Mesterséges intelligenciával támadják a daganatos sejteket
Olasz kutatók vezetésével új eljárást mutattak be a rákos megbetegedések ellen, ahol robotika és szuperszámítógépek segítségével a tumoros sejtek szabályozó központjait bénítják meg egyidejűleg.
A rákkutatásban és a molekuláris biológiában mérföldkőnek számító eredménnyel állt elő egy nemzetközi kutatócsoport, amely a mesterséges intelligencia, a szuperszámítógépes modellezés és a robotizált kísérleti rendszerek ötvözésével teljesen új alapról közelíti meg a daganatos betegségek kezelését. A tudományos áttörést a rangos Nature Genetics szakfolyóiratban publikálta az a 28 fős szakértői csapat, amelyet az olasz származású Andrea Califano, a New York-i Columbia Egyetem professzora vezet. A kutatás célja, hogy elmozduljon a hagyományos célzott terápiák eddigi korlátaitól, amelyek túlnyomórészt egyetlen genetikai mutáció ellen próbáltak gyógyszert kifejleszteni. Ezzel szemben az új metodika a tumoron belül jelen lévő különböző sejtcsoportok parancsnoki központjait célozza meg, mégpedig egyidejűleg, megelőzve a daganat gyors alkalmazkodását és a terápiás rezisztencia kialakulását.
A hagyományos rákkezelések és a precíziós medicina legfőbb akadályát évtizedek óta az képezi, hogy a daganatok nem homogén sejtcsoportokból állnak. Egyetlen tumoron belül számos eltérő tulajdonságú és genetikájú sejtpopuláció él együtt, amelyek eltérően reagálnak a gyógyszeres kezelésekre. Amikor egy orvosi beavatkozás sikerrel elpusztítja a mutált sejtek egy meghatározott hányadát, a daganat fennmaradó része képes alkalmazkodni, megváltoztatni a sejtbeli jelátviteli útvonalakat, és rövid időn belül egy még agresszívabb, a korábbi gyógyszernek ellenálló formában növekedésnek indulni. Ez a folyamat magyarázza a daganatos megbetegedések gyakori kiújulását és a célzott molekuláris terápiák elhúzódó hatékonysági korlátait.
Andrea Califano professzor és munkatársai ezt a problémát úgy küszöbölik ki, hogy a figyelmüket a genomi mutációk egyedi vizsgálatáról átirányították a tumorsejtek belső szabályozási hálózataira. A kutatók által elnevezett úgynevezett master regulator fehérjék olyan molekuláris csomópontokként működnek, amelyek egy-egy specifikus tumorsejt-állapot fennmaradását és működését vezérlik. Ezek a fehérje-hálózatok felelősek azért, hogy a daganatos sejtek fenntartsák osztódási képességüket, elkerüljék az immunrendszer támadásait, és túléljék a külső kémiai beavatkozásokat. A master regulatorok azonosítása lehetővé teszi a tudósok számára, hogy ne a genetikai hiba által hagyott egyedi nyomokat kövessék, hanem a daganat életképességét garantáló központi irányítóegységeket iktassák ki.
A kutatás során alkalmazott technológiai arzenál az alapjaiban alakítja át a laboratóriumi kísérletezés folyamatát. A Columbia Egyetem szakemberei a mesterséges intelligenciára és a szuperszámítógépekre bízták azoknak az összetett biológiai algoritmusoknak a kiszámítását, amelyek képesek feltérképezni a fehérjék közötti többezernyi kölcsönhatást. A számítógépes modellezés segítségével a kutatók virtualizálják a daganat belső jelátviteli hálózatát, majd algoritmusok segítségével elemzik, hogy a már forgalomban lévő, meglévő gyógyszerek és vegyületek milyen kombinációja képes valamennyi azonosított parancsnoki központot egyidejűleg leállítani.
A számitógépes szimulációkat a gyakorlatban robotizált kísérleti rendszerek ellenőrzik és igazolják. A nagy áteresztőképességű robotikának köszönhetően a kutatók több ezer gyógyszerkombinációt képesek tesztelni párhuzamosan, élő daganatos sejtkultúrákon. Ez a folyamat a korábbi emberi kísérletezési időtöredékre csökkenti a hatásos vegyületpárosok kiválasztását. Az automatizált laboratóriumi infrastruktúra éjjel-nappal rögzíti a sejtek válaszreakcióit, adatokkal táplálva vissza a mesterséges intelligenciát, amely így folyamatosan finomítja a gyógyszerkombinációs előrejelzéseit.
