W jaki sposób uczenie maszynowe może pomóc w opracowaniu spersonalizowanych szczepionek przeciwnowotworowych?

[reklama_1]

Dyrektor Narodowego Centrum Badawczego Epidemiologii i Mikrobiologii im. Gamalei (Rosja), Aleksander Gintsburg, powiedział agencji TASS, że wykorzystanie sztucznych sieci neuronowych może skrócić czas obliczeń niezbędnych do stworzenia spersonalizowanej szczepionki przeciwnowotworowej, co obecnie jest długotrwałym procesem, do mniej niż godziny.

„Obecnie projektowanie szczepionki zajmuje dużo czasu, ponieważ trzeba obliczyć, jak wygląda szczepionka mRNA, stosując metodę macierzową, w kategoriach matematycznych. Skontaktowaliśmy się z Instytutem Iwannikowa, który będzie korzystał ze sztucznej inteligencji do wykonania tych obliczeń. Procesy te zajmą od pół godziny do godziny”.

Badacz wyjaśnił wcześniej agencji TASS, że do wyszkolenia sztucznej inteligencji potrzebna jest baza danych testowa obejmująca od 40 000 do 50 000 sekwencji nowotworowych, z kompatybilnym rozpoznaniem antygenów, przetłumaczonych na białko lub RNA u pacjentów. Dodał, że pomogłoby to ustalić, czy szczepionka może być stosowana indywidualnie.

Szczepionka została opracowana we współpracy z kilkoma ośrodkami badawczymi. Andriej Kaprin, dyrektor generalny Centrum Badawczego Radiologii Medycznej Ministerstwa Zdrowia Rosji, poinformował, że badania przedkliniczne zostały zakończone.

W jaki sposób uczenie maszynowe może pomóc w produkcji szczepionek przeciwnowotworowych?

Zastosowanie sztucznej inteligencji w opracowywaniu szczepionek przeciwnowotworowych pozwala na spersonalizowane leczenie, ale stawia też nowe wyzwania przed twórcami leków i organami regulacyjnymi.

W immunoterapii postęp w dziedzinie sztucznej inteligencji i uczenia maszynowego może pomóc w przetwarzaniu danych z biopsji nowotworowych w celu projektowania szczepionek ukierunkowanych na mutacje specyficzne dla danego pacjenta. Możliwość ukierunkowania na mutacje specyficzne dla danego pacjenta nie jest niczym nowym, a ukierunkowane leki przeciwnowotworowe, takie jak leki anty-HER2 i inhibitory CDK4/6, stały się hitem w branży. Jednak potencjał sztucznej inteligencji w zakresie identyfikacji neoantygenów na podstawie biopsji poszczególnych pacjentów zwiększył wydajność tego procesu.

Zastosowanie sztucznej inteligencji stało się ważnym tematem dyskusji w wielu branżach i branża farmaceutyczna nie jest tu wyjątkiem.

„Mutacje wykryte w biopsjach pacjentów można wprowadzić do algorytmu, który przewiduje, które mutacje są najbardziej immunogenne” – powiedział Scott Ebbinghaus, wiceprezes ds. badań klinicznych w firmie Merck. „Na tej podstawie możemy syntetyzować RNA kodujące każdy zmutowany gen nowotworowy, dostosowane do układu odpornościowego. Każda szczepionka będzie unikalna dla każdego pacjenta”.

W przeciwieństwie do terapii opracowanych przeciwko pojedynczemu, stałemu antygenowi, system sztucznej inteligencji będzie dążył do poprawy swojej zdolności do selekcji neoantygenów. Algorytm analizuje mutacje genetyczne obecne w guzie pacjenta i przewiduje neoantygeny, które z największym prawdopodobieństwem wywołają odpowiedź immunologiczną. „Algorytm ma zdolność uczenia się z czasem poprzez łączenie danych klinicznych i immunogennych i mamy nadzieję, że będzie coraz lepiej dobierał neoantygeny, które prawdopodobnie będą klinicznie aktywne” – powiedział Kyle Holen, dyrektor ds. rozwoju terapii i onkologii w Modernie.

Inną firmą wykorzystującą sztuczną inteligencję jest Transgene, która współpracuje z NEC Corporation w celu projektowania spersonalizowanych szczepionek przeciwnowotworowych. Zamiast szczepionek mRNA, Transgene wykorzystuje wektory wirusowe, aby wytrenować układ odpornościowy pacjenta do walki z określonymi celami nowotworowymi.

W miarę jak szczepionki przeciwnowotworowe wchodzą w późniejsze fazy badań klinicznych, jednym z wyzwań będzie regulacja potencjalnych produktów. Amerykańska Agencja ds. Żywności i Leków (FDA) opublikowała dokument z wytycznymi dotyczącymi szczepionek wieloantygenowych. Agencja stwierdza, że każdy składnik tych szczepionek może nie wymagać indywidualnej oceny bezpieczeństwa i skuteczności. W dokumencie zaznaczono jednak, że będzie to „rozpatrywane indywidualnie”.

Rzecznik FDA powiedział, że FDA „dostrzega potencjał sztucznej inteligencji/uczenia maszynowego (AI/ML) w zakresie przyspieszenia rozwoju spersonalizowanych metod leczenia”.

Phuong Anh (źródło: BioSpace, Tass)

Źródło