Как выявить недиагностируемые виды рака

Как выявить недиагностируемые виды рака

03 Oct 2022
94

Новая модель искусственного интеллекта, отображающая пути развития опухолевых клеток, может раскрыть идентичность раковых опухолей неизвестного происхождения.

Первым шагом в выборе подходящего лечения для онкологического больного является определение конкретного типа рака, включая определение первичного очага — органа или части тела, где начинается рак.

В редких случаях происхождение рака невозможно определить даже с помощью обширного тестирования. Хотя такой рак с неизвестной первичной локализацией обычно агрессивен, онкологи вынуждены лечить его нецелевыми методами терапии, которые часто обладают сильной токсичностью и приводят к низким показателям выживаемости.

Новый метод, разработанный исследователями из Института интегративных исследований рака имени Коха при Массачусетском технологическом институте (МТИ) и Массачусетской больнице общего профиля, может помочь классифицировать рак неизвестной первичной опухоли, более внимательно изучив программы экспрессии генов, связанные с ранним развитием и дифференцировкой клеток.

Информация о разработке такой технологии была опубликована в журнале Cancer Discovery.

Инструмент искусственного интеллекта способен определять типы рака с высокой степенью чувствительности и точности.

Разбор различий в экспрессии генов в разных видах опухолей неизвестного происхождения — идеальная задача для машинного обучения. Раковые клетки выглядят и ведут себя совершенно иначе, чем нормальные клетки, отчасти из-за значительных изменений в экспрессии их генов. Благодаря достижениям в области профилирования отдельных клеток и усилиям по каталогизации различных моделей экспрессии клеток в клеточных атласах, существует огромное количество данных, которые содержат подсказки о том, как и откуда возникли различные виды рака.

Однако если модель слишком сложна и учитывает слишком много особенностей экспрессии раковых генов, может показаться, что модель прекрасно усваивает обучающие данные, но при столкновении с новыми данными она дает сбой.

Чтобы найти баланс между сокращением числа признаков и извлечением наиболее важной информации, команда сосредоточила модель на признаках изменения путей развития раковых клеток. По мере развития опухоли раковые клетки теряют многие из специализированных признаков зрелой клетки. В то же время они начинают в чем-то напоминать эмбриональные клетки, поскольку приобретают способность к пролиферации, трансформации и метастазированию в новые ткани. Известно, что многие программы экспрессии генов, определяющие эмбриогенез, реактивируются или дисрегулируются в раковых клетках.

Исследователи сравнили два больших клеточных атласа, выявив корреляции между опухолевыми и эмбриональными клетками. Полученная карта корреляций между паттернами экспрессии генов развития в опухолевых и эмбриональных клетках была затем преобразована в модель машинного обучения. Ученые в итоге создали систему, названную многослойным перцептроном развития (D-MLP), которая оценивает опухоль по компонентам развития, а затем предсказывает ее происхождение.

После обучения D-MLP была применена к 52 новым образцам особо сложных случаев рака неизвестной первичной опухоли, которые не могли быть диагностированы с помощью имеющихся инструментов. Эти случаи представляли собой наиболее сложные случаи, наблюдавшиеся в больнице в течение четырех лет, начиная с 2017 года. Удивительно, но модель точно распределила опухоли по четырем категориям и дала прогнозы и другую информацию, которая может помочь в диагностике и лечении этих пациентов.

Хотя исследование представляет собой мощный подход к классификации опухолей, оно имеет некоторые ограничения. В дальнейшей работе исследователи планируют увеличить предсказательную силу своей модели, включив в нее другие типы данных, в частности, информацию, полученную из радиологии, микроскопии и других видов визуализации опухоли.