Schopnost kombinovat data z více zdrojů může pomáhat nejen onkologickým pacientům

Vybrat vhodný typ léčby a vyslovit prognózu u pacienta s rakovinou může být obtížné. Odborník musí brát v potaz mnoho faktorů, mimo jiné anamnézu pacienta, geny a patologii onemocnění. Ruční integrace těchto dat z různých zdrojů je však náročná, a odborníci navíc často přiznávají subjektivní směr hodnocení těchto kritérií. S integrací informací do rozhodování o péči o pacienta by lékařům mohla v budoucnu pomáhat umělá inteligence. Nová studie od výzkumníků z Mahmood Lab v Brigham and Women’s Hospital představila model proof-of-concept, tzv. ověřovací model. Ten využívá umělou inteligenci ke kombinaci více typů dat z různých zdrojů a následně pak k předpovídání výsledků léčby pacientů se 14 různými typy rakoviny.

Prognóza od Al

Odborníci kvůli předpovědi, jak se bude onkologickému pacientovi dařit, analyzují mnoho dat. Tato časná vyšetření se pak stávají základem rozhodování o zařazení pacienta do klinické studie nebo specifických léčebných režimů. Autoři studie se rozhodli multimodální předpověď odborníka o budoucím stavu pacienta vyřešit výpočetně. Prostřednictvím nových modelů AI odhalili způsob, jak výpočetně integrovat několik forem diagnostických informací a získat tak přesnější předpovědi výsledků. Modely umělé inteligence prokazují schopnost provádět prognózy a zároveň odhalovat prediktivní základy funkcí používaných k předpovídání rizika pro pacienty – což je vlastnost, která by mohla být využita k odhalení nových biomarkerů.

Přesnější díky více informacím

Výzkumníci sestavili modely s využitím veřejně dostupného zdroje The Cancer Genome Atlas (TCGA), který obsahuje data o mnoha různých typech rakoviny. Poté vyvinuli multimodální algoritmus založený na hlubokém učení, který je schopen učit se prognostické informace z více zdrojů. Nejprve ale vytvořili samostatné modely pro histologická a genomická data a poté tyto technologie spojili do jednoho integrovaného celku. Ten poskytuje klíčové prognostické informace. Nakonec vyhodnotili účinnost modelu tím, že do něj vložili soubory dat o 14 typech rakoviny a také histologická a genomická data pacientů. Výsledky ukázaly, že modely poskytly přesnější předpovědi výsledků pacientů než modely zahrnující pouze jednotlivé zdroje informací.

Překvapivé zjištění

Autoři studie tak ověřili, že využití umělé inteligence k integraci různých typů klinicky informovaných dat potřebných pro předpověď výsledků onemocnění je proveditelné. Modely by mohly vědcům také pomoci lépe pochopit, jaký typ informací potřebují k diagnostice různých typů rakoviny. Jsou totiž schopné objasnit patologické a genomické rysy, které určují prognostické předpovědi. Tým navíc zjistil, že modely používaly imunitní reakce pacientů jako prognostický marker, aniž by k tomu byly vyškoleny. To je zajímavé zjištění vzhledem k tomu, že předchozí výzkumy ukazují, že pacienti, jejichž nádory vyvolávají silnější imunitní reakce, mají tendenci dosahovat lepších léčebných výsledků.

Jen začátek

Model proof-of-concept podle svých tvůrců podtrhl potřebu vytvořit prognostické modely výpočetní patologie s mnohem většími soubory dat a s navazujícími klinickými zkouškami zjišťujícími jejich užitečnost. V budoucnu chtějí autoři studie začlenit do výzkumu ještě více typů informací o pacientech, například radiologické snímky, rodinné anamnézy či elektronické lékařské záznamy.

(nov)

Zdroj: New AI Technology Integrates Multiple Data Types to Predict Cancer Outcomes. Digital Health News. 8. 8. 2022. Dostupné na https://www.digitalhealthnews.eu/index.php?option=com_content&view=article&id=6760:new-ai-technology-integrates-multiple-data-types-to-predict-cancer-outcomes&catid=164:research.

Originální studie: Chen R. J., et al. 2022, Cancer Cell 40, 865–878. Dostupné na https://www.cell.com/cancer-cell/fulltext/S1535-6108(22)00317-8.

Foto: Pexels.com