Najnowocześniejsze metody obliczeniowe pozwoliły na wskazanie potencjalnych celów leczenia i spersonalizowanych leków dla dzieci chorych na raka.
Leczenie raka u dzieci stawia przed pracownikami sektora opieki zdrowotnej szereg wyzwań. Nowotwory u dzieci występują stosunkowo rzadko w porównaniu z osobami dorosłymi, a ich leczenie nie jest często tak skuteczne, jak wynika z przewidywań.
Przyczyną jest między innymi to, że komórki nowotworowe ulegają wielu przypadkowym zmianom (mutacjom). Powoduje to, że każdy nowotwór ma zasadniczo wyjątkową kombinację cech molekularnych.
„W rezultacie tradycyjne metody leczenia nie zawsze są skuteczne", wyjaśnia Michelle Kölbl, pracownica projektu iPC z ramienia spółki Technikon w Austrii. „Sytuacja ta prowadzi do braku ukierunkowanych sposobów leczenia, niedokładnych szacunków poziomu ryzyka, nadmiernego leczenia i pogorszenia jakości życia młodych pacjentów".
Badanie indywidualnych profili molekularnych nowotworów
Aby rozwiązać ten problem, zespół finansowanego ze środków Unii Europejskiej projektu iPC miał na celu dostosowanie kombinacji leków do profilu molekularnego każdego nowotworu. Koncepcja zakładała maksymalizację liczby wyleczonych pacjentów i minimalizację krótko- i długoterminowych skutków ubocznych leczenia.
Zespół projektowy chciał w szczególności skupić się na ograniczonych możliwościach leczenia dzieci z nowotworami pediatrycznymi, takimi jak wątrobiak zarodkowy, czyli nowotwór tworzący się w tkankach otaczających wątrobę. Zespół chciał skoncentrować się na pacjentach z zaawansowanymi nowotworami.
Wyjątkowość tego podejścia polegała na opracowaniu i zastosowaniu uczenia maszynowego i modeli mechanistycznych w celu przewidywania optymalnych sposobów leczenia każdego dziecka. W celu realizacji tych założeń w ramach projektu powstał multidyscyplinarny zespół, w skład którego weszli specjaliści medyczni i instytuty badawcze, a także eksperci zajmujący się analizą dużych zbiorów danych i modelowaniem komputerowym.
„Wykorzystaliśmy nowe podejścia obliczeniowe i eksperymentalne do analizy dużych zbiorów danych”, dodaje Kölbl. „Przeanalizowaliśmy modele eksperymentalne i próbki pobrane od pacjentów, aby zidentyfikować możliwości leczenia. Zostały one następnie przetestowane na podstawie modeli komórkowych i zwierzęcych".
Zespół przeanalizował skuteczność leków u pacjentów cierpiących na wątrobiaka zarodkowego, w szczególności w przypadku złośliwego wariantu C2, który zwykle wiąże się ze słabymi rokowaniami. Podejście to opierało się na ogólnodostępnych danych.
Udane zastosowanie zaawansowanych technologii
Zespół wykazał skuteczność wykorzystania zaawansowanych modeli obliczeniowych w celu łączenia ogromnych zbiorów danych.
Połączenie zaawansowanych modeli mechanistycznych, statystycznych i sztucznej inteligencji oraz technologii wirtualnego pacjenta umożliwiła zespołowi przeprowadzenie dogłębnych analiz molekularnych i opracowanie zaleceń dotyczących leczenia.
„Jednym z kluczowych rezultatów prac było wskazanie leków na rzadkie nowotwory pediatryczne, takie jak wątrobiak zarodkowy”, zauważa Kölbl. „Udało nam się między innymi odkryć, że inhibitory kinazy zależne od cyklin 9 (CDK9), dostępne na rynku jako alvocidib i dinaciclib, to silne inhibitory rozwoju wątrobiaka, zwłaszcza jego wariantu C2, który stanowi podwyższone ryzyko dla pacjentów".
Nowatorskie metodologie modelowania układu odpornościowego, zautomatyzowane kompleksowe raporty z analizy molekularnej nowotworów oraz bezpieczna platforma internetowa zapewniająca powszechny dostęp do modeli to kolejne kluczowe rezultaty projektu.
Przekładanie teorii na praktykę kliniczną
Dalsze działania obejmą weryfikację wyników oraz przeprowadzenie analiz mających na celu wprowadzenie tych nowych metod leczenia do praktyki medycznej. „Nowe ramy zapewnią lekarzom dostęp do narzędzi obliczeniowych zapewniających spersonalizowaną diagnostykę i zalecenia dotyczące leczenia”, zauważa Kölbl.
„Mamy nadzieję, że w przyszłości uda nam się wykazać przydatność metod obliczeniowych w procesie doboru skutecznych metod leczenia rzadkich nowotworów dziecięcych, prowadząc do nowych możliwości leczenia i lepszych rokowań dla pacjentów".
Komentarze
[ z 0]