Naukowcy z Pohang University of Science and Technology (POSTECH) w Korei Południowej opracowali metodę sztucznej inteligencji (AI), która pozwala przewidywać odpowiedź pacjentów onkologicznych na immunoterapię na podstawie procesów starzenia się komórek w mikrośrodowisku guza. Nowe podejście wykazało lepszą skuteczność predykcyjną niż wybrane biomarkery kliniczne w analizie czterech typów nowotworów. Wyniki badania opublikowano w czasopiśmie „npj Digital Medicine”.
Z tego artykułu dowiesz się…
- Jak naukowcy z POSTECH wykorzystali sztuczną inteligencję (AI) do przewidywania odpowiedzi pacjentów onkologicznych na immunoterapię.
- Jak starzenie komórkowe i mikrośrodowisko guza wpływają na skuteczność leczenia nowotworów oraz dlaczego mogą osłabiać odpowiedź immunologiczną.
- Jakie są wyniki badań obejmujących cztery typy nowotworów i sześć kohort pacjentów, w których nowy model AI przewyższył wybrane biomarkery kliniczne.
- Jak analiza danych molekularnych z wykorzystaniem AI może wspierać rozwój medycyny precyzyjnej i personalizację immunoterapii nowotworów.
Sztuczna inteligencja w onkologii – nowe narzędzie do przewidywania skuteczności immunoterapii
Immunoterapia nowotworów wykorzystuje mechanizmy układu odpornościowego do rozpoznawania i zwalczania komórek nowotworowych. Chociaż u części pacjentów umożliwia uzyskanie długotrwałej odpowiedzi na leczenie, jej skuteczność pozostaje zróżnicowana. Jednym z największych wyzwań współczesnej onkologii jest zatem identyfikacja pacjentów, którzy mają największe prawdopodobieństwo odniesienia korzyści z immunoterapii.
Zespół kierowany przez prof. Sanguka Kima z POSTECH, we współpracy z Minsoo Kimem, opracował model uczenia maszynowego analizujący dane dotyczące ekspresji genów i biologicznych właściwości mikrośrodowiska nowotworu. Celem było stworzenie metody, która pozwoli lepiej przewidywać odpowiedź na leczenie mimo ograniczonej dostępności danych klinicznych.
Starzenie się komórek w mikrośrodowisku guza może osłabiać immunoterapię
Kluczowym elementem nowej metody jest uwzględnienie starzenia komórkowego (cellular senescence) w mikrośrodowisku nowotworu. Starzejące się komórki przestają się dzielić, ale pozostają aktywne metabolicznie. Mogą również wydzielać cytokiny, chemokiny i inne cząsteczki wpływające na otaczające tkanki.
Zjawisko to określa się jako fenotyp wydzielniczy związany ze starzeniem komórkowym (SASP). W określonych warunkach starzejące się komórki mogą sprzyjać powstawaniu mikrośrodowiska hamującego aktywność przeciwnowotworową układu odpornościowego. Obecność takich komórek może więc stanowić jeden z czynników ograniczających skuteczność immunoterapii, nawet u pacjentów z tym samym typem nowotworu.
Etapowy model AI ogranicza ryzyko błędnych prognoz
Dotychczasowe modele sztucznej inteligencji wykorzystywane do przewidywania odpowiedzi na leczenie często napotykają problem niewielkich zbiorów danych w stosunku do liczby analizowanych cech molekularnych. Może to prowadzić do nadmiernego dopasowania modelu do danych treningowych i ograniczać jego skuteczność u nowych pacjentów.
Badacze z POSTECH zastosowali podejście etapowe. Najpierw identyfikowali guzy charakteryzujące się mikrośrodowiskiem związanym ze starzeniem komórkowym i osłabioną aktywnością odpornościową. Następnie stopniowo klasyfikowali pacjentów pod względem przewidywanej odpowiedzi na immunoterapię. Takie rozwiązanie pozwoliło ograniczyć problem nadmiernego dopasowania i poprawić zdolność modelu do uogólniania wyników na różne grupy pacjentów.
AI przewyższyła wybrane biomarkery w czterech typach nowotworów
Skuteczność opracowanej metody oceniono w sześciu kohortach pacjentów obejmujących cztery typy nowotworów, w tym nowotwory skóry. Według autorów model osiągnął lepsze wyniki w przewidywaniu odpowiedzi na immunoterapię niż analizowane biomarkery stosowane w praktyce klinicznej.
Dodatkowo przeprowadzono walidację w niezależnej kohorcie pacjentów z nowotworem skóry, której danych nie wykorzystywano podczas trenowania algorytmu. Uzyskane wyniki wskazują na potencjał metody w różnych populacjach pacjentów. Nie oznaczają jednak, że narzędzie jest już gotowe do rutynowego stosowania klinicznego.
Medycyna precyzyjna – nowe możliwości personalizacji leczenia nowotworów
Opracowanie naukowców z POSTECH pokazuje, że analiza mikrośrodowiska guza może dostarczać dodatkowych informacji o prawdopodobieństwie odpowiedzi na immunoterapię. W przyszłości takie narzędzia mogłyby wspierać onkologów w kwalifikowaniu pacjentów do leczenia oraz identyfikowaniu osób wymagających alternatywnych strategii terapeutycznych.
Istotne pozostaje jednak przeprowadzenie dalszych badań walidacyjnych, szczególnie w większych i bardziej zróżnicowanych populacjach. Połączenie sztucznej inteligencji, danych molekularnych i wiedzy o starzeniu komórkowym może stać się kolejnym elementem rozwoju onkologii precyzyjnej.
Główne wnioski
- Naukowcy z Pohang University of Science and Technology (POSTECH) opracowali model sztucznej inteligencji przewidujący odpowiedź na immunoterapię nowotworów. Metoda wykorzystuje dane molekularne oraz wzorce starzenia komórkowego w mikrośrodowisku guza. Wyniki badania opublikowano w czasopiśmie „npj Digital Medicine”.
- Starzenie komórkowe w mikrośrodowisku guza może ograniczać skuteczność immunoterapii. Starzejące się komórki mogą wydzielać substancje wpływające na aktywność układu odpornościowego i tworzyć warunki utrudniające zwalczanie nowotworu.
- Model AI wykazał lepszą skuteczność predykcyjną niż wybrane biomarkery kliniczne w sześciu kohortach obejmujących cztery typy nowotworów. Jego zdolność do przewidywania odpowiedzi na leczenie potwierdzono również w niezależnej kohorcie pacjentów z nowotworem skóry, niewykorzystywanej podczas trenowania algorytmu.
- Nowa metoda może wspierać rozwój spersonalizowanej immunoterapii i onkologii precyzyjnej. Uwzględnienie starzenia komórkowego w analizach AI może pomóc w identyfikowaniu pacjentów, którzy odniosą największe korzyści z leczenia. Przed wdrożeniem do praktyki klinicznej konieczne są jednak dalsze badania walidacyjne.
Źródło:
- https://www.nature.com/articles/s41746-026-03131-1
- Pohang University of Science and Technology
