ミシガン大学 勉強 1 月 6 日に公開された、機械学習を使用した デジタルツイン 脳腫瘍によって活性化される代謝経路を明らかにするための神経膠腫のレプリカ。 神経膠腫 — 神経系のグリア組織で構成される腫瘍 — 攻撃性が高く、複雑です。
ミシガン・デイリー紙とのインタビューで、放射線腫瘍学の准教授で研究共著者のダニエル・ウォール氏は、デジタルツイン技術により研究者は患者の脳のデジタルコピーを医学的に操作できると述べた。
「デジタルツインとは、現実世界に存在する何らかの物理的資産を仮想的に表現したものです」とワール氏は語った。 「システムを仮想的に表現すると、それを仮想的に研究したり摂動させたりできるため、変更を加えた場合に現実のシステムに何が起こるかを判断できます。」
代謝依存性 の研究に焦点を当てた研究領域です。 代謝因子 各腫瘍に存在します。これらは、がん細胞がエネルギーを生成し、新しいバイオマスを構築する方法を再配線する遺伝的、環境的、分子的要因です。
化学工学博士課程の学生で研究共著者のバハラン・メグダディ氏は、デイリー紙とのインタビューで、研究者らは腫瘍の増殖の2つの方法、ヌクレオチド合成とセリン消費を特に調べたと説明した。ヌクレオチド合成では、腫瘍は増殖するために DNA と RNA の構成要素であるヌクレオチドを生成します。研究チームはまた、腫瘍の成長と発達をサポートするアミノ酸であるセリンの腫瘍による消費についても調べた。
メグダディ氏は、人工知能双子モデルは研究者がこれら 2 つの経路を区別し、どのような外部要因がそれらを促進するかを判断するのに役立つと述べた。研究者らはマウスの臨床試験でAIツイン技術を使用し、特定のマウスがセリン生成により依存していることを発見した。その後、研究者らはマウスの食事を調整してセリン摂取量を制限し、それに応じて腫瘍サイズを縮小させた。
「機械学習モデルは、やはり、これらの経路を区別し、各患者におけるこれらの各経路の寄与を見つけることができます」とメグダディ氏は述べた。 「そして、モデルの予測に基づいて…それらのマウスにセリン、グリシンを含まない食餌を使用したところ、それがそれらのマウスの腫瘍サイズを縮小するのに役立ちました。そして、その実験は私たちのモデルの予測を検証しました。」
セリン-グリシン代謝モデルは、前臨床研究で初めて検証されたAIを活用した「デジタルツイン」を使用して臨床試験でテストできる可能性があります。
各患者の治療計画を立てるために、研究者は 第一原理モデル 基本的な生化学法則に基づいています。彼らは、腫瘍が栄養素をどのように処理するかをシミュレートするために、質量平衡制約と既知の代謝経路に基づいて、化学量論的および同位体モデルを開発しました。これらのモデルは、デジタル ツインの中核フレームワークを形成しました。
これらのシミュレーションに続いて、患者の腫瘍細胞データを組み合わせて、単一細胞レベルで代謝活性を測定します。この「フラックス」分析により、医師は各腫瘍の特定の代謝プロファイルをより深く理解し、それに応じて治療を調整できるようになります。
ワール氏は、この技術はさまざまな代謝経路のギャップに答えるために開発されたもので、治療計画の作成に非常に役立つことが証明されていると述べた。
「『がんにおいて代謝経路が活性化しているのか』ということを実際に問う方法はありません」とワール氏は言う。 「そして、もし私たちが代謝療法を開発しようとしているのなら、誰に（それぞれ）投与すればよいのか分からないのです。そして、それが私たちがこれを開発した理由です。今では、『患者 1 にはこの経路が活性化しているので、この経路をブロックすることができます。患者 2 には活性がないのでしょうか？ そうですね、その薬を使用すべきではありません。何か別のことをすべきです。』と言えるようになりました。」
生物医工学教授でこの研究の共著者であるディーパック・ナグラス氏はデイリー紙とのインタビューで、この研究のAIモデルは患者データのギャップを埋め、脳腫瘍に特有の代謝因子に基づいて個別化された治療計画を作成するのに役立つと述べた。
「私たちのモデルは、このデジタルツインを開発するために利用可能なデータを使用します」とナグラス氏は言います。 「限られた患者データを直接使用したい場合、患者の体内の生体内代謝を推定することはできません。しかし、第一原理モデルと組み合わせたこの機械学習ベースのアプローチを使用することで、データのインポートを拡張して行うことができ、利用可能な患者データの範囲を拡大し、いくつかの問題に対処することができます。」
この研究には8人の患者しか含まれていなかったため、患者プールを拡大することは、腫瘍学者がこの技術をより頻繁に使用できるように準備するための第一歩であり、患者の腫瘍増殖につながる要因をより適切に特定し、どの治療法が効果的かを判断できるようにするための第一歩であるとNagrath氏は述べた。
「データは 8 人の患者についてのみ利用できましたが、理想的には数百人の患者が必要です」と Nagrath 氏は言いました。 「しかし、私たちが成長し、利用可能なリソースがあれば、それを使用できるようになります。」
関連記事
1771303969
#UMichの研究者が患者の脳腫瘍のデジタルAIコピーを作成
2026-02-17 04:08:00