Liječnici i znanstvenici Specijalne bolnice "Sv. Katarina", u suradnji s kolegama s prestižnog Dartmouth Healtha (SAD) prošle su godine proveli prvo uspješno sekvenciranje cijelog genoma s kliničkom interpretacijom u Hrvatskoj, a samo nekoliko mjeseci poslije razvili su model koji ima golem potencijal u detekciji primarnog sjela malignih tumora kojima je primarna lokacija bolesti nepoznata. Rezultati studije provedene na uzorku od oko 20.000 metastatskih tumorskih tkiva i analizi više od 600 gena temelje se na računalnim simulacijama, a upravo su objavljeni u časopisu International Journal of Molecular Sciences. Autori studije su Dragan Primorac, Petar Brlek i Luka Bulić iz Specijalne bolnice "Sv. Katarina" te Nidhi Shah i Parth Shah iz Dartmouth Healtha.

Više od 20.000 uzoraka

Rak nepoznatog primarnog sijela velik je dijagnostički i terapijski izazov u području onkologije. S obzirom na ograničenja trenutačnih dijagnostičkih metoda u kliničkoj praksi, istraživači su se bavili razvojem novih pristupa kako bi se poboljšali ishodi liječenja pacijenata s rakom kojem se ne zna lokacija primarnog sijela. Cilj je studije bio razviti OncoOrigin, softver temeljen na strojnom učenju koji koristi genetičke podatke dobivene sekvenciranjem tumorske DNA kako bi se precizno utvrdilo primarno sijelo raka.

U studiji temeljenoj na računalnim simulacijama upotrebom umjetne inteligencije analizirano je više od 20.000 metastatskih tumorskih uzoraka, zajedno s podacima o spolu i dobi pacijenata oboljelih od raka te prisutnosti genetičkih varijanti u više od 600 različitih gena. Kvaliteta modela procijenjena je unakrsnom validacijom na skupu za učenje i evaluacijom na zasebnom skupu za ispitivanje. Konačno, optimalni model integriran je s grafičkim korisničkim sučeljem u softver OncoOrigin. Od četiri ispitana modela strojnog učenja, XGBoostClassifier pokazao je najbolju učinkovitost, s ROC-AUC vrijednošću od 0,97 (engl. Receiver Operating Characteristic – Area Under the Curve), a gdje je maksimalna vrijednost 1. Navedena vrijednost pokazuje iznimnu prediktivnu moć tog modela, što ga čini vrlo korisnim alatom za onkologe pri donošenju odluka o liječenju.

Personalizirana terapija

Personalizirana medicina postala je ključna u određivanju onkoloških terapijskih protokola, omogućujući primjenu ciljanih terapija temeljenih na specifičnim molekularnim biljezima tumora. Napredne metode molekularne biologije, poput sekvenciranja cijelog genoma, egzoma i transkriptoma tumorskog tkiva, omogućuju detaljno molekularno profiliranje tumora. Time se otvara put prema personaliziranim terapijama koje precizno djeluju na molekularne ciljeve unutar tumorskih stanica, znatno povećavajući učinkovitost liječenja i poboljšavajući prognozu pacijenata.

Maligni tumori nepoznatog primarnog sijela čine oko pet posto svih malignih bolesti, a obično pokazuju izrazitu biološku agresivnost i brzu progresiju, zbog čega čak 84 posto pacijenata umire unutar prve godine od postavljanja dijagnoze. Kako je primarna lokalizacija bolesti nepoznata, mogućnosti kirurškog liječenja i radioterapije su ograničene. Bez prepoznavanja primarnog organa iz kojeg tumor potječe, ne mogu se precizno odrediti protokoli za kemoterapiju, imunoterapiju i druge ciljane terapije. Zbog toga se pacijenti često liječe nespecifičnim terapijama, koje nisu prilagođene određenoj vrsti raka, što dodatno smanjuje izglede za uspješno liječenje.

- Prikazali smo izniman potencijal modela strojnog učenja koji smo razvili u svrhu identifikacije primarnog sijela tumora, a nastavljamo ga usavršavati povećanjem broja metastatskih tumorskih tkiva kod kojih će se povećati broj analiziranih gena s konačnim ciljem uvođenja cjelogenomske analize - objašnjava prof. dr. Dragan Primorac, predsjednik Hrvatskog društva za humanu genetiku i Hrvatskog društva za personaliziranu medicinu.