یادگیری ماشینی پاسخ بیماران سرطانی به ایمونوتراپی را پیش بینی می کند

ایمونوتراپی یک روش درمانی جدید سرطان است که سیستم ایمنی بدن را برای مبارزه با سلول های سرطانی بدون استفاده از شیمی درمانی یا رادیوتراپی فعال می کند.
این دارو عوارض جانبی کمتری نسبت به داروهای ضد سرطان معمولی دارد زیرا تنها با استفاده از سیستم ایمنی بدن به سلول های سرطانی حمله می کند. علاوه بر این، به دلیل استفاده از حافظه و سازگاری سیستم ایمنی، بیمارانی که از اثرات درمانی آن بهره مند شده اند، نتایج ضد سرطانی پایداری را تجربه می کنند.
مهارکننده بازرسی ایمنی که اخیراً ساخته شده است، میزان بقای بیماران مبتلا به سرطان را به میزان قابل توجهی بهبود بخشیده است. با این حال، مشکل ایمونوتراپی سرطان این است که تنها حدود ۳۰ درصد از بیماران سرطانی از اثر درمانی آن بهره مند می شوند و تکنیک های تشخیصی فعلی به طور دقیق پاسخ بیمار به درمان را پیش بینی نمی کنند.
در این شرایط، تیم تحقیقاتی به رهبری پروفسور سانگوک کیم در POSTECH مورد توجه قرار گرفته است زیرا آنها دقت پیش‌بینی پاسخ بیمار به مهارکننده‌های ایمنی (ICIs) را با استفاده از یادگیری ماشین مبتنی بر شبکه بهبود داده‌اند.
تیم تحقیقاتی با تجزیه و تحلیل نتایج بالینی بیش از ۷۰۰ بیمار مبتلا به سه سرطان مختلف (ملانوم، سرطان معده و سرطان مثانه) و داده های رونوشت بافت های سرطانی بیماران، نشانگرهای زیستی مبتنی بر شبکه جدیدی را کشف کردند.
این تیم با استفاده از نشانگرهای زیستی مبتنی بر شبکه، هوش مصنوعی را با موفقیت توسعه داد که می تواند پاسخ به درمان ضد سرطان را پیش بینی کند. این تیم همچنین ثابت کرد که پیش‌بینی پاسخ درمانی بر اساس بیومارکرهای تازه کشف‌شده نسبت به نشانگرهای زیستی درمان ضد سرطان مرسوم از جمله اهداف ایمونوتراپی و نشانگرهای میکرومحیط تومور برتری دارد.
در مطالعه قبلی خود، تیم تحقیقاتی یادگیری ماشینی را توسعه داده بودند که می تواند پاسخ دارویی به شیمی درمانی را در بیماران مبتلا به سرطان معده یا مثانه پیش بینی کند. این مطالعه نشان داده است که هوش مصنوعی با استفاده از فعل و انفعالات بین ژن ها در یک شبکه بیولوژیکی می تواند با موفقیت پاسخ بیمار را نه تنها به شیمی درمانی، بلکه همچنین ایمونوتراپی در انواع مختلف سرطان را پیش بینی کند.
این مطالعه به شناسایی بیمارانی که از قبل به ایمونوتراپی پاسخ می‌دهند و ایجاد طرح‌های درمانی کمک می‌کند، در نتیجه بیماران بیشتری از درمان‌های سرطان بهره مند می شوند.