפיתוח תרופות.
פיתוח טיפולים ממוקדים יותר
"מודלים של רשתות עצביות הם קופסאות שחורות, אבל המנבאים שלנו ניתנים לפירוש; הם מצביעים על מנגנוני מחלה ומציעים גנים לטרגט כדי לרגיש גידולים לטיפול", אמר אלטר. הצוות שלה גם אימת ניסיוני את התחזיות שלהם לגבי תוצאות חולי גליובלסטומה מבוגרים ומטרות תרופות בניסויים קליניים ומחקרים פרה-קליניים, תוך שימוש ב-CRISPR-Cas9, הכלי לעריכת הגנים.
אלטר, מומחה ברפואה חישובית, מחזיק במינוי נלווה במחלקה לגנטיקה אנושית ב-U וחבר בתוכנית המחקר של מכון האנטסמן לסרטן בקרת הסרטן ומדעי האוכלוסין.
חברת הספין-אוף האוניברסיטאית שלה, Prism AI Therapeutics, Inc., משתמשת באלגוריתמים ובחזאים כדי לעזור לחברות ביוטכנולוגיה ותרופות לפתח טוב יותר תרופות על ידי זיהוי המטופלים שירוויחו הכי הרבה מניסוי קליני, ואילו גנים יש למקד כדי לשפר את התוצאות.
במבט קדימה, אלטר מקווה שככל שהצוות שלה ימשיך בעבודה זו, הם יוכלו ליישם אותה על מטופלים בודדים. "זו התרופה המדויקת האולטימטיבית", אמרה. "יש לך אדם בודד. אתה יכול לקחת את הנתונים רק מאדם אחד ולהמציא לו טיפול? אני חושב שאנחנו יכולים להגיע לשם".
אלתר מקווה גם לאתגרים אחרים. "האלגוריתמים הם לגמרי אגנוסטיים לנתונים, ויכולים להיות אין סוף יישומים גם מחוץ לרפואה", אמרה, והדגישה אנרגיה בת קיימא כאפשרות אחת.
