Машинное обучение помогло медикам прогнозировать рак Ученые применили математические модели популяционной генетики

Исследователи выяснили, что машинное обучение, основанное на принципах популяционной генетики, может довольно точно предсказать, как будет развиваться рак груди. Такой подход может предоставить врачам средства для прогнозирования реакции пациента с опухолью на конкретное лечение и определять клетки, которые могут быть ответственными за рецидив. Это позволит разрабатывать индивидуальные методы лечения, которое будет проводиться в оптимальное время для получения лучших результатов. Для экспериментов были использованы реалистичные модели рака — злокачественные образования человека, которые удалили и пересадили мышам.

Эти модели анализировали в течение порядка трех лет, исследуя эффекты химиотерапии и отмены лечения. Еще одним нововведением было применение технологии секвенирования одной клетки для одновременного документирования генетического состава тысяч отдельных раковых клеток в опухоли. Разработанная ранее платформа позволила команде выполнять эти операции в автоматическом режиме. Для этого применялся инструмент машинного обучения под названием fitClone, который применяет математические модели популяционной генетики к раковым клеткам в опухоли. Таким образом была создана модель поведения отдельных клеток и их потомков или клонов. Система предсказывает, каких клонов будет больше, а какие будут вытеснены.

В случае с моделями рака лечение опухолей химиотерапией привело к возможному появлению устойчивых к лекарствам опухолевых клеток, аналогично тому, как это происходит у пациентов, проходящих лечение. Эти устойчивые к лекарствам клетки имели различные варианты числа копий. Клетки, которые захватили опухоль в присутствии химиотерапии, уменьшились или исчезли, когда лечение отменили, а клетки, устойчивые к лекарствам, уступали исходным, чувствительным к лекарствам. Такое поведение указывает на то, что устойчивость к лекарствам имеет эволюционный характер. Осталось научиться использовать этот подход для образцов крови.