Liječnici i znanstvenici Specijalne bolnice »Sv. Katarina«, u suradnji s kolegama prestižnog Dartmouth Healtha (SAD) prošle su godine proveli prvo uspješno sekvenciranje cijelog genoma s kliničkom interpretacijom u Hrvatskoj, a svega nekoliko mjeseci kasnije razvili su model koji ima golemi potencijal u detekciji primarnog sijela malignih tumora kojima je primarna lokacija bolesti nepoznata.

Rezultati studije provedene na uzorku od oko 20.000 metastatskih tumorskih tkiva i analizi više od 600 gena, temelje se na računalnim simulacijama, a upravo su objavljeni u časopisu International Journal of Molecular Sciences. Autori studije su Dragan Primorac, Petar Brlek i Luka Bulić iz Specijalne bolnice Sv. Katarina te Nidhi Shah i Parth Shah iz Dartmouth Healtha, SAD.

Novi pristup

Rak nepoznatog primarnog sijela predstavlja značajan dijagnostički i terapijski izazov u području onkologije. S obzirom na ograničenja trenutnih dijagnostičkih metoda u kliničkoj praksi, istraživači su se bavili razvojem novih pristupa kako bi se poboljšali ishodi liječenja pacijenata s rakom kojem se ne zna lokacija primarnog sijela. Cilj je studije bio razviti OncoOrigin, softver temeljen na strojnom učenju koji koristi genetičke podatke dobivene sekvenciranjem tumorskog DNK kako bi se precizno utvrdilo primarno sijelo raka.

U studiji temeljenoj na računalnim simulacijama upotrebom umjetne inteligencije, analizirano je više od 20.000 metastatskih tumorskih uzoraka, zajedno s podacima o spolu i dobi pacijenata oboljelih od raka te prisutnosti genetičkih varijanti u više od 600 različitih gena.

Kvaliteta modela procijenjena je unakrsnom validacijom na skupu za učenje i evaluacijom na zasebnom skupu za ispitivanje.

Konačno, optimalni model integriran je s grafičkim korisničkim sučeljem u softver OncoOrigin. Od četiri ispitana modela strojnog učenja, XGBoostClassifier pokazao je najbolju učinkovitost, s ROC-AUC vrijednošću od 0.97 (engl. Receiver Operating Characteristic – Area Under the Curve), a gdje je maksimalna vrijednost 1. Navedena vrijednost pokazuje iznimnu prediktivnu moć ovog modela, što ga čini vrlo korisnim alatom za onkologe pri donošenju odluka o liječenju.

Personalizirana medicina postala je ključna u određivanju onkoloških terapijskih protokola, omogućujući primjenu ciljanih terapija temeljenih na specifičnim molekularnim biljezima tumora. Napredne metode molekularne biologije, poput sekvenciranja cijelog genoma, egzoma i transkriptoma tumorskog tkiva, omogućuju detaljno molekularno profiliranje tumora.

Ciljana terapija

Time se otvara put prema personaliziranim terapijama koje precizno djeluju na molekularne ciljeve unutar tumorskih stanica, značajno povećavajući učinkovitost liječenja i poboljšavajući prognozu pacijenata.

Maligni tumori nepoznatog primarnog sijela čine oko pet posto svih malignih bolesti, a obično pokazuju izrazitu biološku agresivnost i brzu progresiju, zbog čega čak 84 posto pacijenata umire unutar prve godine od postavljanja dijagnoze. Kako je primarna lokalizacija bolesti nepoznata, mogućnosti kirurškog liječenja i radioterapije su ograničene. Bez prepoznavanja primarnog organa iz kojeg tumor potječe, ne mogu se precizno odrediti protokoli za kemoterapiju, imunoterapiju i druge ciljane terapije. Zbog toga se pacijenti često liječe nespecifičnim terapijama koje nisu prilagođene određenoj vrsti raka, što dodatno smanjuje izglede za uspješno liječenje.