هوش مصنوعی راه‌حل‌‌هایی برای چالشهای سرطان معده ارائه می‌دهد
محققان کلینیک مایو یک امضای (سیگنچر) 32 ژنی یافته‌اند که یک زیست‌نشانگر (بیومارکر) پیشگویانه و نویدبخش برای بیماران مبتلا به سرطان معده است. مطالعۀ مذکور در فوریه 2022 در مجله Nature Communications منتشر شد. در ادامه با مداریو همراه باشید تا از تحقیات تی هیون هوانگ و دیگر یافته‌های علمی درباره سرطان آگاه شوید.
تحقیقات تی هیون هوانگ در زمینه سرطان
تی هیون هوانگ، یک محقق سرطان‌شناس در حوزه هوش مصنوعی و انفورماتیک در کلینیک مایو است. وی با تیمی از محققان برای توسعه و پیاده‌سازی الگوریتم‌های یادگیری ماشینی و هوش مصنوعی که می‌تواند به حل چالشهای بالینی سرطان معده کمک کند، همکاری کرده است.
دکتر هوانگ می‌گوید: «اگر این یک مسئله بالینی مقتضی و از نظر بیولوژیکی مهم باشد، در صورتی که بتوانیم این مسئله را حل کنیم، کمک زیادی خواهد کرد. موضوع اصلی این است که چگونه بفهمیم مهم‌ترین مسئله (در ارتباط با سرطان معده) چیست؟ سپس بفهمیم آیا مکانیسم‌‌های بیولوژیکی وجود دارد که بتوانیم با استفاده از رویکردهای رایانشی حل کنیم یا نه».
در مورد سرطان معده، اکثر بیماران بسته به مرحله بیماری جراحی و شیمی‌درمانی انجام خواهند داد. دکتر هوانگ توضیح می‌دهد که مدل‌هایی مانند مدل حاضر به طبقه‌بندی بیشتر بیماران برای ارائه مراقبت دقیق‌تر کمک می‌کنند. این مدل‌ها می‌توانند پاسخ بیمار به درمان را پیشبینی کنند؛ علاوه بر این، زیرگروه‌هایی بر اساس ویژگی‌های بیماری ایجاد نمایند و به پزشکان هنگام تصمیم‌گیری در مورد سرطان معده، اطلاعات مفید بیشتری ارائه دهند.
این مطالعه پروفایل‌های جهش پیکری (جهش سوماتیک) در 6.681 بیمار مبتلا به 19 نوع مختلف سرطان را تجزیه و تحلیل کرده است. داده‌های مورد نیاز از اطلس ژنوم سرطان جمع‌آوری شده و وارد یک الگوریتم یادگیری ماشینی می‌شود؛ این اطلس حاصل تلاش مشترک مؤسسه ملی سرطان آمریکا و مؤسسه ملی تحقیقات ژنوم انسانی است.
الگوریتم NTriPath مسیرهای مولکولی پیشبینی کننده را شناسایی میکند
الگوریتم NTriPath یک الگوریتم یادگیری ماشینی است که قبلاً توسط دکتر هوانگ و همکارانش کشف شده بود. این الگوریتم داده‌های جهش پیکری سرطان، شبکه‌های تعامل ژن به ژن و پایگاه‌های داده مربوط به مسیر pathway databases را ادغام میکند تا مسیرهای مولکولی پیشبینی کننده سرطان را شناسایی کند. الگوریتم NTriPath پیش از این برای شناسایی علائم مشخصه سرطان سلول کلیوی، سرطان مثانه، سرطان سلول سنگفرشی سر و گردن و سرطان ملانوم استفاده شده است.
محققان با استفاده از NTriPath، مسیرهای مهم مختص آدنوکارسینوم معده را شناسایی کردند و چهار زیرگروه مولکولی را برای این بیماری تعریف کردند. سپس آنها به آزمایش ارتباط بالینی این زیرگروه‌ها و ایجاد یک مدل ارزیابی ریسک برای پیشبینی نرخ بقای کلی مشغول شدند. علاوه بر این، به موضوع پاسخ به درمان‌هایی از جمله شیمی‌درمانی و مهارکننده وارسی ایمنی (immune checkpoint blockade) پرداختند.
