Inteligenta artificiala prezice cu exactitate sansele de supravietuire ale pacientilor cu cancer
Inteligenta artificiala (AI) poate prezice sansele de supravietuire ale pacientilor cu cancer cu un grad ridicat de acuratete, potrivit unui nou studiu. Oamenii de stiinta au creat un model de inteligenta artificiala capabil sa prognozeze sansele de supravietuire ale pacientilor cu diferite tipuri de cancer, potrivit StudyFinds.
Analizand modelele de expresie genetica ale factorilor epigenetici – care afecteaza activarea si dezactivarea genelor – din tumori, cercetatorii au reusit sa clasifice tumorile in grupuri distincte. Aceste clasificari s-au dovedit a fi mai eficiente in prezicerea rezultatelor pacientilor decat metodele traditionale.
Echipa de la UCLA Health Jonsson Comprehensive Cancer Center considera ca munca lor ar putea deschide calea pentru terapii tintite care sa reglementeze acesti factori epigenetici in tratamentul cancerului.
„In mod traditional, cancerul a fost vazut ca fiind in primul rand rezultatul unor mutatii genetice in cadrul oncogenelor sau al supresorilor tumorali”, spune co-autorul principal al studiului, Hilary Coller, profesor de biologie moleculara, celulara si de dezvoltare, intr-un comunicat de presa. „Cu toate acestea, aparitia tehnologiilor avansate de secventiere de generatie urmatoare a facut ca tot mai multi oameni sa realizeze ca starea cromatinei si nivelurile factorilor epigenetici care mentin aceasta stare sunt importante pentru cancer si pentru progresia cancerului.”
Oamenii de stiinta mai noteaza ca anumite aspecte ale cromatinei, cum ar fi modificarile proteinelor histone sau metilarea ADN-ului, pot influenta rezultatele cancerului.
„Intelegerea acestor diferente intre tumori ne-ar putea ajuta sa aflam mai multe despre motivul pentru care unii pacienti raspund diferit la tratamente si de ce rezultatele lor variaza”, adauga profesorul Coller.
Cercetarile anterioare au aratat ca mutatiile in genele legate de factorii epigenetici pot creste susceptibilitatea la cancer, dar impactul nivelurilor acestora asupra progresiei cancerului este mai putin inteles. Abordarea acestei lacune de cunostinte este esentiala, conform lui Coller, pentru a intelege pe deplin modul in care epigenetica poate afecta sansele de supravietuire ale pacientilor.
Echipa de cercetare a evaluat modelele de expresie a 720 de factori epigenetici, clasificand tumorile din 24 de tipuri diferite de cancer in grupuri distincte. Pentru 10 dintre aceste tipuri de cancer, aceste grupuri s-au corelat cu diferente semnificative in ceea ce priveste rezultatele pacientilor, inclusiv supravietuirea fara progresie, supravietuirea specifica bolii si supravietuirea generala. Clusterele cu rezultate mai slabe aveau, in general, indicatori de stadii avansate ale cancerului, dimensiuni mai mari ale tumorii sau o raspandire mai extinsa.
„Am vazut ca eficacitatea de prognostic a unui factor epigenetic a depins de tesutul de origine al tipului de cancer”, spune Dr. Mithun Mitra, co-autor principal al studiului. „Am vazut aceasta legatura chiar si in cele cateva tipuri de cancer pediatric pe care le-am analizat. Acest lucru poate fi util pentru a decide relevanta specifica cancerului de a viza in mod terapeutic acesti factori”.
Echipa a dezvoltat si validat apoi un model de inteligenta artificiala care utilizeaza nivelurile de expresie genetica ale factorilor epigenetici pentru a prevedea supravietuirea pacientilor, concentrandu-se in special pe cele cinci tipuri de cancer cu disparitati notabile de supravietuire. Modelul reuseste sa segregheze cu succes pacientii in doua grupuri: cei cu o probabilitate mai mare de rezultate favorabile si cei cu un risc mai mare de rezultate adverse. Genele cele mai critice pentru predictiile modelului AI au prezentat o suprapunere substantiala cu genele semnatura care definesc grupurile.
Cercetatorii sugereaza ca, in timp ce modelul de inteligenta artificiala a fost antrenat si testat pe datele pacientilor adulti din cohorta TCGA, sunt necesare teste suplimentare pe seturi de date independente pentru a determina aplicabilitatea sa mai larga. De asemenea, abordarea ar putea fi adaptata pentru cancerele pediatrice pentru a intelege modul in care factorii de decizie difera de cei din cancerele adulte.
„Foaia de parcurs demonstreaza modul de identificare a anumitor factori influenti in diferite tipuri de cancer si contine un potential interesant pentru a prezice tinte specifice pentru tratamentul cancerului”, conchide primul autor al studiului, Michael Cheng, student absolvent al Programului interdepartamental de bioinformatica de la UCLA.
