Grafika wygenerowana przy pomocy kreatora obrazów Bing
Zmiany nowotworowe przez bardzo długi czas mogą być niezauważalne, nawet jeśli przeprowadzamy regularnie podstawowe badania profilaktyczne. Bywa tak, że są bardzo nieuchwytne i niezauważalne do momentu, aż nie zaczną migrować, dawać przerzutów do innych tkanek i organów, niekiedy bardzo odległych od pierwotnego miejsca pojawienia się nowotworu (np. z narządów znajdujących się w jamie brzucha do mózgu). Wykrywanie na jak najwcześniejszym etapie nowotworów jest bardzo kluczowe dla doboru odpowiedniej terapii i próby wyleczenia wielu z nich, jednak nie jest to łatwe. Najnowsze doniesienia opublikowane na łamach strony czasopisma naukowego Nature przynoszą nam bardzo intrygującą i niosącą nadzieję wiadomość. A mianowicie opracowano narzędzie do identyfikowania pierwotnego pochodzenia nowotworu sprzed okresu, gdy dał przerzut do innych organów (np. komórki nowotworowe raka piersi dały przerzut do płuc). W tym narzędziu pierwsze skrzypce odgrywa sztuczna inteligencja (Al). To rozwiązanie może pomóc lekarzom ulepszyć diagnostykę i leczenie raka w późnym stadium, a pacjentom dać nadzieje na wyleczenie choroby nowotworowe i dalsze życie. Ów narzędzie zostało opracowane przez bioinformatyków z Uniwersytetu Medycznego w Tianin, jest także testowane w Harvard Medical School w Bostonie w stanie Massachusetts, a jednym ze specjalistów testujących to rozwiązanie w praktyce jest Faisal Mahmood.
Aby wiedzieć, jak leczyć i jaką terapię zastosować na nowotwór z przerzutami, lekarze muszą znać pochodzenie nowotworu. Nie można ustalić pochodzenia, aż dla 5% wszystkich nowotworów. Możliwe jest określenie skąd pierwotnie nowotwór dał przerzuty przez metodę, która opiera się na pobraniu płynów ustrojowych np. płynu z jamy brzusznej czy płucnej, w której mogą znajdować się komórki zmienione nowotworowo. Następnie bada się morfologię tych komórek, by określić jaki typ nowotworu przypominają. Mówiąc prościej na przykładzie wspomnianego wcześniej nowotworu piersi, jeśli ten da przerzuty do płuc, to komórki nowotworowe po migracji, w płucach będą po prostu przypominać komórki nowotworu piersi. Z danych statystycznych podanych przez Uniwersytet Medycznym w Tianjin (TMU) w Chinach co roku spośród około 300 tysięcy nowych przypadków osób chorych na nowotwór leczonych w szpitalu stowarzyszonym z tym Uniwersytetem, około 4 tysiące chorych zostaje zdiagnozowanych na podstawie takich właśnie obrazów. Około 300 osób pozostaje niezdiagnozowanych. Li Xiangchun bioinformatyk studiujący na Uniwersytecie Medycznym w Tianjin, wraz z rówieśnikami chcieli opracować algorytm, który umożliwiłby analizę tych trudnych do identyfikacji obrazów komórek zmienionych nowotworowo i przewidywanie pochodzenia nowotworów. Wyniki ich badań opublikowano 16 kwietnia w czasopiśmie Nature Medicine. Naukowcy przeszkolili swój model sztucznej inteligencji Al na około 30 tysiącach obrazów komórek zidentyfikowanych i pozyskanych z płynu jamy brzusznej lub w płucach, pobranych od 21 tysięcy chorych na chorobę nowotworową, u których pierwotne pochodzenie nowotworu, tego przed przerzutem zostało zidentyfikowane. Następnie przetestowali swój model na 27 tysiącach obrazów i odkryli, że różnica w przewidywaniu źródła guza wyniosła 83%. Istniało 99% szans, że źródło guza znalazło się w trzech najważniejszych przewidywaniach tego stworzonego przez badaczy modelu.
Przewidywania ograniczyły się do 12 najczęstszych źródeł raka, w tym płuc, jajników, piersi i żołądka. Nie udało się zidentyfikować niektórych innych form raka (tu wymienić można raka prostaty i nerek), a to dlatego, że te zazwyczaj nie rozprzestrzeniają się do złogów płynu w jamie brzusznej i płucach. Testowany przez młodych bioinformatyków model w przewidywaniu pochodzenia zmian nowotworowych okazał się mieć większą skuteczność niż wprawieni patomorfolodzy.
Naukowcy dokonali także retrospektywnej oceny grupy badawczej składającej się z 391 uczestników badania około cztery lata po zakończonym leczeniu choroby. Odkryli oni, że ci, którzy otrzymaliby właściwe leczenie wybrane na podstawie rodzaju nowotworu przewidywanego przez model, mieliby większe szanse na przeżycie i mogli żyć dłużej w porównaniu z uczestnikami, w przypadku których przewidywania się nie sprawdziły.
Źródła:
Lu, MY i in. Natura 594 , 106–110 (2021).
doi: https://doi.org/10.1038/d41586-024-01110-8
