Ελπίδες θεραπείας Οξείας Μυελοειδούς Λευχαιμίας

Μια πρόσφατα δημοσιευμένη μελέτη στο επιστημονικό περιοδικό Computer Methods and Programs in Biomedicine από το Τμήμα Βιοπληροφορικής του Ινστιτούτου Νευρολογίας και Γενετικής Κύπρου (ΙΝΓΚ), προσφέρει ένα σημαντικό βήμα στη μάχη κατά της Οξείας Μυελοειδούς Λευχαιμίας (ΟΜΛ), μιας από τις δυσκολότερες μορφές καρκίνου του αίματος. Παρά την έρευνα δεκαετιών, οι θεραπείες για την ΟΜΛ παραμένουν σε μεγάλο βαθμό αμετάβλητες εδώ και σχεδόν 40 χρόνια.

Σύμφωνα με ανακοίνωση του Ινστιτούτου Νευρολογίας και Γενετικής Κύπρου, η ερευνητική ομάδα με επικεφαλής τον Δρ Νέστορα Καραθανάση, μεταδιδακτορικό ερευνητή του Τμήματος Βιοπληροφορικής και αποτελούμενη από τη Δρ Παναγιώτα Παπασάββα, αιματολόγο και ερευνήτρια του Τμήματος Μοριακής Γενετικής Θαλασσαιμίας, τον Δρ Αναστάση Ούλα, ερευνητή του Τμήματος Βιοπληροφορικής και τον Δρ. Γιώργο Σπύρου, Διευθυντή του Τμήματος Βιοπληροφορικής, ανέλυσαν εκ νέου δεδομένα από την πληρέστερη μέχρι σήμερα μελέτη για την ΟΜΛ, χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης (ΑΙ) για να προβλέψουν ποιες θεραπείες θα αποδώσουν καλύτερα σε κάθε ασθενή.

Όπως εξηγείται, η οξεία μυελοειδής λευχαιμία είναι ένας τύπος καρκίνου που προσβάλλει το αίμα και τον μυελό των οστών. Εξελίσσεται ταχέως και απαιτεί επείγουσα θεραπεία, η οποία συνήθως περιλαμβάνει χημειοθεραπεία ή μεταμόσχευση βλαστοκυττάρων. Ωστόσο, τα αποτελέσματα της θεραπείας ποικίλουν σημαντικά και πολλοί ασθενείς υποτροπιάζουν. Οι εξατομικευμένες προσεγγίσεις θεωρούνται το κλειδί για τη βελτίωση των θεραπευτικών αποτελεσμάτων των ασθενών.

Απολαμβάνετε το περιεχόμενο μας? Εγγραφείτε στο newsletter μας!

Σημειώνεται ότι η μελέτη χρησιμοποίησε προηγμένους αλγορίθμους για να επανεξετάσει δεδομένα από το πρόγραμμα BeatAML - μια σημαντική μελέτη που συνέλεξε λεπτομερείς γενετικές, κλινικές και φαρμακευτικές πληροφορίες για την ανταπόκριση των ασθενών με ΟΜΛ. Αξιοποιώντας αυτά τα δεδομένα, η ερευνητική ομάδα ανέπτυξε μοντέλα μηχανικής μάθησης που μπορούν να προβλέψουν πώς οι ασθενείς θα ανταποκριθούν σε 122 διαφορετικά φάρμακα, προσφέροντας μια νέα διέξοδο για εξατομικευμένα σχέδια θεραπείας.

Προστίθεται ότι τα σημαντικότερα σημεία της μελέτης περιλαμβάνουν τη χρήση αλγορίθμων τεχνητής νοημοσύνης, τον συνδυασμό μοριακών και κλινικών δεδομένων ο οποίος οδήγησε σε ακριβέστερες προβλέψεις γύρω από την ευαισθησία των ασθενών στα φάρμακα, τα δεδομένα αλληλουχίας RNA τα οποία παρείχαν τις πιο ισχυρές προγνωστικές πληροφορίες, τρεις φορές πιο ακριβείς από την παραδοσιακή γενετική αλληλουχία και το ότι το 88% των ασθενών που εξετάστηκαν θα μπορούσαν να είχαν επωφεληθεί από ένα διαφορετικό φάρμακο από αυτό που τους χορηγήθηκε αρχικά.