AI giúp các nhà khoa học giải quyết được một trong những thách thức khó khăn nhất trong nghiên cứu ung thư. Theo công bố mới đây, các nhà khoa học của Trường Y thuộc Đại học California San Diego đã sử dụng trí tuệ nhân tạo để giải quyết một trong những thách thức khó khăn nhất trong nghiên cứu ung thư : dự đoán khi nào ung thư sẽ phát triển khả năng kháng hóa trị.
Điều trị hóa trị
Tất cả các tế bào, bao gồm cả tế bào ung thư, đều dựa vào một bộ máy phân tử phức tạp để sao chép DNA trong quá trình phân chia tế bào. Hầu hết các phương pháp điều trị bằng hóa trị đều làm gián đoạn quá trình sao chép DNA này ở các tế bào khối u đang phân chia nhanh chóng.
Tuy nhiên, việc dự đoán khối u sẽ phản ứng như thế nào với các phương pháp điều trị này là một thách thức do có nhiều đột biến trong khối u.
Phân tích đột biến gen
Thuật toán học máy phân tích cách các đột biến gen tác động chung đến phản ứng của khối u đối với các thuốc ức chế sao chép DNA.
Thử nghiệm mô hình của họ trên các khối u ung thư cổ tử cung, nhóm nghiên cứu tập trung vào cisplatin, một loại thuốc hóa trị thường được sử dụng.
Mô hình dự đoán chính xác các phản ứng và xác định các khối u có nguy cơ kháng thuốc điều trị cao nhất. Nó cũng xác định chính xác cơ chế phân tử phức tạp thúc đẩy sự kháng cự này.
Trey Ideker, Tiến sĩ, giáo sư Khoa Y tại Trường Y UC San Diego, đã nhấn mạnh tầm quan trọng của thành tựu này. Ideker cho biết:
“Trí tuệ nhân tạo thu hẹp khoảng cách trong hiểu biết của chúng ta, cho phép chúng ta phân tích một loạt phức tạp gồm hàng nghìn đột biến cùng một lúc”. Không giống như các phương pháp trước đây tập trung vào các đột biến biệt lập, thuật toán này xem xét bối cảnh di truyền rộng hơn của khối u.
Sao chép DNA
Sự phức tạp của quá trình sao chép DNA, mục tiêu của nhiều loại thuốc trị ung thư, là một hạn chế trong việc tìm hiểu cách các khối u phản ứng với các phương pháp điều trị.
Ideker giải thích: “Đột biến ở bất kỳ bộ phận nào của hệ thống này có thể thay đổi cách toàn bộ khối u phản ứng với hóa trị”. Các nhà nghiên cứu tập trung vào một bộ tiêu chuẩn gồm 718 gen thường được sử dụng trong xét nghiệm di truyền lâm sàng để phân loại ung thư.
Sử dụng đột biến trong các gen này làm đầu vào, mô hình học máy được huấn luyện với dữ liệu phản ứng thuốc có thể truy cập công khai, tiết lộ 41 tập hợp phân tử trong đó sự thay đổi di truyền ảnh hưởng đến hiệu quả của thuốc.
Ideker nhấn mạnh: “Ung thư là một căn bệnh dựa trên mạng do nhiều thành phần liên kết với nhau gây ra, nhưng các mô hình học máy trước đây để dự đoán khả năng kháng thuốc điều trị không phải lúc nào cũng phản ánh điều này”.
Ung thư cổ tử cung
Thay vì tập trung vào từng gen hoặc protein riêng lẻ, mô hình này đánh giá mạng lưới sinh hóa rộng hơn rất quan trọng cho sự sống sót của bệnh ung thư.
Đưa mô hình của họ vào thử nghiệm ở bệnh ung thư cổ tử cung, nơi có khoảng 35% khối u tồn tại sau khi điều trị, các nhà nghiên cứu đã thấy tính chính xác của nó trong việc xác định các khối u nhạy cảm có liên quan đến kết quả cải thiện của bệnh nhân.
Mô hình này cũng đánh dấu hiệu quả các khối u có khả năng kháng lại điều trị, cung cấp những hiểu biết sâu sắc vô giá cho các bác sĩ lâm sàng.
Ngoài khả năng dự đoán, mô hình còn mang lại sự minh bạch trong quá trình ra quyết định. Ideker nhấn mạnh tầm quan trọng của tính năng này, ông nói: “Việc làm sáng tỏ quá trình ra quyết định của mô hình AI là rất quan trọng, đôi khi cũng quan trọng như chính dự đoán đó”.
Tính minh bạch không chỉ tạo dựng niềm tin vào mô hình mà còn xác định các mục tiêu mới tiềm năng cho hóa trị liệu trong số các tổ hợp phân tử mà mô hình đã xác định chính xác.
Nghiên cứu này đánh dấu một bước tiến đáng chú ý trong cuộc chiến chống lại bệnh ung thư, mang đến cái nhìn khả quan về tương lai nơi AI đóng vai trò quan trọng trong việc điều chỉnh phương pháp điều trị cho từng bệnh nhân.
Tố Uyên