L’intelligenza artificiale prevede la risposta alla terapia antitumorale sulla base dei dati di ciascuna cellula tumorale

Con oltre 200 tipi di cancro e ciascun caso individualmente unico, gli sforzi in corso per sviluppare trattamenti oncologici di precisione rimangono impegnativi. L'attenzione è rivolta allo sviluppo di test genetici per identificare le mutazioni nei geni portatori del cancro e all'identificazione di trattamenti appropriati contro tali mutazioni.

Tuttavia, molti pazienti affetti da cancro, se non la maggior parte, non traggono benefici significativi da queste terapie mirate precoci. Nel nuovo studio, pubblicato su Nature Cancer, il primo autore Sanju Sinha, Ph.D., assistente professore al Programma di terapia molecolare sul cancro al Sanford Burnham Prebys, insieme agli autori principali Eitan Ruppin, MD, PhD, e Alejandro Schaffer, PhD, del National Cancer Institute, parte del National Institutes of Health (NIH), e colleghi descrivono un sistema computazionale unico per prevedere sistematicamente i pazienti risposta ai farmaci antitumorali a livello di singola cellula.

Il nuovo approccio basato sull'intelligenza artificiale, denominato Pianificazione personalizzata del trattamento in oncologia basata sull'espressione del trascritto a cellula singola (PERCEPTION), approfondisce lo studio della trascrittomica, ovvero lo studio dei fattori di trascrizione, le molecole di mRNA che vengono espresse dai geni e traducono Le informazioni sul DNA in azione.

"Un tumore è un organismo complesso e in continua evoluzione. L'utilizzo della risoluzione unicellulare ci consente di risolvere entrambi questi problemi", afferma Sinha. “PERCEPTION consente l’uso di ricche informazioni provenienti dall’omessi di un’unica cellula per comprendere l’architettura clonale del tumore e monitorare l’emergere della resistenza”. (In biologia, omexis si riferisce alla somma dei costituenti all'interno di una cellula.)

Sinha afferma: "La capacità di monitorare l'emergere della resistenza è per me la parte più entusiasmante. Ciò ha il potenziale per permetterci di adattarci all'evoluzione delle cellule tumorali e persino di cambiare la nostra strategia di trattamento."

Sinha e colleghi hanno utilizzato l'apprendimento tramite trasferimento, una branca dell'intelligenza artificiale, per creare PERCEZIONE.

"La nostra sfida principale era la disponibilità di dati limitati a livello cellulare provenienti dalle cliniche. I modelli di intelligenza artificiale necessitano di grandi quantità di dati per comprendere le malattie, proprio come ChatGPT necessita di enormi quantità di dati di testo da Internet", spiega Sinha.

PERCEPTION utilizza i dati pubblicati sull'espressione genica dei tumori per pre-addestrare i suoi modelli. Successivamente, per mettere a punto i modelli, sono stati utilizzati i dati a livello di singola cellula provenienti da linee cellulari e pazienti, sebbene limitati.

PERCEPTION è stato validato con successo nel predire la risposta alla monoterapia e alla terapia di combinazione in tre studi clinici indipendenti recentemente pubblicati sul mieloma multiplo, sul cancro della mammella e del polmone. In ciascun caso, PERCEPTION ha stratificato correttamente i pazienti in rispondenti e non rispondenti. Nel cancro del polmone, ha anche documentato lo sviluppo di resistenza ai farmaci man mano che la malattia progredisce, una scoperta significativa con un grande potenziale.

Sinha afferma che PERCEPTION non è ancora pronto per l'uso in clinica, ma l'approccio dimostra che le informazioni a livello di singola cellula possono essere utilizzate per guidare il trattamento. Spera di incoraggiare l'adozione di questa tecnologia nelle cliniche per generare più dati che possano essere utilizzati per sviluppare e migliorare ulteriormente la tecnologia per uso clinico.

"La qualità delle previsioni migliora con la qualità e la quantità dei dati su cui si basa", afferma Sinha. "Il nostro obiettivo è creare uno strumento clinico in grado di prevedere in modo sistematico e basato sui dati la risposta al trattamento nei singoli pazienti affetti da cancro. Ci auguriamo che questi risultati stimoleranno più dati e studi simili nel prossimo futuro."