Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les scientifiques de NUS développent la technologie neuve pour personnaliser le cocktail optimal de ` de médicament' pour des patients de myélome

Une équipe multidisciplinaire des chercheurs de l'université nationale de Singapour (NUS) a développé une plate-forme technique (AI) d'artificial intelligence qui pourrait potentiellement changer la voie que des associations médicamenteuses sont conçues, par conséquent activant soigne pour déterminer la plupart de combinaison de traitement efficace pour un patient rapidement.

Appliquant la plate-forme vers le myélome multiple résistant à la drogue, un type de cancer de sang, les chercheurs pouvaient déterminer des combinaisons neuves de traitement efficace, ainsi que recensent les patients qui peuvent être plus sensibles à ces demandes de règlement dedans sous une semaine.

Les méthodes existantes pour concevoir des associations médicamenteuses concernent type vérifier des combinaisons arbitraires des médicaments utilisés généralement ou comporter des traitements visés neufs aux associations médicamenteuses déterminées. Bortezomib-contenant des associations médicamenteuses sont actuel employés comme premier et demande de règlement de deuxième-line pour le myélome multiple. Cependant, la plupart des patients deviennent inévitablement résistants à ces médicaments et des combinaisons neuves doivent être déterminées. Tandis que quelques combinaisons plus neuves ont montré pour être efficaces pour quelques patients, l'identification rapide d'une demande de règlement personnalisée optimale pour un patient spécifique d'une envergure infinie des associations médicamenteuses possibles demeure un défi.

Personnalisant le médicament optimal « cocktail » pour chaque patient employant l'AI

L'équipe de recherche comportant des cliniciens, les techniciens et les biologistes moléculaires de NUS ont pour cette raison développé la plate-forme technique d'AI, plate-forme phénotypique quadratique d'optimisation (QPOP), pour accélérer le modèle d'association médicamenteuse et pour recenser les la plupart des combinaisons de traitement efficace visées à différents patients employant de petits jeux de données expérimentales. Avec d'échantillon juste un peu de sang ou de moelle osseuse provenant des patients, la plate-forme peut tracer la réaction au traitement qu'un ensemble d'associations médicamenteuses aura sur les cellules cancéreuses spécifiques du patient.

D'un premier gisement de 114 médicaments approuvés par le FDA, QPOP pouvait recenser une suite de combinaisons de traitement efficace, y compris une combinaison complet nouvelle et inattendue qui a surpassé le régime de niveau de soins pour le myélome rechuté. Le rendement de la combinaison nouvelle a été validé contre 13 échantillons patients. QPOP a été également employé pour régler avec précision des rapports de dosage de la combinaison nouvelle pour l'efficacité optimale.

Utilisant quatre autres échantillons de patient, encore d'équipe de recherche expliqué que QPOP pouvait évaluer et classer la combinaison nouvelle contre l'autre courant deux cliniquement a employé des associations médicamenteuses. La combinaison nouvelle s'est avérée la plupart d'option de traitement efficace pour deux des échantillons patients de myélome essayés. Tandis que la combinaison nouvelle n'était pas la plus efficace pour chacun des quatre échantillons patients, QPOP pouvait apparier la meilleure association médicamenteuse à chaque patient, par conséquent expliquant l'épreuve-de-concept pour le médicament personnalisé.

La capacité de QPOP de comporter simultanément l'optimisation et la personnalisation des associations médicamenteuses avec la vitesse sans précédent ouvre la trappe à améliorer l'accessibilité patiente au médicament personnalisé. Les thérapies combiné neuves peuvent également de manière significative élargir l'éventail des traitements efficaces pour des patients.

M. Edouard Kai-Hua Chow, investigateur principal à l'institut de la Science de cancer de Singapour, NUS, qui a abouti l'étude, a dit, « QPOP révolutionne la voie dont des associations médicamenteuses sont conçues et représente une zone clé dans la santé qui peut être transformée avec l'AI. Le rendement de cette plate-forme en utilisant de petits jeux de données expérimentales active l'identification des associations médicamenteuses optimales d'une façon opportune et rentable, qui marque un grand saut vers l'avant dans le domaine du médicament personnalisé. »

Les autres instituts de recherches de NUS impliqués dans le développement de QPOP incluent l'institut de Singapour pour Neurotechnology (SINAPSE) et l'institut biomédical pour la recherche globale de santé et la technologie (BIGHEART).

La recherche a été conduite en collaboration avec l'agence pour la Science, technologie et recherche, l'institut national de cancer d'université, Singapour, et l'Université de Californie, Los Angeles. Les découvertes étaient publiées en médicament de translation de la Science le 9 août 2018.

Prochaines opérations

L'équipe travaille maintenant vers traduire ce travail dans la clinique. Ils examineront dans les patients recruteurs pour des tests cliniques estimatifs liés à QPOP et à d'autres plates-formes d'artificial intelligence en 2019, ainsi qu'augmentent l'application de la plate-forme dans d'autres endroits de la maladie.