Μια νέα συνεργασία-σταθμός μεταξύ της Microsoft, του δικτύου υγείας Providence και του Πανεπιστημίου της Ουάσιγκτον φέρνει στο προσκήνιο ένα εργαλείο που υπόσχεται να επιταχύνει δραματικά την έρευνα για τον καρκίνο. Το όνομα αυτού, GigaTIME. Πρόκειται για ένα εξελιγμένο μοντέλο τεχνητής νοημοσύνης, το οποίο καταφέρνει να «ξεκλειδώσει» πληροφορίες για το μικροπεριβάλλον των όγκων σε κλίμακα που μέχρι χθες φάνταζε πρακτικά αδύνατη.
Η ανακοίνωση, η οποία έρχεται να προστεθεί σε μια σειρά πρόσφατων εξελίξεων στον χώρο της ψηφιακής παθολογίας, αφορά τη δημιουργία μιας τεράστιας «εικονικής δεξαμενής» δεδομένων. Μέσω αυτής, οι ερευνητές μπορούν πλέον να μελετήσουν πώς τα καρκινικά κύτταρα αλληλεπιδρούν με το ανοσοποιητικό σύστημα, χωρίς να απαιτούνται οι χρονοβόρες και εξαιρετικά δαπανηρές εργαστηριακές διαδικασίες που απαιτούνταν μέχρι σήμερα.
Το πρόβλημα του «αόρατου» μικροπεριβάλλοντος
Για να κατανοήσουμε τη σημασία του GigaTIME, πρέπει πρώτα να δούμε το εμπόδιο που καλείται να ξεπεράσει. Στη σύγχρονη ογκολογία, και ειδικά στον τομέα της ανοσοθεραπείας, δεν αρκεί να γνωρίζουμε απλώς τον τύπο του καρκίνου. Είναι κρίσιμο να καταλάβουμε το «μικροπεριβάλλον του όγκου» (Tumor Microenvironment – TME), δηλαδή το πολύπλοκο οικοσύστημα από κύτταρα, αιμοφόρα αγγεία και μόρια που περιβάλλουν τον όγκο. Αυτό το περιβάλλον καθορίζει συχνά αν μια θεραπεία θα πετύχει ή θα αποτύχει.
Μέχρι τώρα, η λεπτομερής χαρτογράφηση αυτού του περιβάλλοντος απαιτούσε μια τεχνική γνωστή ως πολυπλεξικός ανοσοφθορισμός (mIF). Αν και εξαιρετικά ακριβής, η μέθοδος αυτή είναι απαγορευτικά ακριβή και δύσκολη για να εφαρμοστεί μαζικά σε χιλιάδες ασθενείς. Κατά συνέπεια, οι επιστήμονες είχαν στη διάθεσή τους μόνο μικρά, αποσπασματικά δείγματα, γεγονός που περιόριζε την ευρύτητα των συμπερασμάτων τους.
Η λύση: Εικονική χαρτογράφηση μέσω AI
Εδώ έρχεται να δώσει τη λύση το GigaTIME. Χρησιμοποιώντας προηγμένους αλγορίθμους πολυτροπικής τεχνητής νοημοσύνης (multimodal AI), το σύστημα εκπαιδεύτηκε να «μεταφράζει» τις standard, κοινές ιστολογικές εξετάσεις (που είναι φθηνές και άμεσα διαθέσιμες) σε εικόνες που προσομοιάζουν τα αποτελέσματα του ακριβού ανοσοφθορισμού.
Ουσιαστικά, το AI «βλέπει» σε μια απλή διαφάνεια μικροσκοπίου πληροφορίες που το ανθρώπινο μάτι αδυνατεί να διακρίνει και παράγει μια εικονική αναπαράσταση των πρωτεϊνών και των κυττάρων του ανοσοποιητικού συστήματος. Οι ερευνητές εφάρμοσαν το μοντέλο σε δείγματα από 14.256 ασθενείς, αντλώντας δεδομένα από το εκτεταμένο δίκτυο της Providence. Το αποτέλεσμα ήταν η δημιουργία ενός «εικονικού πληθυσμού» περίπου 300.000 εικόνων, καλύπτοντας 24 τύπους και 306 υποτύπους καρκίνου.
