هوش مصنوعی ایمونوتراپی را برای بیماران سرطانی پیش بینی می کند

به گزارش علمی نیوز و به نقل از Psychology Today، هر بیمار سرطانی برای ایمونوتراپی مناسب نیست. داشتن یک روش به موقع برای پزشکان و ارائه دهندگان مراقبت های بهداشتی برای ارزیابی خطر و پیامدهای بیمار بسیار مهم است. یک مطالعه جدید منتشر شده در مجله انکولوژی بالینی انفورماتیک سرطان بالینی از یک مدل یادگیری ماشینی (ML) هوش مصنوعی (AI) پرده برداری می کند که می تواند با استفاده از داده های پرونده سلامت الکترونیکی (EHR) پاسخ بیماران سرطانی به مهارکننده های ایست بازرسی ایمنی (ICIs) را پیش بینی کند.

نویسنده مسئول Levente Lippenzky، MS، در GE HealthCare همراه با محققان وابسته به مرکز پزشکی دانشگاه وندربیلت (VUMC) نوشت: «طبق دانش ما، این اولین راه حل ML است که پروفایل های ریسک-منافع ICI فردی را بر اساس داده های EHR ساختار یافته معمول ارزیابی می کند. ) در نشویل، تنسی.
پیش‌بینی می‌شود تا سال 2050 تعداد موارد سرطان در سطح جهان با 77 درصد افزایش به بیش از 35 میلیون در مقایسه با 20 میلیون در سال 2022 بر اساس برآوردهای سال 2024 توسط آژانس بین‌المللی تحقیقات سرطان سازمان بهداشت جهانی (WHO) افزایش یابد.
راه های زیادی برای درمان سرطان وجود دارد. گزینه ها شامل جراحی، شیمی درمانی، پرتودرمانی، هورمون درمانی، هایپرترمی، فتودینامیک درمانی، آزمایش نشانگرهای زیستی، پیوند سلول های بنیادی، درمان هدفمند و ایمونوتراپی بر اساس موسسه ملی سرطان در موسسه ملی بهداشت (NIH) است.

ایمونوتراپی یک درمان بیولوژیکی است که در آن از سیستم ایمنی بدن برای مبارزه با سلول های سرطانی استفاده می شود. اشکال مختلفی از ایمونوتراپی وجود دارد، مانند واکسن‌های درمانی، درمان با سلول‌های T CAR، تعدیل‌کننده‌های سیستم ایمنی (تعدیل‌کننده‌های ایمنی) و آنتی‌بادی‌های مونوکلونال (MABs) یا مهارکننده‌های ایمن بازرسی (ICIs).

تا به حال به این فکر کرده اید که چگونه سیستم ایمنی بدن می داند کدام سلول ها طبیعی در مقابل مضر هستند؟ طبق انجمن سرطان آمریکا، پروتئین های نقطه بازرسی روی سلول های ایمنی مانند کلیدهای روشن/خاموش عمل می کنند. هنگامی که پروتئین های نقطه بازرسی به پروتئین های شریک متصل می شوند، سوئیچ خاموش می شود و این باعث می شود که نوعی از گلبول های سفید خون به نام سلول T (همچنین به عنوان لنفوسیت مشتق از تیموس یا لنفوسیت T شناخته می شود) از حمله به سلول های خارجی مضر جلوگیری کند.

مهارکننده های ایمونوتیک ایست ایمونوتراپی داروهای ایمونوتراپی هستند که مانع از اتصال پروتئین های ایست بازرسی به پروتئین شریک خود می شوند که به سلول های T اجازه می دهد تا با پاتوژن ها و سرطان بر اساس موسسه ملی سرطان مبارزه کنند.

جایزه نوبل فیزیولوژی یا پزشکی 2018 به جیم آلیسون، دکترا، که در حال حاضر استاد مرکز سرطان اندرسون اندرسون دانشگاه تگزاس در هیوستون و دکتر تاسوکو هونجو، استاد دانشگاه کیوتو، استاد دانشگاه کیوتو به دلیل ابتلا به سرطان جدید اعطا شد. درمان از طریق مهار تنظیم منفی سیستم ایمنی.

در اواسط دهه 1990، آلیسون، در آن زمان، مدیر آزمایشگاه تحقیقات سرطان دانشگاه کالیفرنیا برکلی، کشف کرد که با مسدود کردن پروتئین ایست بازرسی ایمنی به نام CTLA-4، سیستم ایمنی می‌تواند بدون محدودیت به سرطان حمله کند و رشد تومور را در موش‌های آزمایشگاهی مهار یا متوقف کند. . این کشف منجر به توسعه اولین مهارکننده ایست بازرسی ایمنی مورد تایید FDA شد که CTLA-4 به نام ipilimumab (Yervoy) را در سال 2011 مسدود می کند.

