Учёные из Мичиганского университета разработали инновационную модель машинного обучения, которая поможет врачам подбирать наиболее эффективные методы лечения для пациентов с глиомой.
Глиома — самый распространённый тип опухолей головного мозга, возникающий из глиальных клеток — опорных структур нервной системы, обеспечивающих функционирование нейронов. Эта опухоль отличается высокой агрессивностью и метаболическим разнообразием, что делает её лечение особенно сложным.
Согласно исследованию, опубликованному в журнале Cell Metabolism, исследователи создали «цифрового двойника» — компьютерную модель, которая в реальном времени отражает метаболизм опухоли. Эта технология позволяет заранее определить, как опухоль конкретного пациента будет реагировать на различные типы диет или лекарственных препаратов.
Ранее учёным было известно, что определённые диеты (например, ограничение некоторых аминокислот) способны замедлять рост глиомы. Однако серьёзной проблемой оставалось то, что часть опухолей может самостоятельно вырабатывать эти вещества, делая диету неэффективной. Новая технология поможет медикам точно определить, каким пациентам диетические ограничения принесут пользу, а какие опухоли окажутся устойчивыми к такому подходу.
Модель основана на методах глубокого обучения, в частности на сверточных нейронных сетях (CNN). Она анализирует три ключевых компонента:
— анализ крови пациента;
— метаболические показатели опухолевой ткани;
— генетический профиль опухоли.
Объединяя эти данные, искусственный интеллект определяет «метаболический поток» — скорость, с которой раковые клетки потребляют и перерабатывают питательные вещества.
Точность модели была подтверждена в ходе экспериментов с использованием данных пациентов, а затем в испытаниях на мышах. ИИ смог точно предсказать не только эффективность диетического вмешательства, но и воздействие конкретных лекарственных препаратов.
Учёные надеются, что в будущем этот метод будет применим не только к опухолям головного мозга, но и к другим видам рака, способствуя дальнейшему развитию персонализированной медицины.
