doi.org/10.1038/s43018-024-00756-7
Credibilidade: 989
#Câncer
Com mais de 200 tipos de câncer e cada câncer individualmente único, os esforços contínuos para desenvolver tratamentos oncológicos de precisão continuam sendo assustadores. A maior parte do foco tem sido no desenvolvimento de ensaios ou análises de sequenciamento genético para identificar mutações em genes causadores de câncer e, em seguida, tentar combinar tratamentos que possam funcionar contra essas mutações.
Mas muitos, se não a maioria, dos pacientes com câncer não beneficiam destas terapias precoces direcionadas.
Em um novo estudo publicado na revista Nature Cancer, o primeiro autor Sanju Sinha, Ph.D., professor assistente do Programa de Terapêutica Molecular do Câncer em Sanford Burnham Prebys, com os autores seniores Eytan Ruppin, MD, Ph.D., e Alejandro Schaffer , Ph.D., do Instituto Nacional do Câncer, parte dos Institutos Nacionais de Saúde (NIH) – e colegas – descrevem um pipeline computacional inédito para prever sistematicamente a resposta do paciente a medicamentos contra o câncer com resolução unicelular .
Chamada de Planejamento Personalizado Baseado em Expressão de Célula Única para Tratamentos em Oncologia, ou PERCEPTION, a nova abordagem baseada em inteligência artificial se aprofunda na utilidade da transcriptômica – o estudo dos fatores de transcrição, as moléculas de RNA mensageiro expressas por genes que transportam e convertem o DNA em informação em ação.
“Um tumor é uma fera complexa e em evolução.
Usar a resolução unicelular pode nos permitir enfrentar esses dois desafios”, diz Sinha.
“O PERCEPTION permite o uso de informações ricas dentro de ômicas unicelulares para compreender a arquitetura clonal do tumor e monitorar o surgimento de resistência.” (Em biologia, ómica refere-se à soma dos constituintes dentro de uma célula.) Sinha diz: “A capacidade de monitorizar o surgimento de resistência é a parte mais emocionante para mim.
Tem o potencial de nos permitir adaptar-nos à evolução do câncer células e até mesmo modificar nossa estratégia de tratamento.” Sinha e colegas usaram a aprendizagem por transferência – um ramo da IA – para construir PERCEPÇÃO.
“Os dados limitados de células únicas das clínicas foram o nosso maior desafio.
Um modelo de IA precisa de grandes quantidades de dados para compreender uma doença, não muito diferente de como o ChatGPT precisa de enormes quantidades de dados de texto extraídos da Internet”, explica Sinha.
O PERCEPTION usa expressão genética em massa publicada de tumores para pré-treinar seus modelos.
Em seguida, dados unicelulares de linhagens celulares e pacientes, embora limitados, foram usados para ajustar os modelos.
O PERCEPTION foi validado com sucesso prevendo a resposta à monoterapia e ao tratamento combinado em três ensaios clínicos independentes publicados recentemente para mieloma múltiplo, câncer de mama e de pulmão.
Em cada caso, o PERCEPTION estratificou corretamente os pacientes em categorias respondentes e não respondedores.
No câncer do pulmão, capturou até o desenvolvimento de resistência aos medicamentos à medida que a doença progredia, uma descoberta notável com grande potencial.
Sinha diz que o PERCEPTION não está pronto para uso clínico, mas a abordagem mostra que as informações unicelulares podem ser usadas para orientar o tratamento.
Ele espera incentivar a adoção desta tecnologia em clínicas para gerar mais dados, que podem ser usados para desenvolver e refinar ainda mais a tecnologia para uso clínico.
“A qualidade da previsão aumenta com a qualidade e quantidade dos dados que servem de base”, diz Sinha.
“Nosso objetivo é criar uma ferramenta clínica que possa prever a resposta ao tratamento de pacientes com câncer individuais de maneira sistemática e baseada em dados.
Esperamos que essas descobertas estimulem mais dados e mais estudos desse tipo, mais cedo ou mais tarde.”
Publicado em 20/04/2024 21h24
Artigo original:
Estudo original: