Süd vəzi xərçəngində süni intellektlə müalicəyə cavabın proqnozlaşdırılması

Süd vəzi xərçəngində fərdiləşdirilmiş müalicə və süni intellekt

Süd vəzi xərçəngi müxtəlif alt tipləri olan xəstəlikdir. Bəzi şişlər hormonlara həssas olur (məsələn, estrogen və ya progesteron reseptoru müsbət şişlər), digərləri isə “HER2” adlanan zülalın artıqlığı hesabına böyüyə bilər. Xüsusilə “HR müsbət, HER2 mənfi” ən çox rast gəlinən alt tipdir. Bu alt tip metastatik olduqda, müalicə adətən hormonları basqılayan dərmanlarla yanaşı CDK4/6 inhibitorları adlanan xüsusi preparatlarla aparılır. Bu kombinasiya çox vaxt müalicə nəticələrini yaxşılaşdırsa da, hər xəstə ondan eyni dərəcədə fayda görmür.

Bəs niyə bəzi xəstələr müalicəyə yaxşı cavab verir, digərləri isə gözlənilən səviyyədə fayda görmür?

Məhz burada “süni intellekt” işə düşür. Süni intellekt insan zəkasını təqlid edərək mürəkkəb problemləri həll edə bilən kompüter sistemlərini ifadə edir. Maşın öyrənməsi isə süni intellektin bir qoludur: kompüter sistemlərinin məlumat təhlili vasitəsilə təcrübə toplamasına, bu məlumatlardan öyrənərək proqnoz verməsinə imkan yaradır. Başqa sözlə, maşın öyrənməsi sayəsində sistemlər əvvəlcədən proqramlaşdırılmış qaydalara ehtiyac duymadan, məlumatlardan əldə etdikləri qanunauyğunluqlar əsasında öz qərar mexanizmlərini inkişaf etdirə bilirlər.

San Antonio Süd Vəzi Xərçəngi Simpoziumunda (SABCS 2024) təqdim edilən və Memorial Sloan Kettering Xərçəng Mərkəzinin hazırladığı maşın öyrənməsi modeli xəstələrin klinik (məsələn, yaş və metastaz vəziyyəti) və genomik (genetik mutasiyalar kimi) məlumatlarını təhlil edərək kimin müalicəyə daha yaxşı cavab verəcəyini proqnozlaşdırmaq üçün yaradılıb. Məqsəd lazımsız yan təsirlərdən və müalicə xərclərindən yayınaraq xəstələrə ən təsirli müalicə planını təqdim etməkdir.

Bu yeni model sayəsində xəstələr artıq “genetik quruluşum və klinik xüsusiyyətlərim nəzərə alınarsa, mənim üçün ən uyğun müalicə planı hansıdır?” sualına daha aydın cavab tapa biləcəklər. Belə fərdiləşdirilmiş yanaşmalar həm həkimlər, həm də xəstələr üçün süd vəzi xərçənginin müalicəsində ümidverici dövrün başlanğıcından xəbər verə bilər.

Tədqiqatın təfərrüatları

Tədqiqat aləti: OncoCast-MPM

Memorial Sloan Kettering Xərçəng Mərkəzinin hazırladığı bu maşın öyrənməsi modeli klinik və genomik məlumatları birləşdirərək xəstəliyin gedişini proqnozlaşdırıb. Tədqiqatda üç fərqli model qurulub:

1. Klinikopatoloji məlumatlara əsaslanan model
2. Genomik məlumatlara əsaslanan model
3. Klinik və genomik məlumatları birləşdirən model

Xəstə qrupları və istifadə olunan məlumatlar

• Öyrətmə qrupu: 761 xəstə
• Sınaq qrupu: 326 xəstə
• İstifadə edilən genomik analiz: MSK-IMPACT testi (müalicədən əvvəl və ya müalicənin başlanmasından sonrakı 2 ay ərzində şiş nümunələrində gen mutasiyalarının müəyyənləşdirilməsi)

Nəticələr

1. Klinikopatoloji məlumatlara əsaslanan model: Bu model xəstələrin klinikopatoloji xüsusiyyətlərinə görə üç risk qrupuna ayrılmasına imkan verib:

• Yüksək riskli qrup: Median proqressiyasız sağqalım (PFS) müddəti 6,3 ay
• Orta riskli qrup: Median PFS müddəti 15,2 ay
• Aşağı riskli qrup: Median PFS müddəti 24,5 ay

2. Genomik məlumatlara əsaslanan model: Genomik mutasiyalar və biomarkerlər əsasında aparılan təhlildə yenə üç risk qrupu müəyyənləşdirilib:

