STUDIU. Un model AI ar putea evalua răspunsul pacienților la potențiale terapii oncologice, pe baza datelor de laborator, ghidând începerea studiilor clinice
Un nou model de inteligență artificială poate indica răspunsul personalizat al pacienţilor la medicamente care au fost testate doar pe culturi celulare, dar nu şi în studii clinice. Context-aware Deconfounding Autoencoder (CODE-AE) a fost dezvoltat în cadrul CUNY Graduate Center, iar rezultatele evaluării sale au fost publicate în Nature Machine Intelligence. CODE-AE utilizează datele multi-omice, provenite din studiile pe culturi de celule, pentru a devolta modele predictive clinice generalizate, totodată reuşind să înlăture variabilele perturbatoare (Confounding Variables) pentru a genera predicţii pe baza markerilor care sunt într-adevăr relevanţi.
CODE-AE a fost testat cu ajutorul datelor a 9.000 de pacienți cu cancer din The Cancer Genome Atlas (TCGA) pentru a evalua răspunsul la 59 de medicamente, precum şi cu date din Cancer Cell Line Encyclopedia (CCLE). Rezultatele oferite au fost în concordanţă cu informaţiile înregistrate în clinică, CODE-AE indicând, de asemenea, terapii persoanlizate împotriva cancerului şi biomarkeri de răspuns la terapie. Modelul a reuşit să depisteze modul de acţiune al terapiilor, indicând expresia variabilă a ţintei drept diferenţă între pacienţii responsivi şi cei care prezintă rezistenţă la tratament.
“CODE-AE folosește un design inspirat de biologie și profită de câteva progrese recente în învățarea automată. De exemplu, una dintre componentele sale folosește tehnici similare cu acelea utilizate în generarea de imagini Deepfake.”, a afirmat Lei Xie, autor al studiului şi profesor de informatică, biologie şi biochimie în cadrul CUNY Graduate Center.
Noul model AI are potențialul de a accelera dezvoltarea terapiilor personalizate și a biomarkerilor terapeutici. Deși a fost dezvoltat până în prezent pentru a estima răspunsul la terapii, modelul oferă un cadru general care poate fi utilizat și pentru alte tipuri de predicții. O următoare direcție de dezvoltare este legată de predicția concentrației și metabolizării medicamentelor în corpul uman și identificarea persoanelor care ar putea să dezvolte efecte adverse la administrarea unei terapii.
De ce nu a putut fi estimată cu precizie eficacitatea potenţialelor terapii până în prezent?
De la identificarea unei noi potențiale terapii, până la aprobarea acesteia pentru punerea pe piață, pot să treacă peste 10 ani, cu un cost asociat de miliarde de dolari. Testarea unui potențial medicament nu se poate realiza direct pe oameni, motiv pentru care sunt necesare studii anterioare care evaluează efectele acestuia asupra culturilor celulare, țesuturilor, animalelor de laborator. Efectele compusului determinat prin aceste metode nu se corelează adesea cu cel evaluat pe oameni. Chiar și pentru medicamentele care ajung să fie testate în studii clinice, răspunsul pacienților poate varia semnificativ. Din aceste motive, rata de succes a obținerii unor medicamente aprobate este scăzută, iar costurile sunt foarte ridicate.
În plus, datele de la pacienţi sunt adesea insuficiente pentru a antrena un model de machine learning generalizat. Au fost dezvoltate numeroase metode care utilizează testarea pe linii celulare pentru a prezice răspunsul clinic, însă rezultatele oferite au o precizie scăzută din cauza heterogenităţii datelor. CODE-AE extrage semnalele biologice intrinseci mascate de patternuri specifice de context şi de factori perturbatori, remediind eficace problemele generate de discrepanţa datelor. Realizarea unei predicții cu acurateţe a răspunsului specific la terapie pentru fiecare pacient este o etapă importantă atât pentru de dezvoltarea de noi medicamente, cât și pentru alegerea tratamentului optim pentru fiecare pacient dintre opțiunile terapeutice deja disponibile.
Citeşte şi:
- FDA lansează primul plan de acțiune care vizează dispozitivele medicale ce au la bază software-uri de inteligență artificială sau machine learning
- Genome-to-treatment: Diagnosticarea bolilor genetice este posibilă în doar 13 ore cu ajutorul unui nou sistem de secvențiere și interpretare rapidă a datelor pe baza AI
- Raport IHE. Cancerul în Europa: utilizarea inteligenței artificiale și algoritmilor de învățare automată. Ce rol au acestea în practica medicală?