- 5 мин
- 12
Искусственный интеллект научился лечить самую агрессивную форму рака груди
Модель предсказывает комбинацию препаратов с максимально эффективным для данного пациента лечением.
Онкологи использовали искусственный интеллект, позволяющий находить эффективную терапию против агрессивной формы рака — трижды негативного рака молочной железы. Модель, основанная на символическом ИИ, учитывает индивидуальные генетические особенности пациента и предлагает ему наиболее эффективные комбинации препаратов. Отчет об исследовании опубликован в журнале Cell Reports.
На рак груди приходится до 1/4 случаев онкологических заболеваний среди женщин в мире. Обычно клетки опухолей экспрессируют рецепторы эстрогена, прогестерона и HER2, играющие основную роль в процессе онкогенеза. На них нацелена основная терапия, которая позволяет значительно повысить выживаемость среди пациентов.
Опухоли, в которых отсутствует экспрессия эти рецепторы, относятся к так называемому трижды негативному раку молочной железы (ТНРМЖ). На эту агрессивную, быстро прогрессирующую форму рака приходится около 15% всех злокачественных новообразований в молочной железе.
Из-за отсутствия этих рецепторов опухоли не отвечают на гормональную терапию, поэтому прогноз для таких пациентов значительно хуже: обычно смертность оценивается в 40% через пять лет после постановки диагноза.
Ученые из Университетского колледжа Лондона разработали компьютерную программу, которая оценивает генетический отпечаток человека и предсказывает, какое лечение будет наиболее эффективно убивать раковые клетки, если стандартная терапия уже не действует.
Эта модель «предсказывает эффективные комбинации препаратов, которые увеличивают чувствительность пациента к лечению прозрачным и механистическим образом», говорится в исследовании.
Компьютерные модели давно используются в онкологии. В последнее время искусственный интеллект открыл в этом направлении совершенно новые перспективы. Однако «черный ящик» традиционного искусственного интеллекта, связанного с большими языковыми моделями, — когда неясно, как именно они приходят к своим выводам, — вызвал определенный скептицизм в медицинском сообществе.
Вместо этого авторы использовали так называемый символический искусственный интеллект (Symbolic AI) — подход к созданию интеллектуальных систем, основанный на формальной логике и явном представлении знаний в виде символов и правил манипуляции ими.
«Мы рассматриваем нашу компьютерную модель как вспомогательное средство для существующей клинической практики лечения рака, а не как ее альтернативу: это способ генерации новых идей, особенно в отношении белков или генов, которые можно было бы использовать в качестве мишеней для восстановления чувствительности пациента к существующим лекарствам и повышения эффективности этих методов лечения, — считает автор исследования, профессор Жасмин Фишер. — На практике вариант лечения, рекомендованный нашей моделью, при более тщательном анализе может быть отклонен врачом — например, если он сочтет препарат слишком токсичным. Но это также может подтолкнуть их к изучению и, в конечном итоге, к выбору третьего варианта, к которому они иначе могли бы и не прийти».
Чтобы проверить эффективность модели, авторы опробовали ее на компьютерных копиях опухолей, которые имитировали реальные опухоли 31 пациента, участвовавшего в клиническом исследовании PARTNER.
В этом исследовании пациентам давали комбинацию из четырех препаратов химиотерапии, в том числе противоопухолевый препарат олапариб, который иногда бывает эффективен при лечении трижды негативного рака молочной железы.
Затем авторы скопировали процесс, проведенный в ходе клинического исследования, но в виде компьютерной симуляции: на каждом цифровом двойнике они наблюдали, что происходит при лечении опухоли либо только химиотерапией, либо химиотерапией и олапарибом.
Ученые сравнили результаты компьютерного моделирования с результатами клинического исследования и обнаружили, что компьютерная программа правильно предсказала эффективность лечения в 74% случаев.
Цифровые двойники также предложили способы помочь пациентам, чьи опухоли плохо отреагировали на лечение.
Для 12 из 13 пациентов, у которых не наблюдалось полного отклика на лечение, модель предложила как минимум один дополнительный целенаправленный метод лечения, который мог бы улучшить результат.
Для 10 из этих пациентов модель предсказала, что дополнительное лечение может вызвать настолько высокий уровень отклика, что впоследствии в молочной железе и лимфатических узлах пациента вряд ли будет обнаружен инвазивный рак.
