כלי בינה מלאכותית חוזה את תוצאות הטיפול בסרטן באמצעות תובנות של תא בודד

PERCEPTION, גישה מבוססת בינה מלאכותית מנבאת תגובות לטיפול בסרטן ברזולוציה של תא בודד. השיטה, שקיבלה תוקף בניסויים קליניים, מנתחת דינמיקה של גידולים ועמידות לתרופות, במטרה לחדד אסטרטגיות טיפול עתידיות.

עם יותר מ-200 סוגי סרטן וכל סרטן ייחודי בנפרד, המאמצים המתמשכים לפיתוח טיפולים אונקולוגיים מדויקים נותרו מרתיע. עיקר ההתמקדות הייתה בפיתוח מבחני רצף גנטיים או ניתוחים לזיהוי מוטציות בגנים מובילים לסרטן, ולאחר מכן ניסיון להתאים טיפולים שעשויים לפעול נגד אותן מוטציות.

פריצת דרך בטיפול חזוי בסרטן

אבל רבים, אם לא רובם, חולי סרטן אינם נהנים מטיפולים ממוקדים מוקדמים אלו. במחקר חדש שפורסם היום (18 באפריל 2024), בכתב העת סרטן הטבעהסופר הראשון Sanju Sinha, Ph.D., עוזר פרופסור בתכנית לטיפול מולקולרית בסרטן ב-Sanford Burnham Prebys, עם המחברים הבכירים איתן רופין, MD, Ph.D., ואלחנדרו שפר, Ph.D., ב-National Cancer המכון, חלק מה- המכונים הלאומיים לבריאות (NIH) – ועמיתיו – מתארים צינור חישובי ראשון מסוגו לניבוי שיטתי של תגובת המטופל לתרופות סרטן ברזולוציה של תא בודד.

הגישה החדשה המבוססת על בינה מלאכותית, המכונה תכנון מבוסס ביטוי יחיד-תא יחיד עבור טיפולים באונקולוגיה, או PERCEPTION, צוללת עמוק יותר לתוך התועלת של התעתיק – חקר גורמי התעתוק, השליח RNA מולקולות המתבטאות על ידי גנים הנושאים והופכים DNA מידע לפעולה.

יתרונות הרזולוציה של תא בודד

"גידול הוא חיה מורכבת ומתפתחת. שימוש ברזולוציה של תא בודד יכול לאפשר לנו להתמודד עם שני האתגרים הללו", אומר Sinha. "PERCEPTION מאפשרת שימוש במידע עשיר בתוך תא יחיד כדי להבין את הארכיטקטורה המשובטת של הגידול ולנטר את הופעת ההתנגדות." (בביולוגיה, אומיקה מתייחסת לסכום המרכיבים בתוך תא.)

סינהא אומר, "היכולת לנטר את הופעת ההתנגדות היא החלק המרגש ביותר עבורי. יש לזה פוטנציאל לאפשר לנו להסתגל לאבולוציה של תאים סרטניים ואפילו לשנות את אסטרטגיית הטיפול שלנו".

פיתוח של PERCEPTION

Sinha ועמיתיו השתמשו בלמידת העברה – ענף של AI – כדי לבנות תפיסה.

"נתונים תא בודדים מוגבלים ממרפאות היו האתגר הגדול ביותר שלנו. מודל AI צריך כמויות גדולות של נתונים כדי להבין מחלה, לא שונה מהאופן שבו ChatGPT צריך כמויות עצומות של נתוני טקסט שנגרדו מהאינטרנט."

PERCEPTION משתמשת בביטוי של גנים בתפזורת מגידולים כדי לאמן מראש את המודלים שלה. לאחר מכן, נעשה שימוש בנתונים של תא בודד מקווי תאים וממטופלים, למרות שהם מוגבלים, כדי לכוונן את המודלים.

אימות ופוטנציאל של PERCEPTION

PERCEPTION אומתה בהצלחה על ידי חיזוי התגובה למונותרפיה ולטיפול משולב בשלושה ניסויים קליניים עצמאיים שפורסמו לאחרונה עבור מיאלומה נפוצה, שד וסרטן ריאות.

בכל אחד מהמקרים, PERCEPTION ריבד את המטופלים בצורה נכונה לקטגוריות מגיבים וקטגוריות שאינם מגיבים. בסרטן הריאות הוא אפילו תפס את התפתחות העמידות לתרופות עם התקדמות המחלה, תגלית בולטת עם פוטנציאל רב.

סיכויי עתיד לתפיסה

Sinha אומר ש-PERCEPTION אינו מוכן למרפאות, אך הגישה מראה שניתן להשתמש במידע חד-תאי כדי להנחות את הטיפול. הוא מקווה לעודד את אימוץ הטכנולוגיה הזו במרפאות כדי לייצר נתונים נוספים, שניתן להשתמש בהם כדי להמשיך ולפתח ולחדד את הטכנולוגיה לשימוש קליני.

"איכות התחזית עולה עם איכות וכמות הנתונים המשמשים את הבסיס שלה", אומר סינהא. "המטרה שלנו היא ליצור כלי קליני שיכול לחזות את תגובת הטיפול של חולי סרטן בודדים בצורה שיטתית, מונעת נתונים. אנו מקווים שהממצאים הללו יעודדו יותר נתונים ועוד מחקרים כאלה, במוקדם ולא במאוחר".

מחברים נוספים על המחקר כוללים את Rahulsimham Vegesna, Sumit Mukherjee, Ashwin V. Kammula, Saugato Rahman Dhruba, Nishanth Ulhas Nair, Peng Jiang, Alejandro Schäffer, Kenneth D. Aldape ו-Eytan Ruppin, National Cancer Institute (NCI); Wei Wu, Lucas Kerr, Collin M. Blakely and Trever G. Biovona, University of California, San Francisco; מתיו ג'י ג'ונס וניר יוסף, אוניברסיטת קליפורניה, ברקלי; אולג סטרוגנוב ואיבן גרישאגין, Rancho BioSciences; קרייג ג'יי תומס, המכונים הלאומיים לבריאות; וסיריל ה' בנס, אוניברסיטת הרווארד.

מחקר זה נתמך בחלקו על ידי תוכנית המחקר התוך-מורלי של ה-NIH; NCI; ו-NIH מעניקה R01CA231300, R01CA204302, R01CA211052, R01CA169338 ו-U54CA224081.