Predicția răspunsului la imunoterapie prin învățare automată

Putem spune că cel mai important dezavantaj al imunoterapiilor, noile favorite ale tratamentelor oncologice, este dificultatea de a anticipa la ce pacient vor funcționa. O echipă de cercetare folosește, pentru a identifica pacienții care vor răspunde mai bine la imunoterapie, o aplicație de învățare automată , din domeniul inteligenței artificiale . Într-un studiu recent realizat de Leiserson și colegii săi, publicat în PLOS Oneîn decembrie 2018, echipa a utilizat date obținute dintr-un studiu clinic cu pacienți cu cancer de vezică urinară și a prezis corect care pacienți vor prezenta un răspuns imun. Mai mult, s-a arătat că această abordare ar putea preveni și jumătate dintre tratamentele excesive.

Imunoterapiile care utilizează propriul sistem imunitar al pacientului pentru tratamentul cancerului au oferit rezultate revoluționare în ultimii ani, însă majoritatea funcționează doar pentru o minoritate dintre pacienți. Îmbunătățirea utilizării imunoterapiei și reducerea costurilor depind de o predicție mai precisă a pacienților care vor beneficia.

Mark Leiserson, profesor de informatică la Universitatea din Maryland, împreună cu cercetători de la Microsoft Research și Memorial Sloan Kettering Cancer Center, a testat, pentru a prezice mai bine răspunsul la imunoterapie, o nouă abordare de modelare computerizată care analizează un volum mare de date despre pacienți și tumorile lor.

Modelul computerizat multifactorial dezvoltat de dr. Leiserson și echipa sa îi include pe 100% dintre cei care beneficiază de tratament, deși îi include și pe 38% dintre cei care nu beneficiază. Cu alte cuvinte, precizia programului este crescută în raport cu cei care beneficiază. Aspectul important este utilizarea a 3 tipuri diferite de date care nu sunt luate în considerare în tratamentele și studiile oncologice standard: datele genetice ale tumorii, datele celulelor sistemului imunitar și datele clinice ale pacientului.

Până acum, cercetările privind imunoterapia s-au concentrat pe găsirea unui „singur” biomarker pentru a anticipa la ce pacient vor funcționa aceste medicamente. Poate că tocmai aici se afla greșeala, deoarece un biomarker sau unul-doi nu erau suficienți pentru a prezice răspunsul la imunoterapie. Se pare că această problemă poate fi rezolvată prin analiza mai multor factori cu ajutorul învățării automate.

Pentru a construi modelele computerizate, dr. Leiserson și echipa sa au analizat date dintr-un studiu clinic în cancerul de vezică urinară, utilizând un set de date de o bogăție unică, ce reunea informații despre celulele tumorale, celulele imunitare și pacienți. Modelelor le-au fost definite 36 de caracteristici diferite.

În partea stângă a figurii de mai jos pot fi văzute 36 de caracteristici din 3 categorii diferite:

Algoritmul obținut a identificat, analizate împreună, caracteristici care explică 79% din răspunsul pacientului la imunoterapie , în număr de 20. Până acum, niciun biomarker nu a putut prezice răspunsul la imunoterapie în această proporție.

Cercetătorii au descoperit și că, dacă eliminau din model oricare dintre cele trei categorii de date — date tumorale, date ale celulelor imunitare sau date clinice ale pacientului — răspunsul imun nu mai era predictibil, iar „ziua de predicție” a modelului scădea la 23%. Dr. Leiserson a subliniat aici importanța bazării pe o abordare multilaterală, mai degrabă decât pe cele 20 de caracteristici în sine.

Caracteristicile identificate ar putea să nu fie singurele care pot fi folosite pentru a prezice modul în care pacientul va răspunde la imunoterapie. Acești factori se pot schimba, însă trebuie luate în calcul toate cele trei categorii: tumora, celulele sistemului imunitar și datele clinice ale pacientului.

În concluzie, acest studiu reprezintă o contribuție importantă la eforturile actuale din domeniul oncologiei de precizie , care urmăresc adaptarea tratamentelor la profilurile genetice și moleculare ale tumorilor pacienților.