Η AI αποκαλύπτει 5 αγνώστους τύπους κυττάρων για την αποτροπή επανεμφάνισης καρκίνου

Μια πρωτοποριακή τεχνολογία τεχνητής νοημοσύνης υπόσχεται να αλλάξει τον τρόπο με τον οποίο κατανοούμε και αντιμετωπίζουμε τον καρκίνο. Ερευνητές από το Garvan Institute, σε συνεργασία με το Yale University, ανέπτυξαν ένα νέο εργαλείο AI με την ονομασία AAnet, το οποίο μπορεί να αναγνωρίσει διαφορετικούς τύπους καρκινικών κυττάρων εντός ενός και μόνο όγκου.

Ένα από τα μεγαλύτερα εμπόδια στην αποτελεσματική θεραπεία του καρκίνου είναι η ετερογένεια των όγκων. Όπως εξηγεί η Associate Professor Christine Chaffer, συν-συγγραφέας της μελέτης και συνδιευθύντρια του Cancer Plasticity and Dormancy Program στο Garvan, οι όγκοι δεν αποτελούνται από έναν μόνο τύπο κυττάρου. Αντίθετα, είναι ένα μωσαϊκό διαφορετικών κυτταρικών πληθυσμών που αντιδρούν διαφορετικά στις θεραπείες. Αυτό σημαίνει ότι μια θεραπεία που στοχεύει έναν μηχανισμό μπορεί να καταστρέψει τα περισσότερα καρκινικά κύτταρα, αλλά να αφήσει ανεπηρέαστα άλλα, τα οποία στη συνέχεια μπορούν να αναπτυχθούν ξανά και να οδηγήσουν σε υποτροπή.

Το πρόβλημα, μέχρι σήμερα, ήταν η αδυναμία των επιστημόνων να χαρτογραφήσουν αυτή την εσωτερική ποικιλομορφία με ακρίβεια. Η τεχνολογία AAnet δημιουργήθηκε ακριβώς για να αντιμετωπίσει αυτό το κενό. Χάρη στη δυνατότητα της να αναλύει εκφράσεις γονιδίων σε ατομικά κύτταρα, το εργαλείο κατάφερε να εντοπίσει πέντε διαφορετικές ομάδες καρκινικών κυττάρων μέσα στον ίδιο όγκο. Κάθε ομάδα είχε διαφορετικά βιολογικά χαρακτηριστικά, πρότυπα ανάπτυξης και ενδείξεις για διαφορετική πρόγνωση.

Η ομάδα χρησιμοποίησε το AAnet για να εξετάσει κυρίως προκλινικά μοντέλα τριπλά αρνητικού καρκίνου του μαστού, καθώς και ανθρώπινους ιστούς με ER θετικό, HER2 θετικό και τριπλά αρνητικό καρκίνο του μαστού. Όπως επισημαίνει η Chaffer, κάθε ένας από τους πέντε τύπους κυττάρων – που αποκαλούνται «αρχέτυπα» – παρουσίαζε διακριτές βιολογικές οδούς, διαφορετική τάση για μετάσταση και δείκτες κακής πρόγνωσης.

Σύμφωνα με την Smita Krishnaswamy από το Yale, η οποία ηγήθηκε της ανάπτυξης του AI εργαλείου, η συγκεκριμένη μελέτη αποτελεί την πρώτη φορά που δεδομένα επιπέδου μονοκυττάρων καταφέρνουν να συνοψίσουν την κυτταρική ποικιλία ενός όγκου σε ξεκάθαρα μοτίβα. Όπως τονίζει, ενώ είναι γνωστό ότι κάθε ασθενής έχει διαφορετική μορφή καρκίνου, τώρα επιβεβαιώνεται ότι ακόμα και τα καρκινικά κύτταρα ενός και μόνο όγκου μπορεί να διαφέρουν σημαντικά μεταξύ τους. Το AAnet κατάφερε να διακρίνει αυτά τα αρχέτυπα και να τα συσχετίσει με τον τρόπο που επεκτείνεται ο όγκος και με το μεταβολικό του προφίλ, ανοίγοντας νέες δυνατότητες στην έρευνα.

Η δυνατότητα αυτή φέρνει μια εντελώς νέα προσέγγιση στη θεραπεία του καρκίνου. Μέχρι σήμερα, οι περισσότερες θεραπείες βασίζονται στο όργανο από το οποίο προήλθε ο καρκίνος, για παράδειγμα, μαστός, πνεύμονας ή προστάτης, και σε βασικούς μοριακούς δείκτες. Όμως, αυτή η λογική προϋποθέτει ότι όλα τα καρκινικά κύτταρα είναι πανομοιότυπα, κάτι που η νέα μελέτη διαψεύδει. Με την εφαρμογή του AAnet, οι επιστήμονες μπορούν πλέον να κατανοήσουν τι συμβαίνει βιολογικά σε κάθε υποομάδα κυττάρων ενός όγκου, και να σχεδιάσουν πιο στοχευμένες και πολυσύνθετες θεραπείες που αντιμετωπίζουν όλα τα κυτταρικά είδη ταυτόχρονα.

Η καθηγήτρια Sarah Kummerfeld, συν-συγγραφέας της μελέτης και Chief Scientific Officer του Garvan Institute, βλέπει στο AAnet μια επανάσταση για τη μελλοντική ιατρική. Όπως σημειώνει, ο συνδυασμός της ανάλυσης AI με τις παραδοσιακές μεθόδους διάγνωσης θα μπορούσε να οδηγήσει σε εξατομικευμένες θεραπείες που στοχεύουν όλα τα κυτταρικά είδη μέσα σε έναν όγκο, αυξάνοντας την πιθανότητα επιτυχίας και μειώνοντας τον κίνδυνο υποτροπής. Αν και η έρευνα επικεντρώθηκε στον καρκίνο του μαστού, η τεχνολογία έχει τη δυνατότητα να επεκταθεί και σε άλλες μορφές καρκίνου ή ακόμα και σε αυτοάνοσα νοσήματα.

[via]