Az új eljárás az eddigi vizsgálatok során kiemelten két rendkívül nehezen kezelhető és rossz kórjóslatú daganattípusra, a hasnyálmirigyrákra, valamint a gyermekkorban előforduló glioblasztómára fókuszált. A hasnyálmirigyrák esetében a kutatóknak hat jellegzetes, egymástól eltérő funkciójú tumorsejt-populációt sikerült elkülöníteniük és leírniuk, míg a gyermek-glioblasztóma vizsgálatakor hét különálló sejtcsoport jelenlétét mutatták ki. Ezek a sejtpopulációk együttesen felelősek a daganat agresszív terjedéséért és a hagyományos kemoterápiás eljárásokkal szembeni ellenállásért.
A felismert sejtcsoportok mindegyike saját, egyedi master regulator hálózattal rendelkezik, ami megmagyarázza, miért vallottak kudarcot a korábbi egykomponensű gyógyszeres kísérletek. Ha a kezelés során csupán az egyik sejtpopulációt sikerült elpusztítani, a többi sejtcsoport azonnal átvette a helyét, és tovább táplálta a tumor növekedését. Az olasz professzor által vezetett csoport által kidolgozott módszer lényege, hogy a mesterséges intelligencia által javasolt többkomponensű gyógyszerkoktél egyszerre éri el az összes sejtcsoport parancsnoki központját, megfosztva a daganatot a túlélési és alkalmazkodási lehetőségektől.
Andrea Califano professzor a kutatási eredmények kapcsán kiemelte, hogy a fejlesztés végső célja nem csupán a daganatos folyamatok átmeneti lassítása vagy a betegek élettartamának néhány hónappal való meghosszabbítása, hanem a tumorok teljes és végleges felszámolása. A kombinált terápiás megközelítés stratégiai pontossággal bénítja meg a rákos sejteket, megakadályozva a mutációs menekülési útvonalak kialakulását. Mivel a módszer nagyrészt már meglévő, a hatóságok által korábban engedélyezett gyógyszerek újfajta kombinációira épül, a hatóanyagok biztonságossági profilja és toxicitása a szakemberek számára már jól ismert.
A tudományos publikáció és az olasz lapértékelések ugyanakkor határozottan tisztázzák a várakozásokat: a bemutatott eljárás jelenleg még nem jelent egyből bevethető, széles körben hozzáférhető klinikai gyógymódot. Bár az első fázisú klinikai tesztek és a személyre szabott betegspecifikus próbák már folyamatban vannak a vezető amerikai és európai rákkutató központokban, a módszer tömeges egészségügyi alkalmazásához még éveken át tartó laboratóriumi és klinikai kutatásokra van szükség. A gyógyszerkombinációk pontos adagolásának, a mellékhatások minimálisra csökkentésének és a betegségtípusok széles körű feltérképezésének feladata még a szakemberek előtt áll.
A módszer sikerének egyik legfontosabb eleme a személyre szabott medicina megvalósítása. A jövőbeli klinikai gyakorlatban a betegekből vett daganatmintákból szekvenálják a teljes RNS-állományt, majd a mesterséges intelligencia órák alatt meghatározza az adott beteg szervezetében jelen lévő specifikus master regulatorokat. Ezt követően a rendszer kiadja azt a pontos gyógyszerreceptet, amely a legmegfelelőbb vegyületkombinációt tartalmazza a beteg egyedi daganatsejt-populációinak kiiktatására. Ez a megközelítés gyökeresen átalakíthatja az onkológiai ellátás eddigi protokolljait.
A mesterséges intelligencia és a robotika integrálása az onkológiába hatalmas gazdasági és logisztikai kihívásokat is felvet. A szuperszámítógépes kapacitások biztosítása, az adatelemző rendszerek fenntartása és a robotizált tesztelési platformok kiépítése jelentős tőkeberuházást igényel az egészségügyi intézményektől. A kutatók ugyanakkor rámutatnak, hogy a már meglévő gyógyszerek újrakombinálása lényegesen olcsóbb és gyorsabb folyamat, mint teljesen új molekulák kifejlesztése a nulláról, ami évtizedes időtartamot és dollármilliárdokat emészthet fel.
A nemzetközi tudományos közösség élénk érdeklődéssel kíséri a Columbia Egyetem és a partneregyetemek közös munkáját. Az eljárás nemcsak a hasnyálmirigyrák és a glioblasztóma esetében jelenthet áttörést, hanem kiterjeszthető a mellrák, a tüdőrák és a prosztatarák agresszív, áttétes formáira is. Az elkövetkező években zajló klinikai vizsgálatok eredményei fogják eldönteni, hogy a master regulator fehérjék megcélzása és az intelligens algoritmusok használata valóban elhozza-e a várva várt fordulatot a daganatos betegségek elleni küzdelemben.