Novi AI sustav poboljšava preciznu medicinu

Kako bi proizveli učinkovite ciljane terapije za rak, znanstvenici moraju izolirati genetske i fenotipske karakteristike stanica raka, kako unutar, tako i između različitih tumora, jer te razlike utječu na to kako tumori reagiraju na liječenje. 

Dio ovog rada zahtijeva duboko razumijevanje molekula RNK ili proteina koje svaka stanica raka eksprimira, gdje se nalaze u tumoru i kako izgledaju pod mikroskopom. 

Tradicionalno su znanstvenici zasebno proučavali jedan ili više ovih aspekata, ali sada novi alat za duboko učenje umjetne inteligencije, CellLENS (Cell Local Environment and Neighborhood Scan), spaja sve tri domene zajedno, koristeći kombinaciju konvolucijskih neuronskih mreža i grafovskih neuronskih mreža kako bi izgradio sveobuhvatan digitalni profil za svaku pojedinu stanicu. To omogućuje sustavu grupiranje stanica sa sličnom biologijom, učinkovito odvajajući čak i one koje se čine vrlo sličnim izolirano, ali se ponašaju drugačije ovisno o okolini. 

Studija, nedavno objavljena u časopisu Nature Immunology, detaljno opisuje rezultate suradnje istraživača s MIT-a, Medicinskog fakulteta Harvard, Sveučilišta Yale, Sveučilišta Stanford i Sveučilišta Pennsylvania, a istraživanja je predvodio Bokai Zhu, postdoktorand MIT-a i član Broad Instituta MIT-a i Harvarda te Ragon Instituta MGH, MIT-a i Harvarda. 

"Prije bismo rekli, oh, pronašao sam stanicu. To se zove T stanica. Koristeći isti skup podataka, primjenom CellLENS-a, sada mogu reći da je ovo T stanica i da trenutno napada određenu granicu tumora kod pacijenta", objašnjava Zhu i dodaje kako može koristiti postojeće informacije kako bi bolje definirao što je stanica, koja je subpopulacija te stanice, što ta stanica radi i koji je potencijalni funkcionalni pokazatelj te stanice.

Ova metoda može se koristiti za identifikaciju novog biomarkera, koji pruža specifične i detaljne informacije o oboljelim stanicama, omogućujući razvoj ciljanije terapije.

Ovo je ključan napredak jer trenutne metodologije često propuštaju ključne molekularne ili kontekstualne informacije. Na primjer, imunoterapije mogu ciljati stanice koje postoje samo na granici tumora, što ograničava učinkovitost. Korištenjem dubokog učenja, istraživači mogu otkriti mnoge različite slojeve informacija pomoću CellLENS-a, uključujući morfologiju i gdje se stanica prostorno nalazi u tkivu. 

Kada je primijenjen na uzorke zdravog tkiva i nekoliko vrsta raka, uključujući limfom i rak jetre, CellLENS je otkrio rijetke podtipove imunoloških stanica i saznao da su njihova aktivnost i lokacija povezani s procesima bolesti, poput infiltracije tumora ili imunosupresije. 

Ova otkrića mogla bi pomoći znanstvenicima da bolje razumiju kako imunološki sustav djeluje s tumorima i utrti put preciznijoj dijagnostici raka i imunoterapijama.