Η δύναμη των real-world data
Η κλίμακα του εγχειρήματος είναι αυτή που κάνει τη διαφορά. Οι περισσότερες μελέτες μέχρι σήμερα βασίζονταν σε περιορισμένα σύνολα δεδομένων, όπως αυτά του «The Cancer Genome Atlas» (TCGA). Σύμφωνα με τα αποτελέσματα που δημοσιεύθηκαν, το GigaTIME κατάφερε να εντοπίσει 33% περισσότερες σημαντικές συσχετίσεις μεταξύ βιολογικών δεικτών και εξέλιξης της νόσου σε σύγκριση με τις υπάρχουσες βάσεις δεδομένων.
Αυτό αποδεικνύει την τεράστια αξία των δεδομένων πραγματικού κόσμου (Real-World Data). Αντί να βασίζεται μόνο σε αυστηρά επιλεγμένα δείγματα κλινικών δοκιμών, το σύστημα έμαθε από την καθημερινή κλινική πράξη δεκάδων νοσοκομείων, αποκτώντας μια πιο ρεαλιστική και πλούσια εικόνα για το πώς συμπεριφέρεται ο καρκίνος σε διαφορετικούς πληθυσμούς.
Μια συνέχεια του GigaPath
Το GigaTIME δεν προέκυψε από το πουθενά. Αποτελεί τη φυσική εξέλιξη και επέκταση του GigaPath, του θεμελιώδους μοντέλου που είχαν παρουσιάσει οι ίδιοι φορείς (Microsoft και Providence) λίγους μήνες νωρίτερα, τον Μάιο του 2024. Ενώ το GigaPath έθεσε τις βάσεις για την ανάλυση ψηφιακών βιοψιών σε επίπεδο gigapixel, το GigaTIME εμβαθύνει στη λειτουργική ανάλυση, προσφέροντας μια ματιά στη χημεία και τη βιολογία του όγκου χωρίς να χρειάζεται φυσική επέμβαση στο δείγμα.
Τι σημαίνει αυτό για το μέλλον της θεραπείας
Οι προοπτικές που ανοίγονται είναι συναρπαστικές. Η δυνατότητα μαζικής, ψηφιακής ανάλυσης χιλιάδων δειγμάτων σε ελάχιστο χρόνο σημαίνει ότι οι ερευνητές μπορούν να εντοπίσουν νέους βιοδείκτες που θα προβλέπουν ποιοι ασθενείς θα ανταποκριθούν σε συγκεκριμένες ανοσοθεραπείες.
Αντί να περιμένουμε χρόνια για να συγκεντρωθούν δεδομένα από ακριβές κλινικές μελέτες, εργαλεία όπως το GigaTIME επιτρέπουν την «εξόρυξη» γνώσης από τα εκατομμύρια δείγματα που βρίσκονται ήδη αρχειοθετημένα στα νοσοκομεία. Αυτό οδηγεί με μαθηματική ακρίβεια προς την κατεύθυνση της Ιατρικής Ακριβείας, όπου η θεραπεία δεν θα είναι «μία για όλους», αλλά απόλυτα προσαρμοσμένη στο μοριακό προφίλ του κάθε ασθενούς.
Η Microsoft και οι συνεργάτες της φαίνεται πως πέτυχαν να μετατρέψουν την Τεχνητή Νοημοσύνη από ένα θεωρητικό εργαλείο σε έναν πρακτικό σύμμαχο στο εργαστήριο, δίνοντας στους γιατρούς τα «γυαλιά» που χρειάζονταν για να δουν τι πραγματικά συμβαίνει στο πεδίο της μάχης των καρκινικών κυττάρων. Και όπως όλα δείχνουν, είμαστε ακόμα στην αρχή.