دکتر هوانگ می‌گوید: «این حوزه به سرعت در حال رشد است. اگر یک برنامه (کد) واحد داشته باشیم، می‌توانیم درمان‌های مؤثرتری را برای بیماران به ارمغان بیاوریم.»
او توضیح می‌دهد که این نوع استفاده از هوش مصنوعی می‌تواند تشخیص بیماری را استانداردسازی کرده و واجد شرایط بودن برای درمان‌های نوظهور سرطان معده، مانند ایمونوتراپی را بر اساس احتمال پاسخ خوب بیمار به درمان مشخص کند.
یافته‌‌ها و ارتباط بالینی
دکتر هوانگ و تیمش پروفایل‌های بیان آران‌ای پیام‌رسان (mRNA) مبتنی بر ریزآرایه را از نمونه‌های تومور قبل از درمان 567 بیمار تولید کردند. 89 درصد از بیماران در مرحله 2 یا 3 بیماری قرار داشتند و در بیمارستان سویرنس کره جنوبی تحت عمل جراحی قرار گرفته بودند.
پیش از این، محققان به این نتیجه رسیدند که سه مسیر اصلی شناسایی شده توسط NTriPath بهترین نتایج را به همراه دارد. برای سرطان معده، سه مسیر اصلی شناسایی شده، شامل 32 ژن از جمله ژن‌های TP53، BRCA1، MSH6، PARP1 و ACTA2 بود.
محققان با استفاده از الگوریتم NTriPath چهار زیرگروه مولکولی مجزا از لحاظ پاسخ درمانی پیدا کردند:
- گروه 1 بیشبیان ژن‌های مرتبط با چرخه سلولی و ترمیم دی‌ان‌ای را نشان داد.
- گروه 2 الگوی مشخصی از ژن‌های بیشبیان را نشان نداد.
- گروه 3 بیشبیان ژن‌های یافته شده در مسیرهای سیگنال‌دهی آپوپتوز و تکثیر سلولی را نشان داد.
- گروه 4 بیشبیان ژن‌های موجود در مسیرهای TGF-β، SMAD، سیگنال‌دهی استروژن و مورفوژنز مزانشیمی را نشان داد.
بررسی پیشنهادهای زیرگروه‌های مولکولی مجزا در روند درمان
گروه 1 زیر گروهی بود که بهترین پیش‌آگهی را داشت، اما این گروه اثرات نامطلوبی در مورد شیمی‌درمانی نشان داد. این گروه و گروه 3 به ایمونوتراپی واکنش نشان دادند. گروه 3 زیرگروهی با پیش‌آگهی ضعیف بود، اما بیمارانی که شیمی‌درمانی داشتند بقای طولانی‌مدتی نشان دادند. گروه 4 بدترین زیرگروه از لحاظ پیش‌آگهی بود و هیچ پاسخی به شیمی‌درمانی یا ایمونوتراپی نداشت.
به گفته دکتر هوانگ: «بخش بسیار کوچکی از تومورها به ایمونوتراپی پاسخ می‌دهند. داده‌های ما نشان می‌دهد که گروه‌های 1 و 3 به ایمونوتراپی پاسخ می‌دهند». او توضیح می‌دهد که بیماران این گروه‌ها لزوماً بیماران پایدار از لحاظ میکروستلایت (MSS) نیستند و احتمالاً مسیر درمانی متفاوتی برای آنها تجویز می‌شد.
محققان این نتایج را در مقایسه با مطالعات قبلی مورد تجزیه و تحلیل قرار دادند تا ثابت کنند که این سیگنچر فقط سیستم‌های طبقه‌بندی از قبل موجود را تکرار نمی‌کند. دکتر هوانگ و تیم او بر این باورند که این نوع تحقیق باید با استفاده از گروه‌های بزرگی از بیماران و در یک مطالعه بالینی آینده‌نگر تأیید شود. به همین دلیل، آنها یکی از این 32 ژن را برای شروع آزمایشات بیشتر در یک مطالعه بالینی آینده‌نگر انتخاب کرده‌اند.
0 دیدگاه