Egy új mesterséges intelligencia eszköz meglepő pontossággal jósolja meg a daganatok metsztázisképződési valószínűségét
A Genfi Egyetem (UNIGE) kutatói vastagbélrák sejteket vizsgáltak, és azonosították azokat a kulcsfontosságú tényezőket, amelyek befolyásolják a daganat terjedésének valószínűségét. Olyan specifikus génexpressziós mintázatokat is feltártak, amelyek felhasználhatók a kockázat becslésére.
Ezen eredményekre építve a csapat kifejlesztett egy mesterséges intelligencia eszközt (MangroveGS), amely ezeket a genetikai jeleket rendkívül megbízható előrejelzésekké alakítja át több ráktípus esetében. A Cell Reports című folyóiratban publikált tanulmány személyre szabottabb onkológiai kezelésekhez vezethet, és segíthet új terápiás célpontok feltárásában.
„A rák eredetét gyakran az „anarchikus sejteknek” tulajdonítják” – magyarázza Ariel Ruiz i Altaba, az UNIGE Orvostudományi Karának Genetikai Orvostudományi és Fejlődéstani Tanszékének professzora, a tanulmány vezetője. „A daganatot azonban inkább a fejlődés torz formájaként kell értelmezni.”
A genetikai és epigenetikai változások újraaktiválhatják azokat a biológiai programokat, amelyek a korai fejlődés után normális esetben kikapcsolnak, végső soron tumorképződést idézve elő.
„A kihívás tehát az, hogy megtaláljuk a kulcsokat a logikájának és formájának megértéséhez. És áttétek esetén azonosítsuk azoknak a sejteknek a jellemzőit, amelyek elválnak a daganattól, hogy egy másikat hozzanak létre a test más részén.”
Áttétes tumorsejtek nyomon követése
A legtöbb daganatos halálesetért az áttétek felelősek, különösen a vastagbél-, emlő- és tüdőrák esetén. Mire a tumorsejteket kimutatják a vérben vagy a nyirokrendszerben keringve, a betegség gyakran már elkezdett terjedni.
Bár a tudósok ismerik a tumorképződéshez vezető számos mutációt, egyetlen genetikai változás sem magyarázza meg, hogy egyes sejtek miért válnak le és vándorolnak, míg mások a helyükön maradnak.
„A nehézség abban rejlik, hogy képesek legyünk meghatározni egy sejt teljes molekuláris azonosságát – egy olyan elemzést, amely elpusztítja azt –, miközben megfigyeljük a funkcióját, amely megköveteli, hogy életben maradjon” – magyarázza Ruiz i Altaba professzor.
Ennek leküzdésére a kutatók laboratóriumban izolálták, klónozták és tenyésztették a tumorsejteket. Ezeket a klónokat ezután in vitro és egérmodellben is értékelték, hogy megfigyeljék, képesek-e átjutni egy valódi biológiai szűrőn és áttéteket generálni.
A csapat több száz gén aktivitását elemezte körülbelül harminc, két primer vastagbéldaganatból származó sejtklónban. Az analízis egyértelmű génexpressziós mintázatokat tárt fel, amelyek szorosan illeszkedtek az egyes sejtek mozgási és terjedési képességéhez. Fontos megjegyezni, hogy az áttétképződési potenciált nem egyetlen sejt profilja határozta meg, hanem az, hogy a rokon tumorsejtek csoportjai hogyan lépnek kölcsönhatásba egymással.
Az áttétek kockázatának előrejelzése MI-vel
A kutatók ezeket a génaláírásokat egy mesterséges intelligencia rendszerbe integrálták. „A »Mangrove Gene Signatures (MangroveGS)« nevű eszközünk nagy újdonsága, hogy több tucat, akár több száz génaláírást is felhasznál. Ez különösen ellenállóvá teszi az egyedi variációkkal szemben” – magyarázza Aravind Srinivasan.
A modell közel 80%-os pontossággal tudta előre jelezni az áttéteket és a vastagbélrák kiújulását, felülmúlva a meglévő módszereket. Ugyanezen, vastagbélrákból származó génaláírások hasznosnak bizonyultak más rákos megbetegedések, többek között a gyomor-, tüdő- és emlőrák áttétkockázatának előrejelzésében is.
Személyre szabottabb onkológiai kezelés
A MangroveGS közvetlenül képes dolgozni a kórházakban gyűjtött tumormintákkal. A sejteket elemzik, RNS-üket szekvenálják, és gyorsan generálnak egy áttétképződési kockázati pontszámot, amelyet egy titkosított platformon keresztül biztonságosan megosztanak az orvosokkal és a betegekkel.
„Ez az információ megakadályozza az alacsony kockázatú betegek túlkezelését, ezáltal korlátozza a mellékhatásokat és a szükségtelen költségeket, miközben javítja a magas kockázatúak monitorozását és kezelését” – mondja Ariel Ruiz i Altaba.
„Ez lehetőséget kínál a klinikai vizsgálatokban résztvevők kiválasztásának optimalizálására, a szükséges önkéntesek számának csökkentésére, a vizsgálatok statisztikai erejének növelésére, valamint terápiás előnyök biztosítására a leginkább rászoruló betegek számára.”
Aravind Srinivasan, Arwen Conod, Yann Tapponnier, Marianna Silvano, Luca Dall’Olio, Céline Delucinge-Vivier, Isabel Borges-Grazina, Ariel Ruiz i Altaba. Emergence of high-metastatic potentials and prediction of recurrence and metastasis. Cell Reports, 2026; 45 (1): 116834 DOI: 10.1016/j.celrep.2025.116834