یک داستان موفقیت آمیز شناخته شده ایمونوتراپی مربوط به جیمی کارتر رئیس جمهور سابق ایالات متحده است که پس از درمان ترکیبی پرتودرمانی با داروی ایمونوتراپی پمبرولیزوماب (Keytruda) در سال 2015 اعلام کرد که از ملانوما عاری است. در سن 90 سالگی از متاستاتیک جان سالم به در برد. ملانوما که به مغزش سرایت کرده بود. به گفته مؤسسه ملی سرطان، پمبرولیزوماب مهارکننده ایست بازرسی ایمنی یک آنتی بادی مونوکلونال است، پروتئینی که می تواند گیرنده پروتئین PD-1 را با اتصال به سلول T شناسایی و مسدود کند تا سیستم ایمنی بتواند به سلول های سرطانی حمله کند و آنها را از بین ببرد. برنده 99 ساله جایزه صلح نوبل و سی و نهمین رئیس جمهور ایالات متحده اکتبر امسال 100 ساله می شود.

عوارض جانبی درمان با مهارکننده های ایمون بازرسی، عوارض جانبی مرتبط با ایمنی (irAEs) نامیده می شود. به گفته دانشمندان، این عوارض جانبی ناخواسته ممکن است برای بیش از نیمی از بیماران سرطانی با ترکیبی از داروهای مهارکننده ایست بازرسی ایمنی و 20 تا 30 درصد از آنهایی که با یک مهارکننده ایست بازرسی منفرد روی می‌دهند، رخ دهد.

محققان نوشتند: «اگرچه مهارکننده‌های ایست بازرسی ایمنی (ICI) نتایج را در برخی از بیماران مبتلا به سرطان بهبود بخشیده‌اند، اما می‌توانند باعث ایجاد سمیت ایمنی تهدیدکننده زندگی شوند.

چگونه بفهمیم کدام بیماران سرطانی در معرض خطر هستند؟ دانشمندان می‌گویند که روش فعلی برای پیش‌بینی اثربخشی سمیت، نیازمند اندازه‌گیری نشانگرهای زیستی مانند امضاهای چند ژنی و لنفوسیت‌های CD4+ برای عوارض جانبی مرتبط با ایمنی است که اغلب بخشی از مطالعات بزرگ‌تر شرکت‌کنندگان نیستند و به‌طور معمول آزمایش نمی‌شوند. علاوه بر این، مطالعات دیگری که از داده‌های عملی بیشتری استفاده می‌کردند، جامع‌تر نبودند و یا شرکت‌کنندگان کمتری داشتند، تأییدی از سوی انسان نداشتند، اثربخشی و سمیت را ارزیابی نکردند، یا طبق تیم GE Healthcare و VUMC محدودیت‌های دیگری داشتند.

برای این مطالعه، تیم هدف داشت یک رویکرد جامع داشته باشد و مدل هوش مصنوعی را بر پیش‌بینی نه تنها بقای کلی یک ساله پس از شروع درمان ICI، بلکه خطر ابتلا به التهاب کبد (هپاتیت)، ریه (پنومونیت) متمرکز کرد. ) یا کولون (کولیت) به مدت یک سال پس از شروع درمان با مهارکننده ایست بازرسی ایمنی.

آنچه همچنین این تحقیق را متمایز می کند، مقدار زیادی از داده های پرونده الکترونیک سلامت در دنیای واقعی مورد استفاده است. مدل یادگیری ماشین هوش مصنوعی با استفاده از داده‌های هزاران بیمار سرطانی که با مهارکننده‌های ایست بازرسی ایمنی درمان شده بودند، آموزش داده شد.

محققان اظهار داشتند: «برخلاف مطالعات گذشته، ما الگوریتم‌های خود را با استفاده از گروه بزرگی از بیش از 2200 فرد تحت درمان با ICI از مرکز جامع سرطان تعیین‌شده توسط مؤسسه ملی سرطان با داده‌های پیامدهای تأیید شده توسط انسان توسعه و اعتبارسنجی کردیم.»

محققان گزارش دادند که مدل‌های هوش مصنوعی تا ۷۶ درصد دقت داشتند. با این اثبات مفهوم، به عنوان گام‌های بعدی، تیم قصد دارد دامنه را به پیش‌بینی‌های طولی گسترش دهد و در حال حاضر مدل‌های هوش مصنوعی را با مجموعه داده‌های اضافی در سطح بین‌المللی و سایر مؤسسات مراقبت‌های بهداشتی تأیید می‌کند.

در تقاطع یادگیری ماشینی هوش مصنوعی پیشرفته، پایگاه‌های اطلاعاتی پرونده الکترونیک سلامت، سرطان شناسی دقیق، پزشکی و بیوتکنولوژی در حال نوآوری در درمان سرطان برای نتایج بهتر در آینده هستند.