科学者たちは人工知能を使用して、がん研究における最も困難な課題の 1 つに取り組みました
カリフォルニア大学サンディエゴ医学部の科学者は、人工知能を活用して世界の最も困難な課題の 1 つに取り組みました。 がん研究: がんが化学療法に対する耐性を獲得する時期を予測します。
化学療法治療
がん細胞を含むすべての細胞は、細胞分裂中に DNA を複製するために複雑な分子機構に依存しています。 ほとんどの化学療法治療は、急速に分裂する腫瘍細胞におけるこの DNA 複製プロセスを破壊します。
しかし、腫瘍内には広範囲にわたる変異があるため、腫瘍がこれらの治療にどのように反応するかを予測することは困難でした。
遺伝子変異の解析
機械学習アルゴリズムは、遺伝子変異が集合的に DNA 複製阻害薬に対する腫瘍の反応にどのような影響を与えるかを分析します。
子宮頸がん腫瘍のモデルをテストする中で、チームは一般的に使用される化学療法薬であるシスプラチンに焦点を当てました。
このモデルは反応を正確に予測し、治療抵抗性のリスクが最も高い腫瘍を特定しました。 また、この抵抗を引き起こす複雑な分子機構も特定されました。
カリフォルニア大学サンディエゴ医学部医学部教授のトレイ・アイデカー博士は、この成果の重要性を強調しました。 「人工知能は私たちの理解のギャップを埋め、何千もの突然変異の複雑な配列を一度に分析できるようにします」とアイデカー氏は述べた。 孤立した変異に焦点を当てたこれまでのアプローチとは異なり、このアルゴリズムは腫瘍のより広範な遺伝的状況を考慮します。
DNA複製
多くの抗がん剤の標的である DNA 複製の複雑さは、腫瘍が治療にどのように反応するかを理解する上での限界となってきました。
Ideker 氏は、「このシステムの一部に変異があると、腫瘍全体が化学療法にどのように反応するかが変化する可能性があります。」と説明しました。 研究者らは、がん分類のための臨床遺伝子検査で頻繁に使用される 718 個の遺伝子の標準セットに焦点を当てました。
これらの遺伝子内の変異を入力として使用して、機械学習モデルが公的にアクセス可能な薬物反応データでトレーニングされ、遺伝子変化が薬効に影響を与える 41 個の分子集合体が明らかになりました。
「がんは、多くの相互接続された要素によって引き起こされるネットワークベースの病気ですが、治療抵抗性を予測するためのこれまでの機械学習モデルは必ずしもこれを反映しているわけではありません」とアイデカー氏は強調した。
子宮頸癌
個々の遺伝子やタンパク質に焦点を当てるのではなく、 モデルが評価する がんの生存に不可欠なより広範な生化学ネットワーク。
研究者らは、腫瘍の約 35% が治療後も残存する子宮頸がんでモデルをテストし、患者の転帰の改善に関連する感受性の高い腫瘍を特定する精度が高いことを確認しました。
このモデルはまた、治療に抵抗する可能性がある腫瘍に効果的にフラグを立て、臨床医に貴重な洞察を提供しました。
このモデルは、予測機能を超えて、意思決定プロセスの透明性を提供しました。 アイデカー氏は、「AIモデルの意思決定プロセスを解明することは極めて重要であり、時には予測そのものと同じくらい重要だ」と述べ、この機能の重要性を強調した。
透明性はモデルへの信頼を構築するだけでなく、モデルが特定した分子集合体の中から化学療法の潜在的な新しい標的を特定します。
この研究は、がんとの闘いにおける注目すべき進歩を示しており、個々の患者に合わせた治療において AI が重要な役割を果たす未来を垣間見ることができます。
編集者の 推奨 記事
1705659747
#ががん治療の秘密を明らかにする
2024-01-19 10:02:37