Ερευνητές στη Γερμανία ανέπτυξαν ένα καινοτόμο μοντέλο τεχνητής νοημοσύνης, το οποίο υπόσχεται ακριβέστερη και ασφαλέστερη διάγνωση καρκινικών όγκων. Το μοντέλο αξιοποιεί συγκεκριμένα χαρακτηριστικά του γενετικού υλικού των όγκων — το επιγενετικό τους αποτύπωμα, το οποίο μπορεί να ληφθεί, για παράδειγμα, από εγκεφαλονωτιαίο υγρό. Σύμφωνα με μελέτη που δημοσιεύθηκε στο περιοδικό «Nature Cancer», το νέο αυτό μοντέλο ταξινομεί τους όγκους γρήγορα και με εξαιρετική αξιοπιστία.
Κάθε όγκος έχει τα δικά του χαρακτηριστικά: συγκεκριμένα ιστολογικά γνωρίσματα, ρυθμούς ανάπτυξης και μεταβολικές ιδιαιτερότητες. Ωστόσο, όγκοι με παρόμοια μοριακά χαρακτηριστικά μπορούν να ομαδοποιηθούν. Η θεραπεία κάθε μορφής καρκίνου εξαρτάται σε μεγάλο βαθμό από τον ακριβή τύπο όγκου.
Οι σύγχρονες, στοχευμένες θεραπείες απευθύνονται σε συγκεκριμένες δομές των καρκινικών κυττάρων ή μπλοκάρουν μονοπάτια σηματοδότησης προκειμένου να σταματήσουν την παθολογική ανάπτυξη ιστού. Η χημειοθεραπεία μπορεί να εξατομικευτεί ανάλογα με τον τύπο του όγκου, τόσο ως προς την επιλογή του φαρμάκου όσο και ως προς τη δοσολογία. Για ορισμένους σπάνιους τύπους καρκίνου, οι ασθενείς μπορεί να έχουν πρόσβαση σε πειραματικές θεραπείες μέσω κλινικών δοκιμών που διερευνούν νέες θεραπευτικές προσεγγίσεις.
«Σε μια εποχή εξατομικευμένης και ραγδαία εξελισσόμενης ογκολογίας, η ακριβής διάγνωση σε πιστοποιημένα ογκολογικά κέντρα είναι το κλειδί για επιτυχή θεραπεία», δήλωσε ο καθηγητής Μάρτιν Κράις, ιατρικός διευθυντής στο νοσοκομείο Charité–Universitätsmedizin στο Βερολίνο, ο οποίος ανέπτυξε το μοντέλο μαζί με την ομάδα του.
Ενώ μια ολοκληρωμένη μοριακή, κυτταρική και λειτουργική ανάλυση ενός όγκου με βάση δείγματα ιστού παρέχει τις απαραίτητες πληροφορίες, οι γιατροί έρχονται επίσης αντιμέτωποι με περιπτώσεις στις οποίες δεν είναι δυνατόν ή είναι πολύ επικίνδυνο να εξαχθούν δείγματα ιστού από τον όγκο. Επιπλέον, ακόμη και η ιστολογική εξέταση από μόνη της δεν είναι ικανή να παράσχει τόσο ακριβή διάγνωση όσο το νέο μοντέλο τεχνητής νοημοσύνης, σύμφωνα με τους ερευνητές.
Ανάλυση DNA αντί ιστού
Μια καινοτόμος διαγνωστική μέθοδος για τους εγκεφαλικούς όγκους βασίζεται στις επιγενετικές τροποποιήσεις του γενετικού υλικού — μια μορφή «κυτταρικής μνήμης» που καθορίζει ποια γονίδια ενεργοποιούνται ή απενεργοποιούνται και σε ποια χρονική στιγμή.
«Εκατοντάδες χιλιάδες επιγενετικές τροποποιήσεις λειτουργούν ως διακόπτες ενεργοποίησης ή απενεργοποίησης γονιδιακών τμημάτων. Το μοτίβο τους αποτελεί ένα μοναδικό, ανεξίτηλο αποτύπωμα», εξήγησε ο Δρ. Φίλιπ Γιουσκίρτσεν, επικεφαλής της μελέτης.
«Στα καρκινικά κύτταρα, η επιγενετική πληροφορία μεταβάλλεται με χαρακτηριστικό τρόπο. Με βάση τα προφίλ τους, μπορούμε να διακρίνουμε μεταξύ των όγκων και να τους ταξινομήσουμε» πρόσθεσε.
Στην περίπτωση των όγκων του εγκεφάλου, ακόμη και ένα δείγμα του εγκεφαλονωτιαίου υγρού είναι αρκετό σε ορισμένες περιπτώσεις, και μπορεί να ληφθεί σχετικά εύκολα -αποφεύγοντας εντελώς τη χειρουργική επέμβαση. Η ανάλυση και σύγκριση αυτών των αποτυπωμάτων με χιλιάδες άλλα γνωστά προϋποθέτει τη χρήση αλγορίθμων μηχανικής μάθησης, λόγω της πολυπλοκότητας και του όγκου των δεδομένων.
Ένα αξιόπιστο μοντέλο
Το νέο μοντέλο τεχνητής νοημοσύνης ονομάζεται crossNN και βασίζεται σε αρχιτεκτονική απλού νευρωνικού δικτύου. Εκπαιδεύτηκε σε μεγάλο αριθμό δεδομένων και δοκιμάστηκε σε πάνω από 5.000 όγκους.
«Το μοντέλο μας επιτρέπει εξαιρετικά ακριβή διάγνωση εγκεφαλικών όγκων στο 99,1% των περιπτώσεων και είναι πιο ακριβές από τις υπάρχουσες λύσεις τεχνητής νοημοσύνης», δήλωσε ο ερευνητής.
«Επιπλέον, καταφέραμε να το εκπαιδεύσουμε ώστε να μπορεί να διακρίνει πάνω από 170 τύπους όγκων, επιτυγχάνοντας ακρίβεια 97,8%. Αυτό σημαίνει ότι μπορεί να χρησιμοποιηθεί για καρκίνους όλων των οργάνων, εκτός από τους σχετικά σπάνιους όγκους του εγκεφάλου» συμπλήρωσε.
Ο αποφασιστικός παράγοντας για μελλοντικές εγκρίσεις σε κλινικές εφαρμογές είναι ότι τα μοντέλα πρέπει να είναι πλήρως εξηγήσιμα, δηλαδή πρέπει να είναι δυνατόν να γίνει κατανοητός ο τρόπος με τον οποίο λαμβάνονται οι αποφάσεις.
Η ομάδα σχεδιάζει κλινικές δοκιμές σε συνεργασία με το Γερμανικό Κέντρο Έρευνας Καρκίνου (DKTK), καθώς και πιλοτική χρήση του συστήματος κατά τη διάρκεια χειρουργείων. Στόχος είναι η μετάβαση αυτής της ακριβούς και σχετικά οικονομικής διαγνωστικής μεθόδου στην κλινική φροντίδα.
