21:00 
Новый подход, основанный на машинном обучении, для картирования опухолевого метаболизма у пациентов с раком головного мозга в реальном времени, разработанный в Мичиганском университете, может помочь врачам определить, какие стратегии лечения наиболее эффективны в отдельных случаях глиомы. Команда проверила точность модели, сравнив ее с данными пациентов-людей и проведя эксперименты на мышах.
Исследование, опубликованное в журнале Cell Metabolism, основано на предыдущих исследованиях, показывающих, что развитие некоторых глиом можно замедлить с помощью диеты пациента. Если пациент не потребляет определенные строительные блоки белка, называемые аминокислотами, некоторые опухоли не могут расти. Однако другие опухоли могут сами производить эти аминокислоты и в любом случае продолжать расти. До сих пор не было простого способа определить, каким пациентам будут полезны диетические ограничения.
Способность цифрового двойника отображать метаболическую активность в опухолях также помогла определить, будет ли работать препарат, который не позволяет опухолям производить строительный блок для репликации и восстановления ДНК, поскольку некоторые клетки могут получать эту молекулу из окружающей среды.
Чтобы преодолеть проблемы с картированием метаболизма опухоли внутри мозга, команда из Мичигана разработала компьютерный «цифровой двойник», который может предсказать, как работает мозг отдельного пациента опухоль будет реагировать на каждое лечение. В основном они финансировались Национальными институтами здравоохранения, в частности Национальным институтом рака.
«Как правило, метаболические измерения во время операций по удалению опухолей не могут дать четкой картины метаболизма опухоли — хирурги не могут наблюдать, как метаболизм меняется со временем, а лаборатории ограничиваются изучением тканей после операции. Интегрируя ограниченные данные пациентов в модель, основанную на фундаментальной биологии, химии и физике, мы преодолели эти препятствия», — сказал Дипак Награт, Университет штата Массачусетс. профессор биомедицинской инженерии и соавтор исследования.
Цифровой двойник использует данные пациентов, полученные с помощью анализов крови, метаболических измерений опухолевой ткани и генетического профиля опухоли. Затем цифровой двойник рассчитывает скорость, с которой раковые клетки потребляют и перерабатывают питательные вещества, известную как метаболический поток.
«Это первый случай, когда подход, основанный на машинном обучении и искусственном интеллекте, используется для измерения метаболического потока непосредственно в опухолях пациентов», — сказал Бахаран Мегдади, докторант химического машиностроения и соавтор исследования.
Исследователи создали модель глубокого обучения, называемую сверточной нейронной сетью, и обучили ее на синтетических данных пациентов, сгенерированных на основе известных биологических и химических свойств и ограниченных измерениями восьми пациентов с глиомой, которые были во время операции вводят меченую глюкозу. Сравнив свои компьютерные модели с различными данными шести из этих пациентов, они обнаружили, что цифровые двойники могут прогнозировать метаболическую активность с высокой точностью. В экспериментах, проведенных на мышах, команда подтвердила, что диета замедляет рост опухоли только у мышей, которых цифровой двойник определил как хороших кандидатов на лечение.
«Эти результаты впечатляют. Возможность измерения метаболической активности в опухолях пациентов может позволить нам предсказать, какие метаболические методы лечения могут работать лучше для каждого пациента», — сказал Дэниел Валь, профессор радиационной онкологии семьи Ахтенбергов и соавтор исследования.
Цифровой двойник также предсказал, как опухоли будут реагировать на препарат микофенолата мофетил, который воздействует на то, как раковые клетки строят ДНК. Цифровые близнецы правильно определили, что некоторые опухоли могут обходить действие препарата, используя «пути спасения» для захвата питательных веществ из окружающей среды. И снова команда подтвердила прогнозы экспериментами на мышах.
"Этот удивительный инструмент может помочь врачам избежать назначения лечения, которому конкретная опухоль уже способна сопротивляться, и является для нас способом перейти к более целенаправленному и персонализированному лечению для наших пациентов", - сказал Ваджд Н. Аль-Холу, доцент кафедры нейрохирургии и соавтор исследования.
Врач может использовать цифрового двойника пациента, чтобы проверить, действительно ли конкретная диета или лекарство приведет к голоданию рака, прежде чем пациент изменит свой план питания или начнет принимать новое лекарство.
Эта работа приближает нас к по-настоящему персонализированному лечению рака - не только при раке мозга, но, в конечном итоге, и при различных опухолях. Виртуально моделируя различные методы лечения, мы надеемся избавить пациентов от ненужного лечения и сосредоточиться на тех, кто может помочь».
Костас Лиссиотис, профессор онкологии Майзеля и соавтор исследования.
Дополнительную поддержку исследованию оказали Фонд рака Дэймона Раньона, Премия Forbes Scholar Award, Рогель Scholar Award (UM), Фонд Зонтаг, Ivy Glioblastoma Фонд, Фонд «Лимонадный стенд Алекса», Фонд Чада Tough Defeat DIPG, Национальный институт неврологических расстройств и инсульта (NIH), Американское онкологическое общество и Фонд B*Cured.
