人工知能が各腫瘍細胞のデータに基づいて癌治療への反応を予測

がんには200種類以上あり、それぞれが個別に異なるケースがあるため、精密腫瘍治療を開発するための継続的な取り組みは依然として困難です。焦点は、がんのドライバー遺伝子の変異を特定するための遺伝子検査の開発と、これらの変異に対する適切な治療法の特定にあります。

しかし、がん患者の多く、あるいはほとんどは、これらの早期標的療法から大きな恩恵を受けていません。Nature Cancerに掲載された新しい研究では、サンフォード・バーナム・プレビスのがん分子治療プログラムの助教授である筆頭著者のサンジュ・シンハ博士が、国立がん研究所の一部である国立がん研究所の主著者であるエイタン・ルッピン博士、アレハンドロ・シャッファー博士とともに、国立衛生研究所 (NIH) の研究者らは、がん治療薬に対する患者の反応を単一細胞レベルで体系的に予測する独自の計算システムについて説明しています。

単一細胞転写産物発現に基づく腫瘍学における個別化治療計画 (PERCEPTION) と呼ばれるこの新しい人工知能ベースのアプローチは、転写因子の研究、つまり遺伝子によって発現され、DNA 情報を行動に変換する mRNA 分子の研究を掘り下げています。

「腫瘍は複雑で常に変化する生物です。単一細胞解像度を使用することで、これらの問題の両方を解決できます」と Sinha 氏は言います。「PERCEPTION により、単一細胞の omexis から得られる豊富な情報を使用して、腫瘍のクローン構造を理解し、耐性の出現を監視できます。」(生物学では、omexis は細胞内の構成要素の合計を指します。)

Sinha 氏は次のように語っています。「耐性の出現を監視できることは、私にとって最もエキサイティングな部分です。これにより、がん細胞の進化に適応し、治療戦略を変えることさえ可能になる可能性があります。」

Sinha 氏と同僚は、AI の一分野である転移学習を使用して PERCEPTION を作成しました。

「クリニックからの細胞レベルのデータが限られていることが、私たちの主な課題でした。 「AI モデルは、ChatGPT がインターネットから大量のテキスト データを必要とするのと同じように、病気を理解するために大量のデータを必要とします」と Sinha 氏は説明します。

PERCEPTION は、公開されている腫瘍からの大量の遺伝子発現データを使用してモデルを事前トレーニングします。次に、細胞株と患者からの単一細胞レベルのデータは、限られた量ではありますが、モデルを調整するために使用されました。

PERCEPTION は、最近公開された多発性骨髄腫、乳がん、肺がんの 3 つの独立した臨床試験で、単剤療法と併用療法への反応を予測する上で有効であることが確認されました。いずれの場合も、PERCEPTION は患者を反応者と非反応者に正しく分類しました。肺がんでは、病気の進行に伴う薬剤耐性の発現も記録しました。これは大きな可能性を秘めた重要な発見です。

Sinha 氏は、PERCEPTION はまだ臨床で使用できる状態ではありませんが、このアプローチは単一細胞レベルの情報を治療の指針として使用できることを示しています。彼は、この技術を臨床で採用して、治療に使用できるより多くのデータを生成することを奨励したいと考えています。臨床使用に向けて技術をさらに開発・改良します。

「予測の質は、その基となるデータの質と量に応じて向上します」とシンハ氏は言います。「私たちの目標は、個々のがん患者の治療反応を体系的かつデータに基づいて予測できる臨床ツールを作成することです。これらの発見が、近い将来、より多くのデータや同様の研究を刺激することを期待しています。」