機械学習アプローチは精密医療治療をカスタマイズするのに役立つ可能性がある

2024 年 4 月 2 日 – アリゾナ州立大学の研究チームは、患者の免疫システムが病原体や他の外来細胞を認識するかどうかを予測できる機械学習 (ML) モデルを開発したと発表した。 勉強 先週公開された 細胞システム。

ヒト白血球抗原 (HLA)-Inception と呼ばれるこのツールは、個別化された分子相互作用情報を使用して、 主要組織適合性複合体-1 (MHC-1) 免疫反応に影響を与えます。

MHC-1 タンパク質は、免疫系が外来細胞を認識する能力において重要な役割を果たします。

このタンパク質は細胞表面に存在し、そこで免疫系の認識と攻撃のために外来ペプチドに結合して提示します。 どの MHC-1 がどのペプチドと結合するかを予測できることは、免疫療法や精密医療の進歩に役立つ大きな可能性を秘めています。

しかし、研究者らは、MHC-1は多数の対立遺伝子を持ついくつかの遺伝子によってコードされており、これらの分子の何千もの異なるバージョンがヒト集団に存在することになると指摘した。 各 MHC-1 はペプチド断片と異なる方法で相互作用するため、予測モデルの開発が困難になります。

これに対処するために、研究チームは 5,821 個の MHC-1 対立遺伝子を分析し、これらの分子が外来ペプチドとどのように結合するかを明らかにしました。 研究者らは、タンパク質の表面に存在する静電的特徴を使用して、11 の異なる MHC-1 クラスを特定することに成功しました。

この分析により、さまざまな範囲の MHC-1 を持つ個人は、一部のがん治療で生存する可能性が高いことがさらに明らかになりました。

これらの洞察は、個人の免疫系が外来細胞にどのように反応するかを予測するために使用できる可能性があります。

「人間が生まれつき持っている分子の詳細に基づいて、特定の抗がん剤に対する生存率など、患者の病理学的転帰を予測することができます」と筆頭著者でASU大学院助教授のアビシェク・シンハロイ博士は述べた。分子科学では、 ニュースリリース。 「このツールを使用すると、数日かかっていた作業が数秒で完了します。」

「これは学術界の限界を超えた影響力のある研究です」とシンハロイ氏は続けた。 「今の私たちの技術は世界最速です。」

研究チームはさらに、彼らの予測モデルががんなどの症状の治療計画を個別化するのに役立つ可能性があることを強調した。

「医療における機械学習の継続的な統合は、治療のリスクを軽減し、個別化するのに役立ちます」と、研究に貢献したマウントサイナイのアイカーン医科大学の博士研究員エリック・ウィルソン博士は述べた。 「機械学習と AI は、候補を決定するための費用のかかる実験の必要性を排除することで、より幅広い患者集団に対する新しい治療法の利用しやすさを向上させることができます。」

研究者がこれらの急速に進歩するテクノロジーの可能性を探求するにつれて、精密医療研究における AI および ML ベースのツールの適用は拡大し続けています。

3月、セントルイスのワシントン大学医学部の研究者らは、 詳しい どの非小細胞肺がん（NSCLC）患者が脳転移を経験する可能性が高いかを予測するための深層学習（DL）アプローチの開発。

これらの患者のかなりの部分で脳転移が発生しているが、研究チームは現在、リスクの高い患者を特定する信頼できる手段がないことを強調した。

これに対抗するために、研究者らは患者の肺の病理組織画像を使用して脳転移リスクを予測するDLアルゴリズムを訓練した。 このツールは、病理学者が見落とす可能性のある異常な画像特徴を特定することに成功し、脳転移リスクにフラグを立てるという任務を負った臨床医を上回りました。