Maşın öyrənməsi ilə immunoterapiyanın cavab verib-verməyəcəyini proqnozlaşdırmaq

Xərçəng müalicəsinin yeni sevimlisi immunoterapiyaların əsas mənfi cəhəti hansı xəstədə işləyəcəyini proqnozlaşdırma çətinliyidir. Komanda yaxşı cavab verəcək xəstəni tapmaq üçün maşın öyrənməsi kimi tanınan süni intellekt tətbiqi işlədir. Leiserson və həmkarlarının PLOS Onejurnalında dekabr 2018-dəki işində komanda sidik kisəsi xərçəngi klinik tədqiqatından məlumatla hansı xəstənin immun cavab verəcəyini düzgün proqnozlaşdırdı. Həmçinin artıq müalicənin yarısını önləyə biləcəyi göstərildi.

Müalicə üçün xəstənin öz immun sistemini işlədən immunoterapiya son illər inqilabi nəticə verib, amma çoxu azlıqda işləyir. İstifadəni yaxşılaşdırıb xərci azaltmaq kimin faydalanacağını düzgün bilməkdən keçir.

Maryland Universitetinin kompüter elmləri professoru Mark Leiserson, Microsoft Research və Memorial Sloan Kettering alimləri cavabı yaxşı proqnozlaşdırmaq üçün xəstə və şişə aid çoxlu məlumatı təhlil edənyeni kompüter modelini sınadılar.

Çoxamilli model faydasızların % 38-ni ehtiva etsə də, fayda görənlərin % 100-nü daxil edir. Yəni dəqiqlik fayda görənlər üzərindən artırılır. Vacibi standart müalicə və tədqiqatda nəzərə alınmayan 3 məlumat növüdür: şiş genetikası, immun hüceyrə məlumatı və xəstənin klinik məlumatı.

İndiyədək araşdırma hansı xəstədə işləyəcəyini bilmək üçün «bir» biomarker tapmağa yönəlib. Bəlkə səhv burada idi; bir və ya bir-iki marker yetmirdi. Bu problem çoxlu amilin maşın öyrənməsi ilə təhlilində həll oluna bilər.

Model üçün Dr. Leiserson və komanda şiş, immun hüceyrə və xəstə məlumatını toplayan bənzərsiz zəngin dəstlə sidik kisəsi klinik tədqiqatını təhlil etdi. 36 xüsusiyyət verildi.

Şəklin solunda 3 kateqoriyada 36 xüsusiyyət görünür:

Alqoritm birlikdə təhlildə xəstənin immunoterapiya cavabının % 79-nu izah edən 20 xüsusiyyət tapdı. İndiyədək heç marker belə proqnoz verməmişdi.

Üç kateqoriyadan biri çıxarılanda immun cavabın proqnoz edilə bilmədiyi, gücün % 23-ə düşdüyü tapıldı. Leiserson bu 20 xüsusiyyətin özündən çox hərtərəfli yanaşmanın önəmini vurğuladı.

Bunlar proqnozda tək xüsusiyyət olmaya bilər. Amillər dəyişə bilər, amma şişi, immun hüceyrəni və klinik məlumatı ehtiva edən üç kateqoriya nəzərə alınmalıdır.

Bu iş müalicəni şişin genetik və molekulyar profilinə uyğunlaşdıran dəqiq onkologiya səylərinə mühüm töhfədir.