Mesterséges intelligencia gyorsítja a rákdiagnosztizálást
A VCU Massey Comprehensive Cancer Center kutatói egy új algoritmust fejlesztettek ki, amely forradalmi eszköz lehet a betegek számára a legjobb kezelési lehetőségek meghatározásában – mind a rákkezelés, mind a gyógyszerfelírás terén. A Nature Communications folyóiratban nemrég megjelent cikkben Jinze Liu, Ph.D., és Kevin Byrd, D.D.S., Ph.D. bemutatták a Threshold-based Assignment of Cell Types from Multiplexed Imaging Data (TACIT) nevű algoritmust, amely a sejtek identitását a sejtmarkerek expressziós profilja alapján határozza meg. A TACIT a sejtek azonosításának idejét a korábbi több mint egy hónapról néhány percre csökkenti, értékes időt és erőforrásokat takarítva meg a kutatóknak.
A Liu, a Massey kutatója és a VCU School of Public Health biostatisztikai tanszékének professzora és Byrd, a Massey társult kutatója és a VCU Fogorvostudományi Kar száj- és koponyamolekuláris biológia tanársegédje alkotta TACIT több mint 5 millió sejt adatát használja fel a főbb testrendszerekből, például az agyból, a belekből és a szájmirigyekből, hogy megkülönböztesse a sejteket, így kiváló pontosságot és skálázhatóságot biztosít a korábbi modellekhez képest, amelyek gyakran nem képesek elkülöníteni az egyes sejtpopulációkat a korlátozott marker-készletek miatt.
Mesterséges intelligenciát használunk a hatékonyság és a diagnózis pontosságának növelése érdekében. Ahogy egyre több adatot gyűjtünk, a TACIT képessége a pozitív betegeredmények növelésére csak megsokszorozódik – mondtaJinze Liu, Ph.D., a Massey kutatója
Közleményükben Liu és Byrd bemutatták, a TACIT miben teljesített jobban három meglévő, felügyelet nélküli módszernél a pontosság és a skálázhatóság tekintetében, miközben integrálta a sejttípusokat és állapotokat új sejtkapcsolatok feltárása érdekében. A TACIT erős egyezést mutatott a különböző típusú tesztek – például genetikai és fehérjeadatok – között, ami megbízhatóbbá tette az eredményeket. A betegek számára ez azt jelentheti, hogy hamarabb kapnak diagnózist, és elkerülhetik a felesleges kezeléseket, vagy olyan klinikai vizsgálatba kerülnek, amely nagyobb valószínűséggel segít rajtuk. Az orvosok számára pedig hatékony módszert nyújt arra, hogy nyomon kövessék, mi is történik valójában a testben.
A TACIT alkalmazási területei széles körűek. „Tudósokként az egyik célunk, hogy jó térbeli biomarkereket azonosítsunk a klinikai vizsgálatokhoz, hogy még a betegek bevonása előtt megjósolhassuk a vizsgálatra adott reakciójukat” – mondta Liu. „Már több vezető kutatóval is együttműködünk a [VCU] campusán, hogy a térbeli biológiát beépítsük a klinikai vizsgálatokba, és a TACIT segítségével biztosíthatjuk, hogy a klinikai vizsgálatokban részt vevő betegek a lehető legjobb kezelést kapják.”
Byrd hozzátette: „A TACIT segítségével kiválaszthatjuk a megfelelő betegeket a vizsgálatba, és ami ugyanolyan fontos, elkerülhetjük, hogy a nem megfelelő betegek kerüljenek be. Eddig nem volt alkalmas eszközünk, de ez nagyon hatékony megoldás.”
Liu és Byrd a TACIT előnyeit a farmakológiai környezetben is látják, ahol az algoritmus az RNS-markereket felhasználva segítheti az ellátást.
„Ha egy betegnek azt mondjuk, hogy nem vehet részt a klinikai vizsgálatban, az nem túl jó hír, különösen, ha más lehetőséget nem tudunk kínálni” – mondta Byrd. „De ezek az RNS-markerek valójában nagyon jók és skálázhatók, ami lehetővé teszi számunkra, hogy megjósoljuk, mely gyógyszerek és eredmények lehetnek hasznosak a betegek számára.
Rendelkezünk egy nagy adatbázissal az FDA által jóváhagyott gyógyszerekről, amelyeket a szövetmintákhoz rendelhetünk. Így azt mondhatjuk a betegnek: Itt van egy az FDA által már jóváhagyott gyógyszer. Így az a beteg nem kerül be egy olyan új, kísérleti gyógyszer klinikai vizsgálatába, amilyenre talán nincs szüksége.
Ezenkívül a TACIT több térbeli biológiai alkalmazásban is működik, ami lehetővé teszi Liu és Byrd számára, hogy a meglévő adatkészletekre építve tovább fejlesszék az algoritmus működését. „Néha viccelünk azzal, hogy a TACIT olyan, mint a Rosetti-kő” – mondta Byrd. „Láthatjuk, hogy ezek a különböző adattípusok hogyan válnak egy nyelvvé, és mi erre építhetünk. Hatalmas lehetőségek rejlenek a TACIT sokféle felhasználásában, a fehérjéktől a szervrendszerekig és a különböző betegségtípusokig.”