מודל למידת מכונה המנתח מתילציה של DNA מבוסס CpG חזה במדויק את מקורם של סוגי סרטן רבים ושונים בחולים עם סרטן ראשוני לא ידוע (CUP), על פי מחקר שהוצג בכנס השנתי של האגודה האמריקאית לחקר הסרטן (AACR) 2026, שהתקיים ב-17-22 באפריל.
CUP הם גידולים ממאירים גרורתיים שבהם לא ניתן היה לזהות את אתר הסרטן הראשוני. סוגי סרטן אלו קשורים לעתים קרובות לתוצאות גרועות יותר, בין השאר משום שהחלטות טיפול חייבות להיעשות מבלי לדעת את מקור הסרטן, וחולים מטופלים בדרך כלל במשטרים כימותרפיים רחבים ולא ספציפיים ולא בטיפולים המיועדים לסוג סרטן ספציפי, לדברי המציג מרקו א. דה ולסקו, PhD, חבר סגל במחלקה לביולוגיה של הגנום באוניברסיטת קינדאי ביפן.
"רק בין 15% ל-20% מהמטופלים עם CUP מראים תכונות המאפשרות לרופאים לטפל בהם באמצעות טיפולים ספציפיים לאתר, הקשורים לתוצאות טובות יותר", הסביר דה ולסקו.
עם זאת, רוב החולים, בין 80% ל-85%, מקבלים כימותרפיה כללית יותר, שלעתים קרובות היא פחות יעילה. מטופלים המקבלים טיפול מכוון-אתר יכולים לשרוד עד 24 חודשים, לעומת שישה עד תשעה חודשים עבור אלו המקבלים טיפול סטנדרטי".
מרקו א. דה ולסקו, המחלקה לביולוגיה של הגנום, אוניברסיטת קינדאי
חוקרים בדקו האם זיהוי מקור הסרטן באמצעות פרופיל מולקולרי יכול לשפר את החלטות הטיפול. גישות אלו מנתחות דפוסים בביולוגיה של הגידול, כגון פעילות גנים או שינויים כימיים ב-DNA, אשר שונים בין סוגי הסרטן ועשויים להימשך גם לאחר התפשטות הסרטן. בעוד ששיטות מסוימות הראו הבטחה, הן לא הוכיחו יתרונות הישרדות ברורים בניסויים קליניים, לפי דה ולסקו.
במחקר זה, דה ולסקו ועמיתיו, כולל חוקר הקוליאד Kazuko Sakai, PhD, והחוקר הראשי Kazuto Nishio, MD, PhD, פיתחו גישה חדשה המתמקדת במתילציה של CpG DNA, סוג של שינוי כימי המתרחש בבסיסי ציטוזין וגואנין DNA. דה ולסקו ציין שמתילציה של CpG פועלת כמו "טביעת אצבע" מולקולרית עבור רקמות שונות בגוף. על ידי ניתוח דפוסים אלו בדגימות גידולים, החוקרים פיתחו מודל חישובי המסוגל להבחין בין 21 סוגי סרטן שונים.
"במקום להסתמך על מערכי נתונים גדולים ומורכבים, שאפנו לזהות קבוצה קטנה ומעשית יותר של סמנים שעדיין שומרת על כוח ניבוי חזק", אמר דה ולסקו. "המטרה ארוכת הטווח היא ליצור כלי שיוכל לתמוך ברופאים בזיהוי רקמת המקור הסבירה ולסייע בקבלת החלטות טיפול יעילות יותר."
המודל פותח תוך שימוש בנתוני מתילציה מכמעט 7,500 חולים עם 21 סוגי סרטן שונים שהתקבלו מתוכנית Cancer Genome Atlas וממערכי נתונים ציבוריים אחרים. הנתונים חולקו בין קבוצות הכשרה ומבחנים.
החוקרים יישמו למידת מכונה כדי לזהות אתרים של מתילציה של CpG ב-DNA הגידול של קבוצת האימון ולבנות פרופילי מתילציה שהיו קשורים לסוגי גידול שונים.
תוצאות המחקר הראו שהמודל זיהה נכון את סוג הסרטן בכ-95% מהמקרים בקבוצת הבדיקה, ושמר על ביצועים חזקים – כ-87% דיוק – כאשר הוחל על קבוצת אימות עצמאית ממוסד החוקר של 31 מקרים המייצגים 17 סוגי סרטן שונים.
"אחד הממצאים החשובים ביותר מהמחקר שלנו הוא שהצלחנו לחזות במדויק את מקורם של סוגי סרטן רבים ושונים באמצעות תת-קבוצה קטנה מאוד של סמני DNA, כ-1,000 אזורי CpG שנבחרו מתוך מאות אלפים ברחבי הגנום", אמר דה ולסקו. "זה חשוב כי זה מראה שאנחנו יכולים לפשט נתונים מולקולריים מורכבים תוך שמירה על ביצועים חיזויים חזקים."
עבור חולים עם CUP, מודל זה יכול לעזור להרחיק את הרופאים מגישות טיפול ניסוי וטעייה ובמקום זאת לבחור טיפולים המותאמים לאתר המקור הסביר של סרטן, הוא הוסיף.
"הממצאים שלנו מצביעים על כך שגישות מבוססות DNA יכולות לעזור לזהות היכן יתכן והחל סרטן, גם כאשר הגידול המקורי אינו נראה לעין. באמצעות קבוצה קטנה וממוקדת הרבה יותר של סמנים, גישה זו יכולה להפוך את סוגי הבדיקות הללו למעשיות יותר ונגישות בעתיד", אמר דה ולסקו.
"בסך הכל, אנו רואים את המחקר הזה כחלק ממאמץ רחב יותר להבין טוב יותר את הסרטן באמצעות מידע מולקולרי, במטרה לתמוך בטיפול מושכל ומותאם יותר בעתיד. עם זאת, עבודה זו עדיין בשלב המחקר. בשלב הבא עלינו להעריך עד כמה הגישה הזו מתפקדת בניתוח פרוספקטיבי של חולים עם סרטן אמיתי של סרטן ראשוני לא ידוע", הוסיף דה ולסקו.
מגבלה מרכזית אחת של מחקר זה היא שהמודל פותח באמצעות סרטן עם מקורות ידועים, במקום CUP אמיתי, מה שאומר שהמודל צריך להיבדק במטופלים ממשיים עם CUP כדי להבין עד כמה הוא מתפקד במסגרות קליניות. מגבלה נוספת היא שלא כל הגידולים קל לגשת לבדיקה גנטית, במיוחד בשלב מתקדם. שלב חשוב נוסף במחקר זה, לפי דה ולסקו, הוא התאמה והערכה של מודל זה באמצעות ביופסיה מבוססת דם כדי לנתח DNA של גידול במחזור הדם במקום להסתמך על DNA מדגימות רקמה.
