Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los investigadores crean el sistema del AI ese los tumores de los fósforos a las mejores combinaciones de la droga

El solamente 4 por ciento de todas las drogas terapéuticas del cáncer en fase de desarrollo gana la aprobación final por los E.E.U.U. Food and Drug Administration (FDA).

Eso es porque ahora no podemos igualar la combinación correcta de drogas a los pacientes adecuados de una manera elegante. Y especialmente para el cáncer, donde no podemos predecir siempre qué drogas trabajarán el mejor dado los funcionamientos internos únicos, complejos de las células del tumor de una persona.”

Trey Ideker, doctorado, profesor, Facultad de Medicina y centro del cáncer de Moores, Universidad de California San Diego

En el 20 de octubre de 2020 publicado papel en célula cancerosa, Ideker y Brent Kuenzi, el doctorado, y el parque de Jisoo, doctorado, investigadores postdoctorales en su laboratorio, describen DrugCell, un nuevo sistema de inteligencia (AI) artificial que crearon que no sólo los tumores de los fósforos a las mejores combinaciones de la droga, pero hacen tan de una manera que tenga sentido a los seres humanos.

“La mayoría de los sistemas del AI son “cajas negras” -- pueden ser muy proféticos, pero no conocemos real todos que mucho sobre cómo trabajan,” dijo a Ideker, que es también codirector de la iniciativa del mapa de la célula cancerosa y del recurso nacional para la biología de la red.

Él dio a ejemplo de la manera una búsqueda de la imagen del Internet para los trabajos del “gato”. Los sistemas del AI que trabajan detrás de las escenas se entrenan en imágenes existentes del gato, pero cómo etiqueta real una nueva imagen como “gato” y no “rata” o algo más son desconocidos.

Para que el AI sea útil en atención sanitaria, Ideker dijo, tenemos que poder ver dentro de la caja negra para entender cómo el sistema llega a sus conclusiones. “Necesitamos saber porqué se toma esa decisión, qué caminos esas drogas recomendadas están apuntando y las razones de una reacción positiva de la droga o de su rechazo.”

El trabajo de las personas sobre DrugCell comenzó hace varios años en levadura. En un estudio anterior, construyeron un sistema del AI llamado DCell usando la información sobre los genes y las mutaciones de una célula de levadura. DCell predijo comportamientos celulares, tales como incremento, todos exterior la “caja negra.”

DrugCell, una versión de la siguiente-generación de DCell, fue entrenado en más de 1.200 variedades de células del tumor y sus reacciones a casi 700 aprobados por la FDA y a drogas terapéuticas experimentales -- un total de más de 500.000 pairings de la variedad de células/de la droga. Los investigadores también validaron algunas de las conclusiones de DrugCell en experimentos del laboratorio.

Con DrugCell, las personas pueden los datos de entrada sobre un tumor y el sistema vuelve la droga más conocida, los caminos biológicos que reacción de mando a esa droga, y las combinaciones de drogas a la mejor invitación la malignidad.

La terapia del cáncer de la precisión está ya disponible en el centro del cáncer de Moores en la salud de Uc San Diego, donde los pacientes pueden tener una biopsia de su tumor ordenado para las mutaciones y fijado por la tabla molecular del tumor, un grupo de expertos interdisciplinario.

La tabla recomienda las terapias personalizadas basadas en los cambios genomic únicos y la otra información del paciente. Un estudio reciente mostró que estos pacientes tienen mejores resultados. De una manera, DrugCell simula la tabla molecular humana del tumor.

“Nos sorprendimos como de bien DrugCell podía traducir de variedades de células del laboratorio, que es en lo que entrenamos al modelo, a los tumores en ratones y pacientes, así como los datos de la juicio clínica,” Kuenzi dijo.

El objetivo último de las personas es conseguir DrugCell en clínicas en.beneficio de pacientes, pero la cautela de los autores del estudio allí sigue siendo mucho trabajo a hacer.

“Mientras que 1.200 variedades de células son un buen comienzo, es por supuesto no representativo de la heterogeneidad completa del cáncer,” Park dijo. “Nuestras personas ahora están agregando datos más unicelulares y diversas estructuras de la droga que intentan. También esperamos partner con estudios clínicos existentes para embutir DrugCell como herramienta diagnóstica, probándolo anticipado en el mundo real.”

Source:
Journal reference:

Kuenzi, B. M., et al. (2020) Predicting Drug Response and Synergy Using a Deep Learning Model of Human Cancer Cells. Cancer Cell. doi.org/10.1016/j.ccell.2020.09.014.