Célzottan szűrik ki a legveszélyesebb rákos sejteket a Szegedi Biológiai Kutatóközpont munkatársai által kifejlesztett mesterséges intelligenciával.
A HUN-REN Szegedi Biológiai Kutatóközpont (SZBK) szakemberei olyan úttörő eljárást dolgoztak ki, amely a mikroszkópos képelemzést és a molekuláris biológiát ötvözi az egyedi daganatsejtek elemzésére. A Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport nemzetközi együttműködésben valósította meg a fejlesztést, amely érdemi változást hozhat a daganatos betegségek felismerésében és a célzott terápiák kiválasztásában.
A tumoron belüli rejtett sejttípusok felderítése
A daganatos megbetegedések egyik legnagyobb orvosi kihívása a szövetek belső sokféleségében rejlik. Egy rosszindulatú daganat nem egyöntetű tömeg, hanem eltérő tulajdonságokkal rendelkező, folyamatosan alakuló sejtpopulációk összessége. A diagnózis pillanatában a szövetmintában már jelen lehetnek olyan rejtett sejtcsoportok, amelyek hónapokkal vagy évekkel később áttétek képzéséért felelnek, vagy ellenállást mutatnak a hagyományos terápiás kezelésekkel szemben.
A hagyományos molekuláris vizsgálatok során a szakemberek a teljes szövetmintát egyben dolgozzák fel és elemzik. Ez az eljárás átlagolt eredményt ad, ami miatt a ritka, ám annál veszélyesebb daganatsejt-csoportok jelzései elmosódnak a többségi sejtek adatai között. A szegedi kutatók eljárása ezen a korláton lép túl azáltal, hogy nem az egész mintát értékeli egyben, hanem az egyes sejteket külön-külön izolálja és elemzi.
Lézer és mesterséges intelligencia a mikroszkóp alatt
A fejlesztés alapját a Deep Visual Proteomics elnevezésű technológia adja, amelyet a szegedi szakemberek továbbfejlesztettek. A folyamat első lépésében a mesterséges intelligencia nagy felbontású mikroszkópos szövettani felvételeket vizsgál meg, és a látott alaki sajátosságok alapján azonosítja a daganat szempontjából kulcsfontosságú sejtcsoportokat. Az algoritmus által kijelölt sejteket ezután egy hajszálvékony lézernyaláb segítségével precízen kiemelik a szövetmintából.
A szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ biztosítja a vizsgálatok technológiai hátterét. Ez a rendszer képes arra, hogy emberi jelenlét nélkül, a nap 24 órájában folyamatosan izolálja a mesterséges intelligencia által kijelölt sejteket. A kivágott sejtekből ezután molekuláris elemzéssel feltérképezik a bennük található fehérjék összetételét. Mivel a fehérjék közvetlenül tükrözik a sejt pillanatnyi működését, a kutatók pontos képet kapnak arról, miként alkalmazkodik és növekszik a daganatos sejt.
Veserákon és melanomán bizonyított az eljárás
A Szegedi Biológiai Kutatóközpont munkatársai a módszer hatékonyságát a leggyakoribb vesedaganat, a világossejtes veserák mintáin igazolták. Az EMBO Molecular Medicine című szakfolyóiratban megjelent tanulmányuk szerint a világon elsőként tudták megmérni egysejt szinten a tumorklónok genetikai és fehérjeállományát. A szegedi szakemberek a fehérjevizsgálatot összekötötték a génaktivitás mérésével is, így ugyanazokat a sejtcsoportokat két független molekuláris oldalról is górcső alá tudták venni.
Egy másik, a Nature kiadóhoz tartozó Precision Oncology lapban közzétett kutatásban a svéd és svájci partnerekkel együttműködő szegedi gárda egy áttétes melanoma alakulását követte nyomon. A nyolc éven át vizsgált betegségből származó minták digitális patológiai elemzése kimutatta, hogy az elsődleges daganat két eltérő sejtcsoportjából csak az egyik volt felelős a későbbi tüdő- és agyi áttétek kialakulásáért. A pontos molekuláris térkép segítségével a kezelőorvosok célzottan a legveszélyesebb sejtcsoportot célozhatják meg a megfelelő gyógyszerkombinációkkal.
A precíziós daganatterápia jövőbeli lehetőségei
Az egysejtes molekuláris elemzés és az alaki képelemzés összekapcsolása utat nyit az egyénre szabott gyógyításban. A daganat belső szerkezetének pontos feltérképezése a korai diagnózis mellett a terápiarezisztencia megelőzését is támogatja. Ha az orvosok már a kezelés megkezdése előtt látják, mely sejtcsoportok hajlamosak az áttétképzésre, lényegesen hatékonyabb klinikai stratégiát állíthatnak össze a betegek számára.
