Schopnosť kombinovať dáta z viacerých zdrojov môže pomáhať nielen onkologickým pacientom

Vybrať vhodný typ liečby a vysloviť prognózu u pacienta s rakovinou môže byť ťažké. Odborník musí brať do úvahy mnoho faktorov, okrem iného anamnézu pacienta, gény a patológiu ochorenia. Ručná integrácia týchto dát z rôznych zdrojov je však náročná, navyše odborníci často priznávajú subjektívny smer hodnotenia týchto kritérií. S integráciou informácií do rozhodovania o starostlivosti o pacienta by lekárom mohla v budúcnosti pomáhať umelá inteligencia. Nová štúdia od výskumníkov z Mahmood Lab v Brigham and Women’s Hospital predstavila model proof-of-concept, tzv. overovací model. Ten využíva umelú inteligenciu na kombináciu viacerých typov dát z rôznych zdrojov a následne na predpovedanie výsledkov liečby pacientov so 14 rôznymi typmi rakoviny.

Prognóza od Al

Odborníci kvôli predpovedi, ako sa bude onkologickému pacientovi dariť, analyzujú mnoho dát. Tieto včasné vyšetrenia sa potom stávajú základom rozhodovania o zaradení pacienta do klinickej štúdie alebo špecifických liečebných režimov. Autori štúdie sa rozhodli multimodálnu predpoveď odborníka o budúcom stave pacienta vyriešiť výpočtom. Prostredníctvom nových modelov Al odhalili spôsob, ako výpočtom integrovať niekoľko foriem diagnostických informácií a získať tak presnejšie predpovede výsledkov. Modely umelej inteligencie preukazujú schopnosť robiť prognózy a zároveň odhaľovať prediktívne základy funkcií používaných na predpovedanie rizika pre pacientov – čo je vlastnosť, ktorá by mohla byť využitá na odhalenie nových biomarkerov.

Presnejší vďaka viacerým informáciám

Výskumníci zostavili modely s využitím verejne dostupného zdroja The Cancer Genome Atlas (TCGA), ktorý obsahuje dáta o mnohých rôznych typoch rakoviny. Potom vyvinuli multimodálny algoritmus založený na hlbokom učení, ktorý je schopný učiť sa prognostické informácie z viacerých zdrojov. Najprv však vytvorili samostatné modely pre histologické a genomické dáta, a potom tieto technológie spojili do jedného integrovaného celku. Ten poskytuje kľúčové prognostické informácie. Nakoniec vyhodnotili účinnosť modelu tým, že doň vložili súbory dát o 14 typoch rakoviny a tiež histologické a genomické dáta pacientov. Výsledky ukázali, že modely poskytli presnejšie predpovede výsledkov pacientov než modely zahŕňajúce iba jednotlivé zdroje informácií.

Prekvapivé zistenie

Autori štúdie tak overili, že využitie umelej inteligencie na integráciu rôznych typov klinicky informovaných dát potrebných pre predpoveď výsledkov ochorenia je uskutočniteľné. Modely by mohli vedcom tiež pomôcť lepšie pochopiť, aký typ informácií potrebujú na diagnostiku rôznych typov rakoviny. Sú totiž schopné objasniť patologické a genomické rysy, ktoré určujú prognostické predpovede. Tím navyše zistil, že modely používali imunitné reakcie pacientov ako prognostický marker bez toho, aby na to boli vyškolené. To je zaujímavé zistenie vzhľadom na to, že predchádzajúce výskumy ukazujú, že pacienti, ktorých nádory vyvolávajú silnejšie imunitné reakcie, majú tendenciu dosahovať lepšie liečebné výsledky.

Len začiatok

Model proof-of-concept podľa svojich tvorcov podčiarkol potrebu vytvoriť prognostické modely výpočtovej patológie s omnoho väčšími súbormi dát a s nadväzujúcimi klinickými skúškami zisťujúcimi ich užitočnosť. V budúcnosti chcú autori štúdie začleniť do výskumu ešte viac typov informácií o pacientoch, napríklad rádiologické snímky, rodinné anamnézy či elektronické lekárske 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.

Originálna štúdia: 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