Hoe kan machine learning helpen bij de productie van gepersonaliseerde kankervaccins?

Het gebruik van kunstmatige neurale netwerken zou de rekentijd die nodig is om een gepersonaliseerd kankervaccin te ontwikkelen, een proces dat momenteel lang duurt, kunnen verkorten tot minder dan een uur, vertelde Alexander Gintsburg, directeur van het Gamaleya National Research Center for Epidemiology and Microbiology (Rusland), aan TASS.

"Het duurt momenteel lang om een vaccin te ontwerpen, omdat je met behulp van de matrixmethode wiskundig moet berekenen hoe een mRNA-vaccin eruitziet. We hebben contact opgenomen met het Ivannikov Instituut, dat voor deze berekeningen gebruik zal maken van AI. Deze processen duren ongeveer een half uur tot een uur."

De onderzoeker legde eerder aan TASS uit dat een testdatabase van 40.000 tot 50.000 tumorsequenties, met compatibele antigeenherkenning, vertaald in eiwit of RNA bij patiënten, nodig is om de AI te trainen. Hij zei dat dit zou helpen bepalen of het vaccin op individuele basis kan worden gebruikt.

Het vaccin is ontwikkeld in samenwerking met verschillende onderzoekscentra. Andrey Kaprin, directeur-generaal van het Onderzoekscentrum voor Medische Radiologie van het Russische Ministerie van Volksgezondheid , zei dat de preklinische studies zijn afgerond.

Hoe kan machine learning helpen bij de productie van kankervaccins?

Het gebruik van kunstmatige intelligentie bij de ontwikkeling van kankervaccins maakt gepersonaliseerde behandelingen mogelijk, maar brengt ook nieuwe uitdagingen voor medicijnontwikkelaars en toezichthouders met zich mee.

In de immunotherapie kunnen ontwikkelingen in kunstmatige intelligentie en machine learning helpen bij het verwerken van gegevens uit kankerbiopsieën om vaccins te ontwikkelen die gericht zijn op patiëntspecifieke mutaties. De mogelijkheid om patiëntspecifieke mutaties aan te pakken is niet nieuw, en doelgerichte kankermedicijnen, zoals anti-HER2-behandelingen en CDK4/6-remmers, zijn razend populair in de sector. De mogelijkheden van AI om neoantigenen uit individuele patiëntbiopsieën te identificeren, hebben echter bijgedragen aan de efficiëntie van dit proces.

In veel sectoren is het gebruik van AI een belangrijk gespreksonderwerp geworden. De farmaceutische sector vormt hierop geen uitzondering.

"Mutaties die in patiëntbiopsieën worden gedetecteerd, kunnen worden ingevoerd in een algoritme om te voorspellen welke mutaties het meest immunogeen zijn", aldus Scott Ebbinghaus, vice-president klinisch onderzoek bij Merck. "Daaruit kunnen we RNA synthetiseren dat codeert voor elk gemuteerd kankergen, afgestemd op het immuunsysteem. Elk vaccin zal zeer uniek zijn voor elk individu."

In tegenstelling tot behandelingen die zijn ontwikkeld tegen één vast antigeen, zal het AI-systeem proberen zijn vermogen om neoantigenen te selecteren te verbeteren. Het algoritme kijkt naar de genetische mutaties in de tumor van een patiënt en voorspelt neoantigenen die het meest waarschijnlijk een immuunreactie zullen uitlokken. "Het algoritme kan in de loop van de tijd leren door klinische en immunogeniciteitsgegevens te koppelen, en hopelijk wordt het beter in het selecteren van neoantigenen die waarschijnlijk klinisch actief zijn", aldus Kyle Holen, directeur therapeutische ontwikkeling en oncologie bij Moderna.

Een ander bedrijf dat AI gebruikt, is Transgene, dat samenwerkt met NEC Corporation om gepersonaliseerde kankervaccins te ontwikkelen. In plaats van mRNA-vaccins werkt Transgene met virale vectoren om het immuunsysteem van een patiënt te trainen om specifieke kankerdoelen te bestrijden.

Nu kankervaccins in een later stadium van onderzoek terechtkomen, zal een van de uitdagingen de regulering van de potentiële producten zijn. De Amerikaanse Food and Drug Administration (FDA) heeft een richtlijn gepubliceerd over multi-antigeenvaccins. De FDA stelt dat het mogelijk is dat niet elk onderdeel van deze vaccins afzonderlijk hoeft te worden beoordeeld op veiligheid en werkzaamheid. Het document vermeldt echter wel dat dit "van geval tot geval zal worden beoordeeld".

De FDA "onderkent het potentieel van kunstmatige intelligentie/machine learning (AI/ML) om de ontwikkeling van gepersonaliseerde behandelingen te versnellen", aldus een woordvoerder van de FDA.

Phuong Anh (Bron: BioSpace, Tass)

Bron