Rak płuc: AI pokazuje, kto odniesie korzyści z immunoterapii
Rak płuc jest powszechną i często agresywną postacią raka. Ponieważ lekarzom trudno jest wykryć to wcześnie, osoby z rakiem płuc muszą otrzymać najlepszą, najbardziej ukierunkowaną terapię, aby zwiększyć prawdopodobieństwo pozytywnego nastawienia. Immunoterapia jest opcją, ale skąd lekarze mogą wiedzieć, kto na tym skorzysta?
Według National Cancer Institute rak płuc i oskrzeli jest drugim najbardziej rozpowszechnionym typem raka wśród ludzi w Stanach Zjednoczonych i stanowi 12,9% wszystkich nowych przypadków raka.
Ta postać raka często nie ma zauważalnych objawów we wczesnym stadium, co może oznaczać, że lekarze na początku nie są w stanie jej wykryć. Oznacza to, że perspektywy po leczeniu mogą nie być tak dobre, jak w przypadku innych postaci raka.
Aby zapewnić jak najkorzystniejsze wyniki dla osób z rakiem płuc, pracownicy służby zdrowia muszą wybrać najlepszy rodzaj leczenia dla każdej osoby. Może to być jednak trudne, ponieważ często trudno jest stwierdzić, która osoba odniesie największe korzyści z danego leczenia.
Lekarzowi może być również trudno określić, jak korzystne będą dla pacjenta nowsze rodzaje terapii, takie jak immunoterapia. W przeciwieństwie do chemioterapii, która polega na stosowaniu określonych leków do atakowania i niszczenia komórek nowotworowych, immunoterapia działa poprzez wzmocnienie odpowiedzi immunologicznej osoby przeciwko guzom nowotworowym.
Teraz zespół kierowany przez naukowców z Case Western Reserve University w Cleveland w stanie Ohio - we współpracy z naukowcami z sześciu innych instytucji - opracował nowy model sztucznej inteligencji (AI). Model umożliwia lekarzom znalezienie osób z rakiem płuc, które odniosłyby największe korzyści z immunoterapii.
Badacze wyjaśniają swoją metodę i opisują swoje odkrycia w artykule do studium, który znajduje się w czasopiśmie Badania immunologii raka.
„Chociaż immunoterapia zmieniła cały ekosystem raka”, wyjaśnia współautor badania, Anant Madabhushi, „pozostaje również niezwykle droga - około 200 000 dolarów na pacjenta rocznie.
„To część finansowej toksyczności, która towarzyszy rakowi i powoduje, że około 42% wszystkich nowo zdiagnozowanych pacjentów z rakiem traci oszczędności życia w ciągu roku od diagnozy” - dodaje. Madabhushi zauważa również, że nowe narzędzie, nad którym pracuje on i jego koledzy, może pomóc lekarzom i pacjentom zdecydować, która terapia będzie dla nich najbardziej odpowiednia i uniknąć niepotrzebnych wydatków.
Nowy model może przewidywać wynik
Madabhushi wyjaśnia, że on i jego koledzy opracowali nowy model w oparciu o ostatnie odkrycia, które zidentyfikowały oznaki wskazujące, które guzy nowotworowe reagują na leczenie.
W poprzednim badaniu badacze odkryli, że chociaż lekarze zazwyczaj uważali, że rozmiar guza jest dobrym wskaźnikiem tego, czy podejście terapeutyczne działa, czy nie, samo spojrzenie na tę cechę może być zwodnicze.
Zamiast tego, mówi Madabhushi, „odkryliśmy, że zmiana struktury jest lepszym predyktorem, czy terapia działa”.
„Czasami, na przykład, guzek może wydawać się większy po terapii z innego powodu, na przykład pękniętego naczynia wewnątrz guza - ale terapia faktycznie działa” - wyjaśnia. „Teraz możemy to wiedzieć”.
Aby opracować nowy model sztucznej inteligencji, zespół najpierw wykorzystał dane ze skanów tomografii komputerowej (CT) od 50 osób z rakiem płuc. Pozwoliło im to na opracowanie metody matematycznej, która byłaby w stanie zidentyfikować wszelkie zmiany wielkości i tekstury zachodzące w guzie po ekspozycji na dwa do trzech cykli immunoterapii.
W metodzie znaleziono wzorce wskazujące na to, że określone zmiany w guzach były związane z pozytywną odpowiedzią na leczenie immunoterapią, a także z wyższymi wskaźnikami przeżycia pacjentów.
Badanie to po raz kolejny podkreśliło, że te guzy raka płuc, które wykazują najbardziej zauważalne zmiany w teksturze, są również tymi, które najlepiej reagują na immunoterapię.
„Jest to demonstracja fundamentalnej wartości programu, że nasz model uczenia maszynowego może przewidywać reakcję pacjentów leczonych różnymi inhibitorami immunologicznego punktu kontrolnego. Mamy do czynienia z podstawową zasadą biologiczną ”.
Współautor badania Prateek Prasanna
Wcześniej w tym roku współautorka Prateek Prasanna otrzymała nagrodę American Society of Clinical Oncology 2019 Conquer Cancer Foundation za badania związane z tym badaniem.
W przyszłości zespół planuje dalsze testowanie swojej metody sztucznej inteligencji na większej liczbie skanów CT z innych miejsc oraz od osób leczonych różnymi środkami immunoterapeutycznymi.
