Ученые разработали новый инструмент искусственного интеллекта, который отображает функции белков в раковой опухоли, что позволяет врачам более точно решать, как назначать лечение.
При таких видах рака, как светлоклеточный почечно-клеточный рак (ccRCC), реакция на существующие методы лечения различна для каждого пациента, что затрудняет определение правильного режима медикаментозного лечения для каждого пациента. Например, противораковый препарат Белзутифан недавно был одобрен для лечения ccRCC, но уровень ответа у пациентов с наиболее распространенной формой заболевания составляет лишь 49%.
Чтобы лучше понять, почему некоторые пациенты реагируют лучше, чем другие, исследователи из университетов Бата и Ноттингема изучили функцию фактора альфа, индуцированного гипоксией (HIF2α), ключевой мишени ccRCC, который блокируется белзутифаном.
Предыдущие исследования показали, что уровни HIF2α не обязательно соответствуют агрессивности опухоли, и что, как ни странно, когда присутствовало более высокое содержание белка, HIF2α был менее активным. Это означает, что введение более высоких доз белзутифана потенциально подвергает пациента воздействию дорогостоящих и токсичных препаратов, которые могут не подействовать и даже сделать опухоль более устойчивой к лекарствам.
Междисциплинарная группа биофизиков, биологов и ученых-компьютерщиков разработала новый инструмент под названием FuncOmap, который отображает функциональное состояние целевых онкобелков на изображениях опухолей. Это позволит врачам непосредственно визуализировать участки опухоли, где взаимодействуют онкопротеины, что позволит поставить более точный диагноз и подобрать лучшее лечение для каждого пациента. Результаты исследования опубликованы в журнале BJC Reports .
Схема, иллюстрирующая вычислительный процесс. а) Поток данных иллюстрирует прохождение информации через ключевые этапы. б) Интерактивная FuncOmap в браузере. Фото: Отчеты BJC (2024 г.). DOI: 10.1038/s44276-023-00033-7
Профессор Банафше Лариджани, директор Центра терапевтических инноваций Университета Бата, возглавлял исследование. Она сказала: «Люди реагируют на лекарства очень по-разному. Поэтому крайне важно иметь возможность предсказать, как пациенты будут реагировать на лекарства индивидуально, чтобы можно было адаптировать терапию так, чтобы она была эффективной, при этом назначая минимальную дозу для минимизации побочных эффектов.
«Наш новый инструмент компьютерного анализа использует точность для прямого картирования функциональных состояний онкопротеинов в срезах опухоли пациентов, так что врачи могут улучшить стратификацию пациентов, обеспечивая персонализированную медицину».
В настоящее время команда сотрудничает с лабораторией доктора Аманды Киран, а также с другими хирургами и клиницистами Медицинской школы Стэнфордского университета (США) для разработки и дальнейшей оптимизации инструмента на клинической арене.
Профессор Имонн О'Нил, заведующий кафедрой компьютерных наук Бата и директор Центра подготовки докторантов UKRI в области подотчетного, ответственного и прозрачного искусственного интеллекта (ART-AI), сказал: «Это исследование описывает тип новых и эффективных исследований, которые являются суть работы в разных дисциплинах.
«Он объединяет информатику, биологию и физику под эгидой Центра подготовки докторантов UKRI в области подотчетного, ответственного и прозрачного искусственного интеллекта, чтобы обеспечить анализ изображений , который может напрямую предоставлять информацию для принятия клинических решений и персонализировать клинические результаты при раке. лечение , а также других заболеваний».
Профессор Джонатан Найт FRS, вице-президент (предприятие) Университета Бата, сказал: «Волнение этой статьи заключается не только в работе, о которой сообщается, но и в ее иллюстрации того, как связываются исследовательские области биофизики и трансляционной медицины с Современная вычислительная наука обещает ускорить преобразование исследований в ценные инструменты для клинической среды. Это действительно увеличивает ценность трансдисциплинарных исследований».
