Группа ученых из разных стран под руководством Института медицинских исследований Гарван разработала новый инструмент на основе ИИ, который помогает разобраться в сложном устройстве опухолей. Оказывается, раковые клетки внутри одного образования могут сильно отличаться друг от друга — и это делает лечение менее эффективным.

Результаты работы опубликованы в журнале Cancer Discovery.

Почему это важно

Опухоль — это не однородная масса одинаковых клеток. В ней могут быть группы клеток с разными свойствами: одни агрессивно растут, другие устойчивы к терапии, третьи «прячутся» и позже вызывают рецидив. Особенно это заметно при тройном негативном раке молочной железы — одном из самых сложных в лечении.

Тройной негативный рак молочной железы — агрессивный тип рака, при котором опухоль не имеет рецепторов к эстрогену (ER), прогестерону (PR) и белку HER2. Из-за этого он не реагирует на стандартную гормональную терапию и требует особых подходов.

Сейчас мы лечим опухоль так, будто все ее клетки одинаковы, — объясняет Кристин Чаффер, соавтор исследования. — Но если часть клеток не реагирует на терапию, они выживают, и болезнь возвращается. Нам нужно понять, чем эти клетки отличаются, чтобы подобрать лечение, которое уничтожит их все.

Как работает новый инструмент

ИИ-алгоритм AAnet анализирует активность генов в отдельных клетках опухоли и выделяет среди них группы с общими чертами. Ученые проверили его на образцах тройного негативного рака, а также HER2-позитивного и ER-позитивного рака молочной железы.

В результате обнаружилось пять основных типов раковых клеток, каждый со своими особенностями:

• одни активнее распространяются,
• другие устойчивы к лечению,
• третьи связаны с худшим прогнозом.

Раньше мы видели лишь хаотичное разнообразие клеток, — говорит соавтор Смита Кришнасвами из Йельского университета. — Теперь мы можем разделить их на четкие группы и понять, как каждая из них влияет на болезнь.

Что это даст пациентам

Сейчас лечение подбирают в основном по типу рака (грудь, легкие и т. д.) и отдельным молекулярным маркерам. Но если знать, какие группы клеток есть в конкретной опухоли, можно комбинировать терапию точнее.

Представьте, что вместо одного лекарства пациент получит набор препаратов, каждый из которых бьет по определенной группе клеток, — говорит Чаффер. — Так мы сможем добиться полной ремиссии.

Технология уже готова к применению, и ученые планируют проверить ее на других типах рака и даже аутоиммунных заболеваниях.

Главное преимущество исследования — персонализация лечения. Если врачи смогут анализировать состав опухоли на уровне отдельных клеточных групп, они смогут:

• избежать «слепого» назначения терапии,
• подбирать комбинации препаратов, перекрывающие все уязвимые места опухоли,
• снизить риск рецидивов за счет уничтожения устойчивых клеток.

Для агрессивных типов рака, таких как тройной негативный, это может стать прорывом.

Отметим, что пока исследование охватывает лишь лабораторные модели и ограниченный набор образцов. Неясно, насколько стабильны выделенные группы клеток у разных пациентов и как они меняются под действием терапии. Кроме того, алгоритм требует больших вычислительных мощностей — внедрение в клиники может затянуться.

Ранее ученые заявили, что кофе и чай снижают риск развития рака головы и шеи.