MutationProjector: Nowe AI rzuca światło na genetyczny chaos wewnątrz guzów

Współczesna onkologia rutynowo korzysta z sekwencjonowania genetycznego, by zrozumieć przeciwnika, z którym mierzy się pacjent. Problem w tym, że choć potrafimy już masowo odczytywać mapy mutacji, nasza zdolność do ich interpretacji kuleje. Obecnie zaledwie 8% przypadków raka znajduje swój odpowiednik w zatwierdzonej terapii celowanej. Medycyna tradycyjnie skupia się na pojedynczych, „słynnych” genach, podczas gdy przeciętny guz skrywa około 11 zróżnicowanych zmian genetycznych, które nieustannie na siebie oddziałują. Ta luka diagnostyczna sprawia, że pacjenci marnują czas na nieskuteczne wlewy.

Dlaczego to ważne właśnie teraz

Onkologia precyzyjna wychodzi właśnie z fazy eksperymentu i trafia do rutynowej praktyki klinicznej. Jak podaje serwis Zwrotnik Raka, profilowanie genomowe jest dziś niezbędne do wyboru leczenia, bo pojedynczy guz lity wykazuje zazwyczaj wiele zmian w kluczowych szlakach sygnałowych. W dobie personalizowanych immunoterapii, gdzie sukces zależy od precyzyjnego doboru pacjenta, statyczne spojrzenie na jeden gen przestaje wystarczać.

Koniec ery prostych odpowiedzi

Zespół badawczy z Uniwersytetu Kalifornijskiego w San Diego (UCSD), pod przewodnictwem genetyka Treya Idekera, postawił na podejście systemowe. Opracowany przez nich model MutationProjector nie szuka pojedynczych wad. Zamiast tego analizuje cały krajobraz genetyczny guza. System przeszkolono na potężnym zbiorze danych obejmującym 30 328 przypadków dziesięciu różnych typów nowotworów litych. Analizując zmiany w 468 genach, AI dostrzega zależności, które dla systemów statystycznych starszej generacji pozostawały nieuchwytne.

Przewidywanie zamiast zgadywania

Jak wynika z publikacji w „Cancer Discovery”, MutationProjector z wysoką trafnością określa reakcję pacjenta na chemioterapię oraz immunoterapię. W testach raka pęcherza, płuc czy skóry model dorównał lub przewyższył skutecznością dotychczasowe metody. System identyfikuje wpływ mutacji w szlakach kinazy tyrozynowej czy procesach regulacji cyklu komórkowego, wykraczając poza standardy takie jak fuzje genu NTRK czy zmiany w genie RET, które stały się kluczowe w ostatnich latach.

Kluczową zaletą MutationProjector jest jego transparentność. Funkcja wyjaśnialności pozwala onkologom zrozumieć przesłanki, jakimi kierowało się AI. JungHo Kong z UCSD podkreśla, że pozwala to przejść od żmudnego analizowania długich list mutacji do funkcjonalnego zrozumienia biologii konkretnego przypadku. Jak zauważa redakcja ZwrotnikRaka.pl: „Kompleksowa diagnostyka molekularna pozwala określić profil genomowy danego nowotworu – wskazać jakie mutacje obecne są w jego DNA, jak wiele ich jest oraz czy występują mutacje wskazujące na oporność na pewne grupy leków”.

Od danych genetycznych do skanów pacjenta

Ambicje twórców sięgają dalej. Następne wersje modelu mają wchłonąć dane kliniczne: wyniki skanów obrazowych oraz historię z elektronicznych kart zdrowia. Zintegrowanie AI z radiogenomiką to trend, który — według Florence Healthcare — już teraz usprawnia decyzje terapeutyczne. Ideker uważa, że modele fundamentalne dla genomu nowotworu sprawią, że onkologia precyzyjna przestanie być nauką o rzadkich wyjątkach, a stanie się standardem opartym na twardych, biologicznych faktach dla każdego pacjenta.