تست خون مبتنی بر هوش مصنوعی، امیدی تازه برای بیماران سرطان لوزالمعده

به گزارش گروه سرطان، سرطان نیوز، یک تکنیک هوش مصنوعی برای شناسایی قطعات DNA که توسط تومورها به جریان خون رها می‌شوند، می‌تواند به پزشکان کمک کند تا سریع‌تر تشخیص دهند آیا درمان‌های سرطان لوزالمعده برای بیماران مفید است یا خیر. این تکنیک توسط محققان مرکز سرطان کیمل در دانشگاه جان هاپکینز توسعه یافته است.

این روش، به نام ARTEMIS-DELFI، در نمونه‌های خونی بیماران شرکت‌کننده در دو کارآزمایی بالینی بزرگ برای درمان سرطان لوزالمعده مورد آزمایش قرار گرفت. نتایج نشان داد این روش می‌تواند برای شناسایی پاسخ به درمان‌ها به‌کار رود. ARTEMIS-DELFI و یک روش دیگر به نام WGMAF، که برای مطالعه جهش‌ها طراحی شده بود، در مقایسه با روش‌های تصویربرداری یا سایر نشانگرهای بالینی و مولکولی موجود، پیش‌بینی بهتری از نتایج دو ماه پس از شروع درمان داشتند. با این حال، ARTEMIS-DELFI به‌عنوان آزمایش برتر شناخته شد، زیرا ساده‌تر و به‌طور بالقوه کاربردی‌تر بود.

توضیحات این کار در تاریخ ۲۱ مه در مجله Science Advances منتشر شد. این تحقیق با کمک بودجه‌هایی از مؤسسات ملی سلامت ایالات متحده پشتیبانی شده است.

اهمیت زمان در درمان سرطان لوزالمعده

دکتر ویکتور ولکولسکو، نویسنده ارشد این مطالعه و مدیر مشترک برنامه ژنتیک و اپی‌ژنتیک سرطان در مرکز سرطان کیمل، می‌گوید:
"زمان در درمان بیماران سرطان لوزالمعده حیاتی است. بسیاری از بیماران در مراحل پیشرفته بیماری تشخیص داده می‌شوند، زمانی که سرطان به سرعت پیشرفت می‌کند."

او ادامه داد:
"داشتن گزینه‌های درمانی بیشتر برای بیماران بسیار مهم است. ما باید هرچه زودتر بدانیم آیا درمان مفید است یا خیر. اگر مؤثر نیست، باید سریع به درمان دیگری برویم."

در حال حاضر، پزشکان برای بررسی پاسخ به درمان و پیشرفت تومور از ابزارهای تصویربرداری استفاده می‌کنند. اما این ابزارها ممکن است به موقع نتیجه ندهند و در بیماران دریافت‌کننده ایمونوتراپی، نتایج پیچیده‌تر شوند. در این مطالعه، پژوهشگران دو روش جایگزین را برای پایش پاسخ به درمان در کارآزمایی فاز دو CheckPAC (ایمونوتراپی در سرطان لوزالمعده) آزمایش کردند.

دو رویکرد نوآورانه: WGMAF و ARTEMIS-DELFI

• روش اول، WGMAF (توالی‌یابی کل ژنوم پلاسما و آگاه به تومور)، DNA گرفته‌شده از نمونه‌های بیوپسی تومور و DNA آزاد گردش‌کننده در خون را تحلیل می‌کند.

• روش دوم، ARTEMIS-DELFI (بررسی پروفایل‌های قطعات cfDNA در کل ژنوم بدون نیاز به نمونه تومور)، فقط از نمونه‌های خون و یادگیری ماشین استفاده می‌کند.

هر دو روش توانستند تشخیص دهند کدام بیماران از درمان‌ها بهره می‌برند. اما از آنجا که همه بیماران نمونه‌های تومور در دسترس نداشتند و بسیاری از نمونه‌های توموری، حاوی مقدار کمی سلول‌های سرطانی بودند (در مقایسه با بافت طبیعی پانکراس یا سایر سلول‌ها)، WGMAF گاهی نتایج را پیچیده می‌کرد.

دکتر ولکولسکو گفت:
"رویکرد ARTEMIS-DELFI برای بیماران بیشتری قابل‌استفاده بود و از نظر لجستیکی ساده‌تر بود."

تأیید در یک کارآزمایی دوم

تیم تحقیقاتی سپس با استفاده از یک کارآزمایی بالینی دوم به نام PACTO، کارایی ARTEMIS-DELFI را تأیید کردند. نتایج نشان داد این روش می‌تواند تشخیص دهد کدام بیماران از درمان پاسخ می‌گیرند – حتی به‌زودی چهار هفته پس از شروع درمان.

دکتر کارولین هروبن، نویسنده اول این مطالعه، گفت:
"این رویکرد «شکست سریع» (fast-fail) ممکن است به‌ویژه در سرطان لوزالمعده مفید باشد، جایی که تغییر سریع درمان می‌تواند بسیار مهم باشد. ARTEMIS-DELFI ساده‌تر، احتمالاً ارزان‌تر و کاربردی‌تر از روش‌های وابسته به نمونه تومور است."

گام بعدی و کاربردهای آینده

گام بعدی برای این تیم، انجام مطالعات آینده‌نگر است تا بررسی کنند آیا اطلاعات به‌دست‌آمده از ARTEMIS-DELFI به پزشکان کمک می‌کند سریع‌تر درمان مؤثر را پیدا کنند و نتایج بیماران را بهبود دهند یا خیر.

این تیم همچنین معتقد است که رویکرد مشابهی می‌تواند برای پایش سایر سرطان‌ها نیز به‌کار رود. اوایل امسال، اعضای تیم مطالعه‌ای در مجله Nature Communications منتشر کردند و نشان دادند که نوعی از روش پایش قطعات cfDNA به نام DELFI-TF در ارزیابی پاسخ درمانی سرطان روده بزرگ مفید است.

دکتر ولکولسکو گفت:
"تحلیل‌های ما از قطعات DNA آزاد گردش‌کننده، یک ارزیابی در لحظه از پاسخ بیمار به درمان فراهم می‌کند که می‌تواند مراقبت‌ها را شخصی‌سازی و نتایج بیماران را بهبود دهد."