Een 3D-illustratie van een cel. Geproduceerd door Ofra Benny via OpenAI-software DALL-E via ISRAEL21c
Tot nu toe was het moeilijk voor artsen om precies te voorspellen wat een kankercel in de loop van de tijd zal doen, maar een onderzoeksteam van de Hebreeuwse Universiteit van Jeruzalem heeft onlangs de details gedeeld van een doorbraak die hen in staat stelt het gedrag van kankercellen nauwkeurig te voorspellen als nooit tevoren.
Ze zeggen dat het de diagnose en behandeling van kanker kan transformeren en de gepersonaliseerde geneeskunde kan verbeteren, waardoor een behandeling mogelijk wordt gemaakt die is afgestemd op de behoeften van een individuele patiënt.
Hun onderzoek concentreert zich op de manier waarop individuele kankercellen reageren wanneer ze worden blootgesteld aan kleine deeltjes van verschillende groottes. Ze maten precies hoeveel deeltjes elke cel consumeerde.
Vervolgens gebruikten ze machine learning-algoritmen om deze opnamepatronen te analyseren en te voorspellen hoe elke individuele cel op een bepaald medicijn zou reageren en hoe waarschijnlijk het was dat ze zich naar andere delen van het lichaam zouden verspreiden.
“Onze methode is nieuw in zijn vermogen om onderscheid te maken tussen kankercellen die identiek lijken, maar zich op biologisch niveau anders gedragen”, zegt Yoel Goldstein, een doctoraalstudent aan de School of Pharmacy van de universiteit tegen ISRAEL21c.
“Het vermogen om nieuwe soorten gegevens te verzamelen en te analyseren brengt nieuwe mogelijkheden voor het veld met zich mee, met het potentieel om een revolutie teweeg te brengen in de klinische behandeling en diagnose door de ontwikkeling van nieuwe hulpmiddelen.”
Yoel Goldstein (links) en prof. Ofra Benny (rechts) in het laboratorium. Foto verstrekt door de Hebreeuwse Universiteit van Jeruzalem via ISRAEL21c
De huidige instrumenten voor het voorspellen en detecteren van kanker zijn vaak onnauwkeurig en inefficiënt.
Traditionele methoden voor het voorspellen en detecteren van kanker, zoals beeldvormende scans en weefselbiopten, kunnen invasief, kostbaar en tijdrovend zijn, wat leidt tot vertragingen in de behandeling en mogelijke verkeerde diagnoses.
De nieuwe methode maakt gebruik van nano-informatica – de studie van de kleinste bouwstenen van de natuur – samen met AI om een effectiever en niet-invasief diagnostisch hulpmiddel te creëren.
“Deze ontdekking stelt ons in staat cellen uit biopsieën van patiënten te gebruiken om snel de ziekteprogressie of resistentie tegen chemotherapie te voorspellen”, zegt prof. Ofra Benny, die mede de studie leidde.
“Het zou ook kunnen leiden tot de ontwikkeling van innovatieve bloedtesten die bijvoorbeeld de werkzaamheid van gerichte immunotherapiebehandelingen beoordelen.”
Het nieuwe voorspellende instrument zou een enorm verschil maken voor veel patiënten die momenteel lang op een diagnose wachten, niet de best mogelijke behandeling krijgen en als gevolg daarvan aan angst lijden.
Het onderzoeks artikel van het team, “Particle uptake in cancer cell can voorspellen maligniteit en medicijnresistentie met behulp van machine learning”, is beschikbaar in het tijdschrift Science Advances .
Comments