Использование глубокого обучения для точной терапии рака

Почти 50 новых раковых терапии одобрены каждый год. Это хорошие новости. «Но для пациентов и их лечащих врачей становится все труднее отслеживать и выбирать методы лечения, из которых пострадавшие люди-из-за их самых индивидуальных характеристик опухоли-больше всего принесут пользу»,-говорит доктор Алтуна Акалин, глава биоинформатики и научно-технической платформы Data Data Berlin Institute для медицинской биологии Max Delbrüc Center (MDCMB).

Исследователь некоторое время работал над разработкой инструментов, которые используют искусственный интеллект Чтобы поставить более точные диагнозы, а также определять лучшую форму терапии, адаптированную для отдельных пациентов.

Команда Акалина в настоящее время разработала инструментарий под названием Flexynesis, который не зависит исключительно на классическое машинное обучение, но также использует глубокое обучение для одновременной оценки очень разных типов данных, например, многоэмоциональных данных, а также специально обработанных текстов и изображений, таких как компьютерные или МРТ-сканирование.

«Таким образом, это позволяет врачам поставить лучшие диагнозы, прогнозы и стратегии лечения для своих пациентов», – говорит Акалин. Flexynesis подробно описан в бумаге опубликовано в Природная связьПолем

«Мы проводим несколько трансляционных проектов с врачами, которые хотят идентифицировать биомаркеры из многоомических данных, которые соответствуют результатам заболевания»,-говорит доктор Бора Уйар, первый и совместный автор публикации.

«Несмотря на то, что для этой цели было опубликовано много методов глубокого обучения, большинство из них оказалось негибким, привязанным к конкретным задачам моделирования или трудным для установки и повторного использования. Этот разрыв побудил нас создать гибкий, как правильный инструментарий, который гибкий для различных задач моделирования и упакован на PYPI, Guix, Docker, Bioconda и Galaxy Pipelynes».

Инструмент находит корень болезни

Глубокое обучение – это подполе машинного обучения, которое выходит за рамки простых нейронных сетей с одним или двумя вычислительными слоями, вместо этого используя глубокие сети, которые работают с сотнями или даже тысячами слоев. «Рак и другие сложные заболевания возникают из -за взаимодействия различных биологических факторов, например, на уровнях ДНК, РНК и белка», – объясняет Акалин.

Характерные изменения на этих уровнях, такие как количество белка HER2, продуцируемого в груди или рак желудка-Часто записываются, но обычно еще не анализируются в сочетании со всеми другими факторами, относящимися к терапии.

Именно здесь появляется Flexynesies. «Споковые инструменты до сих пор часто были трудно использовать, либо полезны только для ответа на определенные вопросы», – говорит Акалин. «Flexynesis, напротив, может одновременно отвечать на различные медицинские вопросы: например, какой тип рака участвует, какие лекарства особенно эффективны в этом случае, и как это повлияет на шансы пациента на выживание».

Инструмент также помогает идентифицировать подходящие биомаркеры для диагностики и прогноза, или – если обнаружены метастазы неизвестного происхождения – чтобы определить первичная опухольПолем «Это облегчает разработку комплексных и персонализированных стратегий лечения для всех видов больных раком», – говорит Акалин.

Интеграция данных в клинике – даже без опыта ИИ

В прошлом году Акалин представил еще один инструмент на основе искусственного интеллекта, который под названием Onconaut, который также помогает определить правильную терапию рака. «Onconaut полагается на известные биомаркеры, результаты клинических испытаний и текущие руководящие принципы – поэтому он работает по совершенно другому принципу», – объясняет Акалин. «Инструмент не станет устаревшим, а скорее может быть полезным дополнением к гибковой связи».

Одним из препятствий, которые новый инструмент все еще должен преодолеть, по крайней мере, в Германии, является тот факт, что данные с несколькими амиками еще обычно не собираются в больницах. «В США, с другой стороны, эти данные часто обсуждаются в досках больничных опухолей, где врачи из разных специальностей совместно планируют лечение своих пациентов», – говорит Акалин.

И его команда показала, что данные могут быть использованы для точного прогнозирования, будет ли конкретное лечение эффективным. «В Германии подробные данные с несколькими амиками до сих пор использовались только в флагманских программах, таких как Master Program по редким видам рака»,-добавляет он. Но это может скоро измениться.

Акалин подчеркивает, что пользователи его инструмента, который в настоящее время предназначен в основном на врачи и клинических исследователей и постоянно обновляется, не нужно иметь особого опыта работы с глубокое обучениеПолем

«Я надеюсь, что это снижает барьеры для больниц и исследовательских групп для проведения мультимодальной интеграции данных, то есть одновременного анализа данных OMIC, письменных отчетов и изображений, даже без экспертов по ИИ», – говорит он. Flexynesis есть Легко доступен онлайннаряду с инструкциями по использованию инструмента.