Un model lingvistic mare antrenat pe mutații modelează evoluția cancerului și tratamentul

Unul dintre cele mai remarcabile progrese recente ale inteligenței artificiale este ascensiunea modelelor lingvistice mari(LLM – modele de limbaj de mari dimensiuni), care au dobândit o capacitate extraordinară de a înțelege și genera limbaj uman. Mai ales odată cu seria ChatGPT s-a arătat că pot interpreta nu doar texte, ci și concepte științifice complexe și chiar sisteme biologice.

Prin arhitecturile cu miliarde de parametri, LLM au ajuns să poată analiza nu doar limbajul natural, ci și date biomedicale precum secvențe ADN, structuri proteice și variații genetice . Progresul a deschis o eră revoluționară în disciplinele cu multe date, mai ales în oncologie .

Abordările personalizate în cancer, adică „medicina de precizie” , sunt una dintre marile speranțe ale ultimilor ani. Cancerul fiecărui pacient are o semnătură genetică proprie , care determină în mare măsură răspunsul la tratament.

Tehnologiile de secvențiere de nouă generație (NGS) pot detecta mutațiile somatice tumorale, însă descifrarea deplină a semnificației lor clinice rămâne dificilă. Numărul mutațiilor cunoscute care pot fi țintite este limitat, iar multe variante rămân „cu semnificație necunoscută” .

Tocmai aici, LLM, învățând nu doar limbajul natural, ci și limbajul molecular al cancerului, ar putea anticipa evoluția bolii și recomanda cele mai potrivite tratamente. Abordarea poate remodela viitorul oncologiei moderne.

La conferința specială de inteligență artificială și învățare automată a Asociației Americane pentru Cercetarea Cancerului (AACR), a fost prezentat un studiu revoluționar în care dr. John-William Sidhom și echipa sa au anunțat că au dezvoltat, pentru a înțelege cum influențează mutațiile somatice ale fiecărui pacient evoluția cancerului și răspunsul terapeutic, modele lingvistice mari .

Dr. Sidhom arată că, învățând „limbajul” cancerului, modelele ar putea diagnostica tumorile, anticipa prognosticul și recomanda scheme terapeutice individualizate.

Rapoartele NGS actuale pot avea lacune, deoarece cunoștințele cercetătorilor despre mutațiile genomice care pot fi țintite sunt limitate. Multe mutații sunt clasificate drept „variante cu semnificație necunoscută” .

În plus, chiar dacă terapiile țintite vizează un singur determinant genomic, pacienții cu aceiași determinanți pot răspunde diferit. Fiecare boală poate avea și alți factori determinanți. Dr. Sidhom explică faptul că urmăresc tocmai completarea acestei lacune a medicinei de precizie.

Dr. Sidhom a investigat dacă, raționând pe baza mutațiilor și informațiilor dintr-un raport NGS, prognosticul poate fi anticipat și tratamentul sistemic poate fi ghidat de un model lingvistic mare . Modelul a fost antrenat să învețe semnificația mutațiilor asociate cancerului și modul lor de acțiune împreună.

LLM folosite în cercetarea cancerului sunt antrenate de obicei pe genomul de referință. Validitatea lor clinică este însă limitată. Dr. Sidhom propune antrenarea pe cataloage de mutații somatice, modificări specifice cancerului și date privind rezultatele clinice , adică pe un „mutanom”.

Modelul a fost construit luând în considerare atât referința, cât și modificarea fiecărei mutații, printr-o arhitectură cu atenție dublă . Astfel, poate înțelege atât ordinea secvențelor genetice, cât și implicația individuală a fiecărei mutații. Mascând secvențele modificate, cercetătorii l-au învățat și „vocabularul și sintaxa mutațiilor genetice” , adică, într-un fel, regulile metagenezei .

„Mecanismul de atenție dublă oferă un cadru foarte bine interpretabil pentru a înțelege interacțiunile complexe dintre pacienți care determină cancerul”, spune dr. Sidhom.

Dr. Sidhom și echipa au antrenat inițial modelul pe date despre 10224 de pacienți și 33 de tipuri de cancer cu peste 3 milioane de variații somatice , provenite din Atlasul Genomului Cancerului (TCGA) .

Ulterior, au folosit datele a 805 pacienți cu AML din setul BeatAML2 pentru a înțelege corelațiile dintre reprezentările genomice și răspunsurile la imunoterapii. Pentru a anticipa răspunsul la fiecare tratament, au aplicat învățarea cu instanțe multiple .

Modelul a anticipat prognosticul în cohortele TCGA specifice fiecărui cancer prin metode de învățare nesupravegheată, precum gruparea k-means . Grupurile au fost apoi transformate în analize Kaplan–Meier .

Prin tiparele învățate, modelul a putut reprezenta pentru fiecare cancer tipare globale de atenție și posibile lanțuri cauzale . De exemplu, în cancerul colorectal s-a observat o dependență ridicată de mutațiile APC .

Modelul a reprezentat și clasicul model Vogelstein al cancerului colorectal — ordinea TP53 → KRAS → APC — prin ponderile atenției, demonstrându-și validitatea biologică.

Cabozantinibul nu este încă folosit pe scară largă în leucemia mieloidă acută, dar modelul a încercat să anticipeze răspunsul la acest agent.

Corelație canonică: 0,3052 (P < 0,001)
AUC (aria de sub curbă): 0,70 atât pentru rezistență, cât și pentru sensibilitate.

„Sperăm ca performanța să se îmbunătățească prin mai multe date și modele mai puternice”, spune dr. Sidhom.

Studiul arată clar potențialul transformator al inteligenței artificiale în oncologie . Analizând atât texte, cât și date genetice, modelele lingvistice mari pot oferi clinicienilor un sprijin puternic în decizii esențiale precum anticiparea prognosticului și alegerea tratamentului .

Aceste instrumente de nouă generație pot duce medicina de precizie la un nivel superior, ajutând la dezvoltarea unor strategii terapeutice mai eficiente, individualizate pentru fiecare pacient .

Cu mai multe date și modele mai avansate, se așteaptă ca această tehnologie să permită în viitor o revoluție digitală în lupta cu cancerul .