Πώς μπορεί η μηχανική μάθηση να βοηθήσει στην παραγωγή εξατομικευμένων εμβολίων κατά του καρκίνου;

[διαφήμιση_1]

Η χρήση τεχνητών νευρωνικών δικτύων θα μπορούσε να μειώσει τον χρόνο υπολογισμού που απαιτείται για τη δημιουργία ενός εξατομικευμένου εμβολίου κατά του καρκίνου, η οποία είναι προς το παρόν μια χρονοβόρα διαδικασία, σε λιγότερο από μία ώρα, δήλωσε στο TASS ο διευθυντής του Εθνικού Κέντρου Ερευνών Επιδημιολογίας και Μικροβιολογίας Gamaleya (Ρωσία), Alexander Gintsburg.

«Προς το παρόν, χρειάζεται πολύς χρόνος για να σχεδιαστεί ένα εμβόλιο, επειδή πρέπει να υπολογίσετε πώς μοιάζει ένα εμβόλιο mRNA, χρησιμοποιώντας τη μέθοδο μήτρας, με μαθηματικούς όρους. Έχουμε επικοινωνήσει με το Ινστιτούτο Ivannikov, το οποίο θα βασιστεί στην Τεχνητή Νοημοσύνη για να κάνει αυτούς τους υπολογισμούς, όπου αυτές οι διαδικασίες θα διαρκέσουν περίπου μισή έως μία ώρα».

Ο ερευνητής εξήγησε προηγουμένως στο TASS ότι για την εκπαίδευση της τεχνητής νοημοσύνης απαιτείται μια βάση δεδομένων δοκιμών με 40.000 έως 50.000 αλληλουχίες όγκων, με συμβατή αναγνώριση αντιγόνου, που μεταφράζεται σε πρωτεΐνη ή RNA σε ασθενείς. Είπε ότι αυτό θα βοηθήσει να προσδιοριστεί εάν το εμβόλιο μπορεί να χρησιμοποιηθεί σε ατομική βάση.

Το εμβόλιο αναπτύχθηκε σε συνεργασία με διάφορα ερευνητικά κέντρα. Ο Αντρέι Κάπριν, γενικός διευθυντής του Ερευνητικού Κέντρου Ιατρικής Ακτινολογίας του ρωσικού υπουργείου Υγείας , δήλωσε ότι οι προκλινικές δοκιμές έχουν ολοκληρωθεί.

Πώς μπορεί η μηχανική μάθηση να βοηθήσει στην παραγωγή εμβολίων κατά του καρκίνου;

Η χρήση τεχνητής νοημοσύνης στην ανάπτυξη εμβολίων κατά του καρκίνου επιτρέπει την εξατομικευμένη θεραπεία, αλλά θέτει επίσης νέες προκλήσεις για τους κατασκευαστές φαρμάκων και τις ρυθμιστικές αρχές.

Στην ανοσοθεραπεία, οι εξελίξεις στην τεχνητή νοημοσύνη και τη μηχανική μάθηση μπορούν να βοηθήσουν στην επεξεργασία δεδομένων από βιοψίες καρκίνου για τον σχεδιασμό εμβολίων που στοχεύουν μεταλλάξεις ειδικές για τον ασθενή. Η δυνατότητα στόχευσης μεταλλάξεων ειδικών για τον ασθενή δεν είναι καινούργια και τα στοχευμένα φάρμακα για τον καρκίνο, όπως οι θεραπείες κατά του HER2 και οι αναστολείς CDK4/6, έχουν γίνει δημοφιλή στον κλάδο. Ωστόσο, η δυνατότητα της τεχνητής νοημοσύνης να αναγνωρίζει νεοαντιγόνα από βιοψίες μεμονωμένων ασθενών έχει προσθέσει στην αποτελεσματικότητα αυτής της διαδικασίας.

Η χρήση της Τεχνητής Νοημοσύνης έχει γίνει ένα σημαντικό θέμα συζήτησης σε πολλούς κλάδους και η φαρμακευτική βιομηχανία δεν αποτελεί εξαίρεση.

«Οι μεταλλάξεις που ανιχνεύονται σε βιοψίες ασθενών μπορούν να τροφοδοτηθούν σε έναν αλγόριθμο για να προβλεφθούν ποιες μεταλλάξεις είναι οι πιο ανοσογόνες», δήλωσε ο Scott Ebbinghaus, αντιπρόεδρος κλινικής έρευνας στην Merck. «Από εκεί, μπορούμε να συνθέσουμε RNA που κωδικοποιεί κάθε μεταλλαγμένο γονίδιο καρκίνου, προσαρμοσμένο στο ανοσοποιητικό σύστημα. Κάθε εμβόλιο θα είναι πολύ μοναδικό για κάθε άτομο».

Σε αντίθεση με τις θεραπείες που έχουν αναπτυχθεί έναντι ενός μόνο σταθερού αντιγόνου, το σύστημα τεχνητής νοημοσύνης θα επιδιώξει να βελτιώσει την ικανότητά του να επιλέγει νεοαντιγόνα. Ο αλγόριθμος εξετάζει τις γενετικές μεταλλάξεις που υπάρχουν στον όγκο ενός ασθενούς και προβλέπει νεοαντιγόνα που είναι πιο πιθανό να προκαλέσουν ανοσοαπόκριση. «Ο αλγόριθμος έχει την ικανότητα να μαθαίνει με την πάροδο του χρόνου μέσω του συνδυασμού κλινικών δεδομένων και δεδομένων ανοσογονικότητας και ελπίζουμε ότι θα βελτιωθεί στην επιλογή νεοαντιγόνων που είναι πιθανό να είναι κλινικά ενεργά», δήλωσε ο Kyle Holen, διευθυντής θεραπευτικής ανάπτυξης και ογκολογίας στη Moderna.

Μια άλλη εταιρεία που χρησιμοποιεί τεχνητή νοημοσύνη είναι η Transgene, η οποία συνεργάζεται με την NEC Corporation για τον σχεδιασμό εξατομικευμένων εμβολίων κατά του καρκίνου. Αντί για εμβόλια mRNA, η Transgene συνεργάζεται με ιικούς φορείς για να εκπαιδεύσει το ανοσοποιητικό σύστημα ενός ασθενούς ώστε να καταπολεμά συγκεκριμένους καρκινικούς στόχους.

Καθώς τα εμβόλια κατά του καρκίνου προχωρούν σε δοκιμές μεταγενέστερου σταδίου, μία από τις προκλήσεις θα είναι η ρύθμιση των πιθανών προϊόντων. Ο Οργανισμός Τροφίμων και Φαρμάκων των ΗΠΑ (FDA) δημοσίευσε ένα έγγραφο καθοδήγησης που αφορά τα εμβόλια πολλαπλών αντιγόνων. Ο οργανισμός δηλώνει ότι κάθε συστατικό αυτών των εμβολίων ενδέχεται να μην χρειάζεται να αξιολογείται μεμονωμένα ως προς την ασφάλεια και τη δραστικότητά τους. Ωστόσο, το έγγραφο αναφέρει ότι αυτό θα «εξετάζεται κατά περίπτωση».

Ο FDA «αναγνωρίζει τις δυνατότητες της τεχνητής νοημοσύνης/μηχανικής μάθησης (AI/ML) για την επιτάχυνση της ανάπτυξης εξατομικευμένων θεραπειών», δήλωσε εκπρόσωπος του FDA.

Phuong Anh (Πηγή: BioSpace, Tass)

[διαφήμιση_2]
Πηγή