Οι ερευνητές μελετούν έναν νέο τρόπο εκμετάλλευσης της τεχνητής νοημοσύνης, αυτή τη φορά για να προβλέψουν την επίδραση ενός ασθενούς σε φάρμακα χημειοθεραπείας που χρησιμοποιούνται για τη θεραπεία του καρκίνου του μαστού.
Ο Peter Rogan, PhD, και μια ομάδα ερευνητών, συμπεριλαμβανομένης της Stephanie Dorman, PhD, και Κatherina Baranova, BMSC, στο Schulich School of Medicine & Dentistry, ελπίζουν ότι σύντομα η τεχνική αυτή θα χρησιμοποιηθεί στη θεραπεία του καρκίνου του μαστού.
Με βάση την προσωπική γενετική ανάλυση των όγκων τους, οι ασθενείς με τον ίδιο τύπο καρκίνου μπορεί να έχουν διαφορετικές αντιδράσεις στο ίδιο φάρμακο. Ενώ μερικοί ασθενείς θα ανταποκρίνονταν καλά και θα περνούσαν σε ύφεση, άλλοι θα δημιουργούσαν αντίσταση στο φάρμακο.
Ο εντοπισμός των γενετικών παραγόντων που οδηγούν σε αντίσταση ή τη διαγραφή, μπορεί να μας βοηθήσει να αναπτύξουμε καλύτερα στοχευόμενες, εξατομικευμένες θεραπευτικές αγωγές με καλύτερα αποτελέσματα για τους ασθενείς.
«Η αντιμετώπιση των ασθενών με θεραπείες που είναι το πιο πιθανό να είναι επιτυχής μπορεί να βοηθήσουν να μειωθεί η περιττή τοξικότητα και να βελτιώσουν τη συνολική έκβαση του αποτελέσματος», όπως δήλωσε ο Dorman.
Ο Rogan και η Joan Knoll, PhD, Καθηγητής, Ιατρικής στο Schulich & Dentistry ξεκίνησε ορίζοντας ένα σταθερό σύνολο των γονιδίων στο 90 τοις εκατό των όγκων καρκίνου του μαστού το 2012.
Αρχίζοντας με 40 γονίδια συμπεριλαμβανομένων αρκετών σταθερών γονιδίων, η ομάδα χρησιμοποίησε τεχνητή νοημοσύνη σε συνδυασμό με δεδομένα από κυτταρικές σειρές και ιστούς όγκων από ασθενείς με καρκίνο οι οποίοι είχαν λάβει θεραπεία με τουλάχιστον ένα από τα φάρμακα χημειοθεραπείας για να περιορίσουν το μέγεθος των όγκων.
“Η Τεχνητή Νοημοσύνη είναι ένα ισχυρό εργαλείο για την πρόβλεψη των αποτελεσμάτων του φαρμάκου επειδή φαίνεται στο άθροισμα όλων των αλληλεπιδρώντων γονιδίων,” είπε ο Ρόγκαν, καθηγητής στα τμήματα της Βιοχημείας, της Ογκολογίας και Επιστήμης Υπολογιστών, στον Καναδά . “Αν μπορούμε να χρησιμοποιήσουμε την τεχνολογία αυτή για να βελτιώσουμε τις γνώσεις μας, θα μπορούσε να βελτιώσουμε την έκβαση των ασθενών. Όσο νωρίτερα έχουμε τη θεραπεία ενός ασθενούς με το πιο αποτελεσματικό φάρμακο, το πιο πιθανό είναι ότι μπορεί να αντιμετωπίσει αποτελεσματικά ή ενδεχομένως ακόμα και να θεραπεύσει τον / την ασθενή. “