• Yüksək riskli qrup: Median PFS müddəti 9,9 ay
• Orta riskli qrup: Median PFS müddəti 18,1 ay
• Aşağı riskli qrup: Median PFS müddəti 23,1 ay

3. Birləşdirilmiş (klinik + genomik) model: Bu model klinik və genomik məlumatları birləşdirərək dörd fərqli risk qrupu müəyyənləşdirib:

• Yüksək riskli qrup: Median PFS müddəti 5,3 ay
• Aşağı riskli qrup: Median PFS müddəti 29 ay
• İki aralıq risk qrupu: Median PFS müddətləri 10,7 ay və 19,8 ay

Birləşdirilmiş modelin üstünlüyü

Birləşdirilmiş modelin üstünlüyü yüksək və aşağı riskli qruplar arasındakı fərqi daha aydın göstərməsi olub. Bu modeldə yüksək və aşağı riskli qruplar arasında 6,5 qat fərq aşkarlandığı halda, yalnız klinikopatoloji və ya yalnız genomik məlumatlara əsaslanan modellərdə fərq 3-4 qatla məhdudlaşıb.

Mühüm markerlər

Maşın öyrənməsi modeli aşağıdakı amilləri müalicəyə cavabın müəyyənləşdiriciləri kimi önə çıxarıb:

Genomik markerlər (pis proqnoz göstəriciləri):

• TP53 itkisi: DNA təmirində mühüm rol oynayan genin itkisi
• MYC amplifikasiyası: Hüceyrə çoxalmasını artıran gen nüsxələrinin çoxalması
• PTEN itkisi: Şişi basqılayan genin itkisi
• RTK-MAPK siqnal yollarındakı dəyişikliklər: Hüceyrə böyüməsinin siqnal yollarında mutasiyalar
• RB1 itkisi: CDK4/6 inhibitorlarına müqavimətin yaranmasında rol oynayır
• Bütün genomun duplikasiyası: Genetik materialın ikiqat artması
• Yüksək heteroziqotluq itkisi: Genetik müxtəlifliyin azalması

Klinik markerlər:

• Qaraciyər metastazı
• Müalicəsiz keçən müddətin 1 ildən qısa olması
• Progesteron reseptorunun mənfi olması
• Estrogen reseptorunun aşağı ekspressiyası
• Visseral (daxili orqan) metastazların olması

Bu amillərin metastatik diaqnoz zamanı asanlıqla müəyyənləşdirilməsi modelin klinikada geniş tətbiqinə imkan verir.

Gələcək tətbiqlər və planlar

Belə modellər müalicə strategiyalarını yenidən formalaşdıra bilər. Yüksək risk qrupundakı xəstələrdə:

• Yaxın klinik izləmə
• Maye biopsiya və şiş mənşəli biomarkerlərlə xəstəliyin gedişinin izlənməsi
• İkinci xətt müalicə və klinik tədqiqat seçimlərinə erkən yönləndirmə

Tədqiqat retrospektiv, yəni keçmiş məlumatlara əsaslanan təhlil olduğundan model daha geniş xəstə qrupunda təsdiqlənməlidir. Buna görə MSK komandası hazırda modeli xarici məlumat dəstləri ilə yoxlayır və klinisistlərin istifadəsinə verilə biləcək onlayn proqnoz aləti hazırlayır.

Tədqiqatın məhdudiyyətləri

• Təkmərkəzli tədqiqat: Memorial Sloan Kettering Xərçəng Mərkəzinin məlumatları ilə məhdudlaşır.
• Retrospektiv təhlil: Gələcəyə yönəlmiş prospektiv tədqiqatların olmaması.
• Müraciətlə bağlı seçim qərəzi: İxtisaslaşmış xərçəng mərkəzinə müraciət edən xəstələr ümumi əhalidən fərqlənə bilər.

Tədqiqat qrupu bu məhdudiyyətləri aradan qaldırmaq üçün beynəlxalq məlumat bazaları vasitəsilə modelin etibarlılığını artırmağı hədəfləyir.

Nəticə

Bu tədqiqat klinik və genomik məlumatların birləşdirilməsi ilə süd vəzi xərçənginin müalicəsində xəstəyə xas risk qruplarının daha dəqiq müəyyənləşdirilə biləcəyini göstərib. CDK4/6 inhibitorlarının effektivliyini artırmaq üçün fərdiləşdirilmiş müalicə yanaşmalarının hazırlanması süd vəzi xərçənginin müalicəsində yeni dövrün başlanğıcı ola bilər.