Учени разработиха модел с изкуствен интелект, който може значително по-точно да предсказва кои пациенти с рак ще се повлияят от имунотерапия – едно от най-революционните, но и най-непредсказуемите лечения в съвременната онкология.
Новият модел, наречен COMPASS, е създаден от екип на Медицинския факултет на Харвард. Той анализира активността на хиляди гени в туморните клетки и оценява дали конкретен пациент има вероятност да реагира на т. нар. инхибитори на имунните контролни точки – лекарства, които активират имунната система да атакува раковите клетки.
Резултатите от изследването, публикувано в списание Nature Medicine, показват, че COMPASS е с около 8,5% по-точен от най-добрите използвани досега методи за прогнозиране на ефекта от този вид лечение.
Имунотерапията промени лечението на редица онкологични заболявания през последното десетилетие. Въпреки това тя помага само на част от пациентите – според клиничните данни между 10 и 40%, в зависимост от вида на рака. При останалите лечението може да не даде резултат, а междувременно заболяването да продължи да прогресира.
За разлика от много други системи с изкуствен интелект, които дават резултат без обяснение, COMPASS показва и кои биологични процеси стоят зад своята прогноза. Това може да помогне не само при избора на лечение, но и при откриването на нови терапевтични мишени.
За обучението на модела учените са използвали генетични данни от над 10 000 тумора при 33 различни вида рак, както и резултати от 16 клинични проучвания.
Изследователите подчертават, че технологията все още не е готова за рутинна употреба. Предстои тя да бъде проверена в бъдещи клинични изпитвания. Ако резултатите се потвърдят, COMPASS може да помогне на лекарите да подбират най-подходящото лечение за всеки пациент, да подобри подбора на участници в клинични изпитвания и да ускори разработването на нови противоракови терапии.
Според авторите именно по-прецизният подбор на пациентите би могъл да намали случаите на неефективно лечение и да увеличи шансовете за успешен терапевтичен отговор.
Коментари