Когда медицинские работники лечат пациентов, страдающих от рака на поздних стадиях, им обычно необходимо использовать комбинацию методов лечения. Помимо хирургии рака, пациентов часто лечат лучевой терапией, лекарствами или обоими способами.
Лекарства можно комбинировать с лекарствами, подобранными для конкретных раковых клеток. Комбинаторная лекарственная терапия часто повышает эффективность лечения и может уменьшить вредные побочные эффекты, если дозировка отдельных лекарств может быть уменьшена. Однако экспериментальный скрининг комбинаций лекарственных средств очень медленный и дорогостоящий, и поэтому часто не удается выявить все преимущества комбинированной терапии. С помощью нового метода машинного обучения можно определить лучшие комбинации, которые выборочно убивают раковые клетки с определенным генетическим или функциональным составом.
Исследователи из Университета Аалто, Университета Хельсинки и Университета Турку в Финляндии разработали модель машинного обучения, которая точно предсказывает, как комбинации противораковых препаратов убивают различные типы раковых клеток. Новая модель ИИ была обучена с использованием большого набора данных, полученных в ходе предыдущих исследований, в которых изучалась связь между лекарствами и раковыми клетками. «Модель, изученная машиной, на самом деле является полиномиальной функцией, знакомой из школьной математики, но очень сложной», — говорит профессор Юхо Роусу из Университета Аалто.
Результаты исследования были опубликованы в Nature Communications и демонстрируют, что модель обнаружила ассоциации между лекарствами и раковыми клетками, которые ранее не наблюдались. «Модель дает очень точные результаты. Например, значения так называемого коэффициента корреляции в наших экспериментах были более 0,9, что указывает на превосходную надежность», — говорит профессор Роусу. При экспериментальных измерениях надежным считается коэффициент корреляции 0,8-0,9.
Модель точно предсказывает, как комбинация лекарств избирательно ингибирует определенные раковые клетки, если действие комбинации лекарств на этот тип рака ранее не было протестировано. «Это поможет исследователям рака определить приоритеты, какие комбинации лекарств выбрать из тысяч вариантов для дальнейших исследований», — говорит исследователь Теро Аиттокаллио из Института молекулярной медицины Финляндии (FIMM) при Университете Хельсинки.
Тот же подход машинного обучения можно использовать и для доброкачественных заболеваний. В этом случае модель придется заново обучать, используя данные, относящиеся к этому заболеванию. Например, модель можно использовать для изучения того, как различные комбинации антибиотиков влияют на бактериальные инфекции или насколько эффективно различные комбинации лекарств убивают клетки, зараженные коронавирусом SARS-Cov-2.
Загрузка...
