Naukowcy zaprezentowali nową metodę opartą na sztucznej inteligencji, mającą na celu przewidywanie reakcji pacjentów z zaawansowanym rakiem jelita na konkretny lek zatwierdzony przez NHS (National Health Service). Celem projektu jest uratowanie tysięcy ludzi przed procedurami, które prawdopodobnie nie przyniosą im korzyści, a tym samym uchronienie ich przed wyniszczającymi skutkami ubocznymi.
Problem zaawansowanego raka jelita grubego
Rak jelita grubego pozostaje jednym z najbardziej śmiertelnych nowotworów złośliwych, ustępując pod względem śmiertelności jedynie rakowi płuc. Stawka jest szczególnie wysoka ze względu na ogromną różnicę w przeżyciu w zależności od stadium choroby:
– Wczesny etap: Wskaźniki przeżycia mogą osiągnąć 98%.
– Stadium zaawansowane: Wskaźnik przeżycia pięcioletniego może spaść nawet do 10%.
Co roku w Wielkiej Brytanii diagnozuje się prawie 10 000 przypadków zaawansowanego raka jelita grubego, przy czym alarmujący wzrost zachorowań wśród młodych ludzi. Dla takich pacjentów poszukiwanie skutecznego leczenia staje się wyścigiem z czasem, ale nie każdy lek jest rozwiązaniem uniwersalnym.
Medycyna spersonalizowana kontra próby i błędy
W grudniu NHS zatwierdziła stosowanie bewacyzumabu – leku działającego na białka potrzebne do wzrostu nowotworu. Chociaż dla niektórych jest to istotne wsparcie, nie jest skuteczne dla wszystkich. Ponadto lek niesie ze sobą poważne ryzyko, w tym:
– Tworzenie skrzepów krwi
– Problemy z przewodem pokarmowym
Nie potrafiąc przewidzieć skuteczności, lekarze często zmuszeni są stosować metodę prób i błędów. Oznacza to, że wielu pacjentów poddawanych jest toksycznym zabiegom, które nie przynoszą żadnych korzyści klinicznych, a jedynie powodują niepotrzebne cierpienie.
Jak działa PhenMap
Aby rozwiązać ten problem, naukowcy z Instytutu Badań nad Rakiem (ICR) w Londynie i Uniwersytetu Medycyny i Nauk o Zdrowiu RCSI w Dublinie opracowali system PhenMap. Nazwa jest połączeniem słów fenotyp (fenotyp – obserwowalne cechy) i mapowanie (mapowanie).
Narzędzie oparte na sztucznej inteligencji działa w następujący sposób:
1. Integracja złożonych danych: analizuje skomplikowaną strukturę genetyczną nowotworu.
2. Rozpoznawanie wzorców: system identyfikuje wzorce biologiczne, które są zbyt złożone, aby lekarze mogli je wykryć ręcznie.
3. Stratyfikacja ryzyka: W badaniu z udziałem 117 europejskich pacjentów, PhenMap z powodzeniem zidentyfikował konkretną grupę z wspólną mutacją genetyczną, która była obarczona wysokim ryzykiem działań niepożądanych i słabej odpowiedzi na lek.
„W naszych badaniach wykorzystujemy zaawansowane techniki sztucznej inteligencji do łączenia ogromnych ilości złożonych danych, co pomaga nam dostrzec prawidłowości, których ludzie po prostu nie dostrzegają” – mówi profesor Anguraj Sadanandam z ICR.
Ścieżka do zastosowania klinicznego
Choć wczesne wyniki stanowią kamień milowy w rozwoju medycyny spersonalizowanej, naukowcy zauważają, że narzędzie to nie jest jeszcze gotowe do powszechnego zastosowania klinicznego. Kolejne kroki obejmują:
– Powiększenie próbki: Testowanie sztucznej inteligencji na znacznie większych grupach pacjentów w celu potwierdzenia dokładności.
– Rozszerzenie: Określ, czy tę metodę mapowania można dostosować do przewidywania reakcji na leki stosowane w leczeniu innych typów nowotworów.
Ostatecznym celem jest przekształcenie tej technologii w standardowy test kliniczny, umożliwiający lekarzom zapewnienie prawdziwie spersonalizowanej opieki, maksymalizując jednocześnie szanse na przeżycie i minimalizując niepotrzebne szkody.
Wniosek: wykorzystując sztuczną inteligencję do rozszyfrowania genetyki nowotworów, badacze zbliżają się do przyszłości, w której leczenie raka będzie dostosowane do każdego pacjenta, zapewniając pacjentom wyłącznie najskuteczniejszą terapię.
