Eine bahnbrechende Studie unter der Leitung des USC -Assistenzprofessors für Informatik Ruishan Liu hat aufgedeckt, wie spezifische genetische Mutationen die Ergebnisse der Krebsbehandlung beeinflussen – Erkenntnisse, die Ärzten helfen könnten, Behandlungen effektiver anzupassen. Die größte Studie dieser Art analysierte die Forschung Daten für mehr als 78.000 Krebspatienten bei 20 Krebsarten. Die Patienten erhielten Immuntherapien, Chemotherapien und gezielte Therapien.
Mithilfe der fortschrittlichen Computeranalyse identifizierten die Forscher fast 800 genetische Veränderungen, die die Überlebensergebnisse direkt beeinflussten. Sie entdeckten auch 95 Gene, die signifikant mit dem Überleben bei Krebserkrankungen wie Brust-, Eierstock-, Haut- und Magen -Darm -Krebserkrankungen verbunden waren.
Aufbauend auf diesen Erkenntnissen entwickelte das Team ein Tool für maschinelles Lernen, um vorherzusagen, wie Patienten mit fortgeschrittenem Lungenkrebs auf eine Immuntherapie reagieren könnten.
„Diese Entdeckungen unterstreichen, wie genetische Profile eine entscheidende Rolle bei der Personalisierung der Krebspflege spielen können“, sagte Liu. „Durch das Verständnis, wie unterschiedliche Mutationen die Behandlungsreaktion beeinflussen, können Ärzte die wirksamsten Therapien auswählen – möglicherweise vermeiden ineffektive Therapien und konzentrieren sich auf diejenigen, die am wahrscheinlichsten helfen.“
Veröffentlicht in NaturkommunikationDie Studie zeigt die kritischen Rollen von Genen wie TP53, CDKN2A und CDKN2B bei der Beeinflussung der Behandlungsergebnisse und validiert diese Assoziationen mit realen Daten.
Co-Autoren von Studien sind Shemra Rizzo, Lisa Wang, Nayan Chaudhary, Sophia Maund und Sarah McGough und Ryan, die Genentech aufgibt. Marius Rene Garmhausen von Roche; und James Zou von der Stanford University.
Warum sind Mutationen wichtig?
Genetische Mutationen – Veränderungen in der DNA – können beeinflussen, wie sich Krebs entwickelt, und wie ein Patient auf die Behandlung reagiert. Einige Mutationen treten zufällig auf, während andere vererbt werden.
Bei Krebs können Mutationen bestimmen, ob ein Tumor aggressiver ist oder wie er auf bestimmte Behandlungen reagieren kann. Heutzutage werden Gentests in der Krebsbehandlung zunehmend verwendet, um diese Mutationen zu identifizieren, sodass Ärzte Behandlungen genauer auswählen können.
Beispielsweise erhalten Patienten, bei denen nicht-kleinzellige Lungenkrebs (NSCLC) diagnostiziert wurde, häufig genomische Tests auf Mutationen in Genen wie KRAS, EGFR und ALK, um festzustellen, ob gezielte Therapien oder Immuntherapien wirksam sein könnten.
Zu den wichtigsten Ergebnissen der Studie gehören:
• KRAS-Mutationen bei fortgeschrittenen nicht-kleinzelligen Lungenkrebs waren mit einer schlechteren Reaktion auf eine gemeinsame Behandlung (EGFR-Inhibitoren) in Verbindung gebracht, was darauf hindeutet, dass alternative Behandlungen erforderlich sein können. • NF1 -Mutationen verbesserten die Reaktionen auf die Immuntherapie und verschlechterten die Reaktionen auf bestimmte gezielte Therapien, wodurch ihre komplexe Rolle bei der Behandlung hervorgehoben wurde. • PI3K -Pathway -Mutationen, die das Zellwachstum regulieren, hatten je nach Krebstyp unterschiedliche Wirkungen mit unterschiedlichen Reaktionen bei Brust-, Melanom- und Nierenkrebs. • Mutationen für DNA -Reparaturen verbesserten die Wirksamkeit der Immuntherapie bei Lungenkrebs durch Erhöhung der Tumorinstabilität. • Mutationen in immunbezogenen Wegen waren mit besseren Überlebensraten bei Lungenkrebspatienten verbunden, die mit einer Immuntherapie behandelt wurden, was darauf hindeutet, dass nicht alle Mutationen den Behandlungserfolg behindern.
Ein leistungsstarkes Vorhersagewerkzeug
Während Krebsbehandlungen traditionell einen Ein-Größe-Ansatz befolgt haben, bei dem Patienten mit derselben Krebsart dieselben Standardtherapien erhalten, unterstreicht die Studie die Bedeutung der Präzisionsmedizin, die die Behandlung anhand des einzigartigen genetischen Make-ups eines Patienten anbaut.
Während jedoch große Mengen an Mutationsdaten vorhanden sind, hat nur eine geringe Anzahl klinisch validierte Behandlungen, wodurch die potenzielle Auswirkungen auf die reale Welt und der Patientenvorteil begrenzt werden. Um diese Lücke basierend auf ihren Ergebnissen zu schließen, verwendete das Lius Team maschinelles Lernen, um zu analysieren, wie mehrere Mutationen interagieren, um die Behandlungsergebnisse zu beeinflussen.
„Unser Ziel war es, Muster zu finden, die auf den ersten Blick möglicherweise nicht offensichtlich sind.“ Ruishan Liu
Sie entwickelten ein zufälliges Überlebenswaldmodell (RSF), ein prädiktives Instrument zur Verfeinerung der Behandlungsempfehlungen für Lungenkrebspatienten. Durch die Integration großer realer Daten mit maschinellem Lernen identifizierte das Modell neue Interaktionen mit Mutationsbehandlungen.
„Unser Ziel war es, Muster zu finden, die auf den ersten Blick möglicherweise nicht offensichtlich sind, und diese Erkenntnisse dann in tatsächliche Tools umzusetzen, die den Zugang zur Immuntherapie für Krebs Menschen erweitern können“, sagte Lui. „Eine wichtige Innovation liegt in der Integration großer Datenmengen mit fortschrittlichen statistischen und maschinellen Lerntechniken, um zuvor nicht erkannte Interaktionen mit Mutationsbehandlungen aufzudecken.“
Während weitere klinische Studien erforderlich sind, sieht Liu diese Studie als wichtigen Schritt, um die Krebsbehandlung präziser und personalisierter zu gestalten.
„Diese Forschung zeigt die Kraft der Computerwissenschaft bei der Umwandlung komplexer klinischer und genomischer Daten in umsetzbare Erkenntnisse“, sagte sie. „Es ist zutiefst erfüllend, zu Tools und Wissen beizutragen, die die Patientenversorgung direkt verbessern können.“
