W Centrum Medycyny Molekularnej im. Maxa Delbrücka w Stowarzyszeniu Helmholtza opracowano algorytm, który pozwala na wykrycie i sklasyfikowanie różnego rodzaju guzów jelita grubego. Program niezwykle szybko analizuje wprowadzone przez lekarzy dane zawarte w genomie pacjenta i wybierając kluczowe wzorce jest w stanie określić rodzaj nowotworu w jelicie grubym. To pozwala nie tylko na wczesną i dokładną diagnozę, ale także na precyzyjne zaplanowanie leczenia. Kiedy lekarze znają konkretny typ nowotworu są w stanie lepiej dobrać odpowiednie leki i właściwe dawki.
Znalezienie odpowiedzi na pytanie o podtyp guza, rozrastającego się w jelitach, jest niezwykle istotne, ponieważ zazwyczaj każdy z nich wymaga innego rodzaju leczenia. Często różnice między poszczególnymi podtypami raka jelita grubego można wykryć dzięki analizie ekspresji genów. Poszczególne podtypy związane są także z różnymi wskaźnikami przeżycia, a zatem wymagają innych procedur medycznych. Dlatego nowo opracowany algorytm, oparty na tzw. głębokiej analizie, który szybko i dokładnie porównuje kilka rodzajów danych genetycznych, może usprawnić leczenie i zapewnić większe szanse na opanowanie choroby.
Rak jelita grubego jest chorobą złożoną i związaną nie tylko ze zmianami w jednym genie, zatem analiza danych także nie jest prosta - tłumaczą naukowcy z MDC Altuna Akalin oraz Jonathan Ronen, którzy zaprojektowali platformę do integracji danych omicznych - Multi-omics Autoencoder Integration - w skrócie nazywany maui. Nauki omiczne to dyscypliny, które szukają biologiczno-chemicznych zasad funkcjonowania organizmu przy użyciu nowoczesnych metod chemicznych oraz metod biologii molekularnej. Wielość danych, uzyskiwanych dzięki tym metodom, jest ogromna, dlatego ich analiza zajmuje zwykle dużo czasu. W przypadku raka jelita są to cechy zawarte w materiale genetycznym, w tym dotyczące ekspresji genów oraz mutacje jednopunktowe i liczne kopie DNA.
Do analizy wielu danych, uzyskanych dzięki badaniu próbek guza, naukowcy opracowali więc algorytm, który w rekordowym czasie potrafi rozpoznać i przeanalizować ów ogrom informacji bez konieczności nadzorowania tej czynności i wcześniejszego "uczenia", a tylko szukając wspólnych wzorców lub reprezentatywnych cech, zwanych czynnikami ukrytymi. To tak jakby, tłumaczą autorzy algorytmu, pokazać programowi same zdjęcia twarzy, bez wcześniejszego zdefiniowania jej elementów, a następnie otrzymać odpowiedź w postaci zidentyfikowanych kluczowych cech, takich jak kształt oczu, nosa, kolor oczu itd.
Platforma maui oparta jest na tzw. głębokim uczeniu maszynowym (Deep Learning). Oznacza to, że algorytm skonstruowany jest taki sposób, aby naśladować biologiczne sieci neuronowe. Informacja w tego typu sieci przechodzi przez kolejne warstwy, coraz głębiej, gdzie jest przetwarzana, do momentu aż utworzy się pełny obraz. W tym przypadku platforma maui potrafi przeanalizować, i to niezwykle szybko, wiele danych "omicznych" i zidentyfikować najbardziej odpowiednie wzorce lub cechy, w tym wypadku zestawy genów lub ścieżki do raka jelita grubego - tłumaczą twórcy algorytmu.
Algorytm zidentyfikował wzorce, związane z czterema znanymi podtypami raka jelita grubego, przypisując guzy do poszczególnych podtypów z dużą dokładnością. Co więcej, znalazł wzorzec, sugerujący że pewien podtyp guza, o nazwie CMS2, należałoby jeszcze zróżnicować na dwa oddzielne. Tak więc sztuczna inteligencja zaprzęgnięta do diagnozowania raka okazała się pomocna, a moc obliczeniowa platformy imponująca. Opracowany nowy algorytm nie tylko jest dokładniejszy, ale i znacznie szybszy, niż inne algorytmy uczenia maszynowego. Wystarczyły mu trzy minuty, aby zidentyfikować ponad 100 wzorców. Innym programom zajęło to od 20 minut do 11 godzin.
Platformę maui można by wykorzystać nie tylko do analizy guzów jelita grubego. Lekarz mógłby wprowadzać dane genetyczne jakiegokolwiek pacjenta, a sztuczna inteligencja ustali, jakiego rodzaju nowotwór rozwija się w jego ciele - piszą autorzy. Mogłaby też sprawdzać, jakie leki zastosowano w podobnych przypadkach chorobowych i jak zadziałały oraz zasugerować najskuteczniejszą terapię, która da pacjentowi najwięcej szans na przeżycie. Ale do tego jest jeszcze długa droga, ponieważ platforma maui musi najpierw przejść testy w warunkach klinicznych i uzyskać pozwolenie na zastosowanie do diagnozowania określonych chorób.
Informacje na temat nowego algorytmu opublikowało czasopismo Life Science Alliance.
Źródło: ScienceDaily
