Mesterséges intelligencia alkalmazásával a petefészekrák kezelését még inkább a személyre szabott igényekhez igazíthatjuk.

Az ELTE Komplex Rendszerek Fizikája Tanszék, a Harvard Medical School, a Dán Rákkutató Intézet és a Semmelweis Egyetem kutatói egy új, ígéretes megközelítést dolgoztak ki a magas malignitású szerózus petefészekrákkal (HGSOC) diagnosztizált páciensek kemoterápiás reakcióinak előrejelzésére. Ez a mesterséges intelligencián alapuló eljárás innovatív módon ötvözi a szövettani és fehérje információkat, lehetővé téve a személyre szabottabb kezelési stratégiák kidolgozását.

A Nature-csoporthoz tartozó npj Precision Oncology folyóirat legújabb számában Oz Kilim, az ELTE PhD-hallgatója, mint első szerző, bemutatja kutatásának eredményeit. A tanulmány rávilágít arra, hogy a szövettani minták képeinek (hisztopatológia) és a részletes fehérjemérések (proteomika) kombinálásával lényegesen pontosabban megjósolható, hogy kiknél lesz hatékony a petefészekrák kezelésének első vonalbeli megoldása, a platinaalapú kemoterápia. Ez az innovatív megközelítés új lehetőségeket nyithat meg a személyre szabott orvoslás terén.

A mesterséges intelligencia képes összekapcsolni a szöveti képeket és a molekuláris információkat, lehetővé téve ezzel a mélyebb megértést a biológiai folyamatokról.

A mesterséges intelligencia innovatív megoldása révén részletes szövettani képek és molekuláris szintű információk kerülnek összehangolásra, felfedve olyan rejtett mintázatokat, amelyeket az orvosok valószínűleg figyelmen kívül hagynának. Ez a holisztikus megközelítés nemcsak a daganatok viselkedéséről nyújt átfogóbb képet, hanem jelentősen növeli a prognózisok pontosságát is, felülmúlva ezzel bármelyik adatforrás egyedüli alkalmazásának eredményeit.

A rák diagnózisának felállításakor és a daganat típusának azonosításakor az orvosok leggyakrabban szövettani metszeteket, például H&E-festett képeket használnak. Ezzel szemben a proteomikai elemzések olyan mélyebb betekintést nyújtanak a daganatban található fehérjék világába, amelyek információt szolgáltathatnak arról, hogy a daganat mennyire érzékeny vagy ellenálló egy adott terápiával szemben. Érdemes elképzelni, mintha egy növény növekedését próbálnánk előre jelezni pusztán a külseje vagy a talaj minősége alapján. Bár mindkét tényező fontos, önállóan egyik sem nyújt elegendő információt a teljes kép megértéséhez.

A módszert két nagy volumenű nemzetközi rákos betegadatbázison vizsgálták. Az eredmények világosan jelezték, hogy a szöveti és fehérjeadatok együttes elemzése sokkal pontosabb előrejelzéseket nyújt, mint a jelenlegi genetikai tesztek. Ez forradalmi lépést jelenthet az orvosi gyakorlatban, hiszen az orvosok hamarosan megbízhatóbb eszközökhöz juthatnak, amelyek segíthetnek meghatározni, hogy egy betegnek a platinaalapú kemoterápia a legoptimálisabb választás, vagy inkább más kezelési lehetőségek felé érdemes elmozdulni.

Egy lépés a személyre szabott rákkezelés felé

A kutatás új távlatokat nyit a kezelési módszerek személyre szabásában. Különösen azok számára, akiknél a platinaalapú kemoterápiás kezelés valószínűleg nem hoz kedvező eredményeket, lehetőség van a felesleges mellékhatások elkerülésére, ami lehetővé teszi az orvosok számára, hogy korábban más terápiás lehetőségeket mérlegeljenek. Az ilyen jellegű tanulmányokban bemutatott modellek nemcsak a kezelések hatékonyságának megértésében segítenek, hanem értékes irányelveket is nyújtanak a jövőbeni kutatásokhoz, ezáltal hozzájárulva a betegellátás minőségének javításához.

A kutatók felfedezték, hogy a tumorok környezete, más néven stroma, rendkívül fontos információkat rejthet a kezelésekre adott válaszok szempontjából, amit eddig gyakran figyelmen kívül hagytak. Ez hangsúlyozza, hogy nem csupán a daganatot kell elemezni, hanem annak közvetlen környezetét is alaposan át kell tanulmányozni. Az új megközelítések ebben a kutatásban jelentős előrelépést kínálnak.

Bár a módszer szélesebb betegpopulációkon való validálása még további kutatásokat igényel, a vizsgálat arra világít rá, hogy a különböző adatforrások összehangolt felhasználása növelheti a rák kezelésének hatékonyságát. A jövőbeni fejlesztések lehetőséget kínálnak arra is, hogy további információk, mint például genetikai vagy képalkotó elemzések integrálásával még precízebbé tegyék az előrejelzéseket, így a betegek számára még inkább testre szabott ellátást tudjanak nyújtani.