Model AI Memprediksi Sukses Imunoterapi, Memendekkan Waktu Pengobatan Kanker
Model machine learning baru dapat mengurangi waktu ke pengobatan dengan dengan cepat mengidentifikasi pasien mana yang paling mungkin merespons ICB alih-alih metode trial and error saat ini.
Peneliti di Eindhoven University of Technology beralih ke machine learning untuk lebih baik memprediksi apakah imunoterapi tertentu akan membantu pasien kanker. Model dalam kertas terbaru menunjukkan janji dan bahkan mengungguli pendekatan klinis tradisional sejauh ini.
Memanfaatkan imunoterapi dalam pertarungan kanker
Sel tumor bersembunyi dari pertahanan alami tubuh, membuat kanker tidakoris sulit untuk ditargetkan dan diobati. Sel tumor memblokir respons imun alami tubuh tetapi imunoterapi dapat membangunnya kembali untuk beberapa pasien. Masalahnya adalah menemukan sejak dini pasien mana yang paling mungkin merespons.
Salah satu terapi semacam itu, immune checkpoint blockers (ICB), memberi tahu sel imun untuk mengabaikan perintah shutdown yang dikeluarkan oleh sel kanker yang mencoba bersembunyi. Meskipun itu adalah penemuan yang revolusioner, hanya sekitar satu dari tiga pasien kanker yang merespons perawatan.
Model machine learning baru dapat mengurangi waktu ke pengobatan dengan dengan cepat mengidentifikasi pasien mana yang paling mungkin merespons ICB alih-alih metode trial and error saat ini. Model ini juga dapat membantu memastikan pasien yang kemungkinan tidak akan merespons menerima perawatan yang tepat waktu alih-alih. Model ini juga dapat mengungkap tepat mengapa dua dari tiga pasien lainnya tidak merespons.
Lihat juga: AI Bisa Membuka Era Baru Uji Klinis
Bagaimana model machine learning bekerja
Machine learning mengeksplorasi biomarker tumor dari sampel pasien. Ini mengeksplorasi bagaimana penanda ini berkomunikasi dengan sel lain yang menyebabkan respons terhadap ICB atau menolaknya. Dari sana, mesin mampu belajar dari sampel pasien untuk mengidentifikasi pasien masa depan yang membawa biomarker yang sama yang menunjukkan kesuksesan ICB.
Menggunakan machine learning bukan metode baru, tetapi peneliti menambahkan trik kecil untuk mengurai masalah akses data yang berkelanjutan. Meskipun dataset RNA-sequencing tersedia luas, yang spesifik terhadap respons kanker terbatas. Peneliti menggunakan beberapa respons imun pengganti. Bersama-sama, mereka dapat menunjukkan respons ICB positif.
Saat diuji terhadap deteksi biomarker saat ini, model berkinerja lebih baik. Ini juga dapat berguna untuk mengidentifikasi penanda mana yang paling penting dalam mendapatkan respons imun yang diinginkan. Ini adalah langkah lain dalam menyampaikan obat personalisasi dalam partner dengan dokter dan profesional kesehatan.
