人工智能测试可以预测有效的抗癌药物组合在不到两天的时间

科学家创造了一个原型测试可以预测药物组合很可能为癌症患者在24至48小时。

他们的尖端技术使用人工智能分析大规模蛋白质肿瘤样本的数据,并能够预测患者的药物反应比现在更准确。

肿瘤基因分析可以揭示突变引发癌症的增长,其中一些可以有针对性的治疗,但基因组本身没有提供足够准确的预测来选择药物组合。

癌症研究所的科学家们,伦敦,测试新技术对个人在实验室中肿瘤细胞和肿瘤细胞刚从肺分离流体在非小细胞肺癌患者。

他们的研究发表在《华尔街日报》分子癌症治疗,由国家卫生研究所(NIHR),威康,英国癌症研究和癌症研究所(ICR)——作为一个研究机构也是一个慈善机构。

培训机器学习算法

科学家进行的“蛋白质组学”analyses-examining 52重要蛋白质的变化,以及他们如何相互作用来响应药物治疗。研究人员然后训练机器学习算法定义的关键蛋白质变化,预测药物反应。

首先,研究人员使用该算法预测敏感细胞个体癌症药物。他们发现这项技术能够更准确地预测个体药物反应比遗传特性,如在关键表皮生长因子受体基因突变,喀斯特,PIK3CA-three遗传标记目前应用于临床预测肺癌的药物反应。

研究人员然后用同样的方法来预测药物敏感性combinations-using 21个不同的两种药物组合与不同肺癌细胞基因缺陷,如表皮生长因子受体突变和喀斯特。

252的药物组合,128显示一定程度的协同作用,也就是说他们的综合效应的影响超过了每一个药物加在一起。

其中,人工智能测试正确确定排名前五名的组合57%的时间和83%的时间排名前10名的组合。

识别成功的组合

测试成功地识别组合之前已经被证明有前景的例子,trametinib和capivasertib的组合,或吉非替尼和everolimus,在非小细胞肺癌细胞株与表皮生长因子受体突变。

人员还能够识别可能的新组合,例如vemurafenib capivasertib,测试发现有可能是有效的非小细胞肺癌细胞系没有表皮生长因子受体突变或者喀斯特。

因此这是第一个原型测试,可以提供个性化的药物组合的预测可能会在不同的个人工作。只有研究人员认为,新技术可以克服癌症进化和治疗的关键阻力通过允许医生分析结合药物如何工作。

这项新研究建立了概念证明但测试需要进一步验证才可以用于病人。这项研究观察了七种不同的药物在多个组合,但研究人员已经开始规划一个更大的后续研究将测试药物看看12000蛋白质参与信号转导而不是52。

“潜在的指导医生”

研究负责人Udai纳杰教授,教授分子癌症研究所的药理学研究,伦敦皇家马斯登和医学肿瘤顾问NHS信托基金会,说:

“我们的测试提供了概念证明使用人工智能分析信息流动方式的变化在癌细胞和预测肿瘤可能如何应对药物的组合。

”快速周转时间不到两天,测试有可能指导医生的判断哪种治疗方式是最可能的个人利益癌症患者。是向前迈出的重要一步从我们目前专注于利用基因突变预测反应。

“我们的发现表明,我们的创新的方法是可行的,和更准确的预测比非患者的遗传分析小细胞肺癌。这个测试之前可以进入诊所和指导个性化治疗,我们需要进一步验证我们的结果供示例中,通过研究,我们在已经得到治疗的病人中运行测试,以检查是否预测是正确的。”

结合疗法克服阻力的

研究所的首席执行官克里斯蒂安教授和癌症的研究中,伦敦,说:

“我们面临的最大挑战之一,在癌症研究和治疗癌症的适应能力,发展和成为耐药。我们预计,未来的癌症治疗将在结合疗法克服阻碍但我们需要更好地预测药物组合最适合个别病人。

“这新的跨学科合作研究是一个很好的例子,在整合我们了解癌症的生物学、人工智能和临床医学提供的证据概念的新的测试可以预测哪些联合治疗最有可能为病人工作。它展示了潜在的AI和蛋白质分析个性化治疗和可能是一个重要的步骤在帮助我们解决药物resistance-hopefully帮助我们提供病人更聪明、更个性化的治疗方案。”

---

---