System biomarkerów wspomagany sztuczną inteligencją redefiniuje progresję i podtypy raka tarczycy
Zróżnicowany rak tarczycy (DTC, differentiated thyroid carcinoma) zazwyczaj charakteryzuje się powolnym przebiegiem, a część pacjentów może być monitorowana bez konieczności natychmiastowej interwencji chirurgicznej. Jednak pozostaje wyzwaniem klinicznym określenie, którzy pacjenci kwalifikują się do strategii aktywnego nadzoru oraz w jakim momencie może dojść do progresji choroby.
Nowe badanie przeprowadzone przez naukowców z The First Affiliated Hospital of Zhengzhou University podejmuje ten problem, opracowując innowacyjny, dynamiczny system biomarkerów. Z wykorzystaniem zoptymalizowanego algorytmu dynamicznych biomarkerów sieciowych (DNB, dynamic network biomarker), zespół badaczy zidentyfikował tzw. „punkt krytyczny” w II stadium DTC, w którym dochodzi do przejścia choroby ze stanu stabilnego w fazę gwałtownej progresji. „Nasza analiza wykazała, że II stadium to kluczowy moment przejściowy” — podkreśla autor korespondencyjny, prof. Xinguang Qiu.
Aby umożliwić ilościowe określenie ryzyka indywidualnego, naukowcy opracowali system punktacji TCPSLevel, który wychwytuje molekularne sygnały ostrzegawcze we wczesnej fazie choroby. Pacjenci z wysokim TCPSLevel wykazywali bardziej zaawansowaną postać raka oraz gorsze rokowania. „Ten wskaźnik przewyższa tradycyjne systemy klasyfikacji w identyfikowaniu pacjentów wysokiego ryzyka” — zauważa współautor badania, dr Ge Zhang.
Zespół badaczy zastosował algorytmy klasteryzacji konsensusowej oparte na sztucznej inteligencji do analizy ponad 1100 próbek raka tarczycy i wyróżnił trzy powtarzalne molekularne podtypy, z których każdy charakteryzuje się odmiennym profilem immunologicznym i ryzykiem progresji. Najbardziej agresywny podtyp wykazywał związek z genem ASPH, co zostało potwierdzone w badaniach eksperymentalnych.
Na potrzeby praktyki klinicznej opracowano uproszczony klasyfikator (miniPC), bazujący jedynie na 12 genach, umożliwiający precyzyjne przewidywanie podtypu raka w różnych zestawach danych. „To narzędzie dostarcza praktycznego wsparcia w planowaniu spersonalizowanego leczenia” — wskazuje dr Haonan Zhang.
Integrując dane multiomiczne, uczenie maszynowe oraz analizę pojedynczych komórek, badanie dostarcza nowych narzędzi i wglądu w wczesną stratyfikację ryzyka oraz ukierunkowane leczenie raka tarczycy.
Źródło: Molecular Diagnosis & Therapy, Optimized Dynamic Network Biomarker Deciphers a High-Resolution Heterogeneity Within Thyroid Cancer Molecular Subtypes, FAR Publishing Limited
DOI: https://doi.org/10.1002/mdr2.70004
