Naukowcy z Uniwersytetu w Genewie opracowali narzędzie oparte na sztucznej inteligencji, które na podstawie wzorców ekspresji genów w komórkach raka jelita grubego potrafi z blisko 80% dokładnością przewidzieć ryzyko przerzutów i nawrotu choroby. Odkrycie to może zrewolucjonizować personalizację leczenia onkologicznego, pozwalając na lepsze dopasowanie terapii do indywidualnego profilu pacjenta.
Co pokazały dane
Analiza setek genów w klonach komórkowych pobranych z guzów jelita grubego ujawniła istnienie wyraźnych sygnatur genetycznych, które były ściśle powiązane ze zdolnością komórek do migracji i tworzenia przerzutów. Kluczowe okazało się nie to, jaki profil ma pojedyncza komórka, ale jak oddziałują na siebie całe grupy spokrewnionych komórek nowotworowych.
Na podstawie tych odkryć badacze stworzyli system sztucznej inteligencji o nazwie MangroveGS. Jego główną zaletą jest zdolność do analizy dziesiątek, a nawet setek sygnatur genetycznych jednocześnie, co czyni go wyjątkowo odpornym na indywidualne różnice między pacjentami. Po wytrenowaniu model osiągnął blisko 80% skuteczność w prognozowaniu przerzutów i nawrotów raka jelita grubego, przewyższając dotychczasowe metody.
Co istotne, te same sygnatury genetyczne zidentyfikowane w komórkach raka jelita grubego okazały się użyteczne również w przewidywaniu ryzyka przerzutów w innych typach nowotworów. Wstępne wyniki pokazały ich potencjał prognostyczny m.in. w raku żołądka, płuc oraz piersi.
Na czym oparto analizę
Podejście badaczy opierało się na koncepcji, że nowotwór nie jest chaotycznym namnażaniem się komórek, lecz zniekształconą formą rozwoju. Aby zidentyfikować komórki o potencjale przerzutowym, naukowcy wyizolowali i sklonowali komórki nowotworowe pobrane od pacjentów z dwoma pierwotnymi guzami jelita grubego. Zdolność poszczególnych klonów do tworzenia przerzutów oceniano następnie w badaniach in vitro oraz na modelu mysim.
Znaczenie wyników
Narzędzie MangroveGS może być wykorzystywane bezpośrednio na próbkach guza pobranych w szpitalach, generując szybko ocenę ryzyka przerzutów. Informacja ta pozwoli uniknąć nadmiernego leczenia pacjentów z grupy niskiego ryzyka, ograniczając skutki uboczne i koszty, a jednocześnie zintensyfikować terapię u osób z wysokim ryzykiem. Może to również usprawnić dobór uczestników do badań klinicznych i przyspieszyć odkrywanie nowych celów terapeutycznych.
Źródło: https://www.sciencedaily.com/releases/2026/03/260321012709.htm
