Комбинированная медикаментозная терапия и их индивидуализация повышают эффективность лечения рака.
Экспериментальные скрининговые тесты для разработки наиболее эффективных комбинаций трудоемки и дороги. На помощь приходит искусственный интеллект. Благодаря ему недавно был разработан эффективный фармакологический метод избирательного уничтожения раковых клеток.
Раннее обнаружение неопластических изменений имеет важное значение для процесса лечения и выживания пациентов. Врачи и ученые постоянно ищут способы победить болезнь, возможно, в ближайшем будущем они получат значительную поддержку. Присутствие искусственного интеллекта в мире медицины становится реальностью.
Технологии искусственного интеллекта сильно выигрывают в области лечения онкологии. Многие прорывы в диагностике и лечении рака были достигнуты быстрее, чем когда-либо.
На основе этой технологии можно стимулировать развитие противораковой терапии, ускорить открытие новых лекарств, процессы их проверки и внедрения для практического, клинического применения.
ИИ в диагностике рака
Пример современного подхода в диагностике – швейцарская компания Sophia Genetics. Она предлагает набор, который использует технологию искусственного интеллекта для сравнения ДНК пациента с большой базой данных. Это необходимо для определения наличия у него определенных генетических мутаций, связанных с повышенным риском рака легких, колоректальным раком, раком кожи и и мозга. Ранняя диагностика позволяет быстро проводить профилактические мероприятия и использовать точную медицину, что дает лучшие результаты лечения.
В Гданьском университете реализуется проект KATY, в котором используется система персонализированной медицины, поддерживаемая искусственным интеллектом. Программа будет поддерживать врачей в процессе принятия решений при лечении пациентов, страдающих раком почек.
Напротив, китайские исследователи недавно исследовали, как использование системы ML может улучшить результаты интерпретации медицинских данных при диагностике опухоли головного мозга. Созданная ими программа помогает в планировании операций. Сегментация опухоли с использованием приложения искусственного интеллекта, поддерживающего обнаружение рака, оказалась более точной и эффективной по сравнению с сегментацией, выполняемой хирургом.
Тестирование на наркотики с помощью искусственного интеллекта
Прогнозирование лекарственных взаимодействий основано на показателях сходства, оптимизация доз выполняется с использованием математических моделей для интерпретации фармакокинетических и фармакодинамических данных. Это не проблема для искусственного интеллекта - он может относительно быстро обрабатывать большие объемы данных. Машинное обучение может помочь клиницистам и фармацевтам выявлять закономерности и взаимосвязи на основе сложных наборов данных и прогнозировать результаты клинических испытаний.
Ученые из Университета Аалто, Университета Хельсинки и Университета Турку в Финляндии сообщают, что они разработали модель машинного обучения combo FM, которая может предсказать, как комбинации различных противораковых препаратов разрушают раковые клетки. Их исследование было опубликовано в Nature Communications. Для оценки модели combo FM ее создатели использовали данные о реакции на противоопухолевые препараты из исследования Nation Cancer Institute-ALMANAC. Уникальные одобренные FDA препараты в различных комбинациях и концентрациях были протестированы на 60 клеточных линиях, полученных из девяти типов тканей. Всего было выполнено 333 180 измерений ответа на лекарственный препарат и 222 120 измерений ответа на один препарат. Используя модель, можно было найти связи между лекарствами и раковыми клетками.
По словам профессора Юхо Роусу, модель дает очень точные и надежные результаты. Об этом свидетельствует значение коэффициента корреляции в проведенных измерениях, которое было более 0,9. В экспериментальных измерениях, чтобы результат был убедительным, коэффициент корреляции должен составлять 0,8–0,9.
Экспериментальные исследования лекарств обходятся дорого. Модель, созданная международной исследовательской группой, может стать для них эффективной альтернативой. Прогнозы, сделанные с помощью combo FM, являются надежными и многообещающими с точки зрения индивидуальной терапии и онкологии.
Тот же подход к машинному обучению можно применить не только к раку, но и к другим заболеваниям. Все, что нужно сделать, – это «научить» модель собирать данные об этом заболевании.