Inteligența artificială dezvăluie cinci tipuri celulare ascunse în tumori, deschizând calea către tratamente oncologice personalizate

Un consorțiu internațional de cercetători, condus de Garvan Institute of Medical Research și Yale University, a dezvoltat o unealtă inovatoare de inteligență artificială denumită AAnet, capabilă să identifice cinci tipuri celulare distincte în cadrul unei tumori. Publicat în Cancer Discovery, acest studiu oferă o înțelegere profundă a diversității intratumorale, cu implicații majore pentru tratamentele oncologice personalizate.
Tumorile nu sunt structuri uniforme. Ele sunt compuse din multiple tipuri celulare care evoluează și reacționează diferit la tratamente. Această heterogenitate celulară este una dintre cauzele principale ale recidivei cancerului și ale eșecului terapeutic, mai ales în forme agresive precum cancerul de sân triplu negativ.

Până în prezent, clasificarea funcțională precisă a celulelor tumorale individuale a fost limitată de complexitatea și volumul datelor obținute la nivel unicelular. Modelele tradiționale de analiză nu au reușit să capteze continuumul fenotipic și complexitatea spațială a acestor celule. În acest context, AAnet oferă o abordare complet nouă.

Despre studiu

Obiectiv și inovație

AAnet este o rețea neuronală concepută pentru a învăța și identifica „arhetipuri” celulare în cadrul unui continuu fenotipic. Algoritmul analizează date unicelulare din tumori și le organizează într-un spațiu latent, simplificat, unde poate evidenția stări funcționale distincte.

Model experimental și validare

• Instrumentul a fost aplicat pe modele preclinice de cancer mamar triplu negativ și pe probe umane de cancer mamar pozitiv pentru receptorii estrogenici, HER2 și triplu negativ.
• Folosind analiza transcriptomică spațială, AAnet a identificat cinci grupuri celulare distincte cu comportamente biologice clar diferențiate.
• Stările celulare identificate au fost regăsite și în metastazele hepatice, pulmonare și ganglionare corespunzătoare tumorilor primare, sugerând o conservare a arhetipurilor în diseminarea tumorală.

Rezultate

Identificarea a cinci arhetipuri celulare

Fiecare dintre cele cinci arhetipuri identificate prezintă:

• profiluri unice de exprimare genică, sugerând că celulele activează căi biologice distincte, precum proliferarea, hipoxia, metabolismul sau interacțiunile cu sistemul imun;
• caracteristici predictive pentru creștere tumorală, invazivitate și prognostic negativ;
• potențial pentru a deveni ținte terapeutice specifice – de exemplu, proteina GLUT3 a fost identificată în arhetipul hipoxic ca esențială pentru creșterea și metastazarea tumorală.

Conectarea datelor transcriptomice cu organizarea spațială

• Arhetipurile nu sunt distribuite aleatoriu – există o organizare spațială precisă în interiorul tumorii;
• A fost observat un fenomen de „oglindire” între celulele canceroase și cele stromale adiacente, sugerând o co-evoluție localizată între aceste populații celulare.

Implicații pentru tratamentele oncologice

Abordarea actuală în tratamentul cancerului presupune aplicarea unui protocol terapeutic unic bazat pe localizarea anatomică și markerii moleculari ai tumorii. Această strategie ignoră diversitatea celulară intratumorală, ceea ce reduce eficiența pe termen lung a terapiilor.

Cu ajutorul AAnet, clinicienii ar putea:

• caracteriza heterogenitatea tumorii unui pacient la un nivel funcțional, identificând subpopulațiile celulare și căile lor biologice specifice;
• alege combinații terapeutice rațional concepute care să vizeze simultan toate arhetipurile relevante;
• monitoriza evoluția în timp a acestor subpopulații înainte și după chimioterapie, anticipând rezistența la tratament.

Concluzii și perspective

AAnet marchează un punct de cotitură în oncologie, oferind un cadru analitic robust pentru înțelegerea și abordarea heterogenității tumorale. Este pentru prima dată când date unicelulare pot fi simplificate într-un set limitat de arhetipuri cu semnificație biologică clară, utile în proiectarea strategiilor terapeutice personalizate.

Deși studiul s-a concentrat pe cancerul mamar, tehnologia are potențialul de a fi aplicată și în alte tipuri de cancer sau în afecțiuni precum bolile autoimune. Integrarea AAnet în practica clinică ar putea transforma radical modul în care se stabilește diagnosticul și se formulează tratamentul în oncologie.

Studiul reflectă o convergență puternică între tehnologia de vârf și biologia tumorală, cu beneficii directe pentru îngrijirea personalizată a pacienților.