Künstliche Intelligenz sagt Arzneimittelkombinationen voraus, die Krebszellen wirksamer abtöten.

0

Ein in Finnland entwickeltes Modell des maschinellen Lernens kann uns helfen, Krebs wirksamer zu behandeln.

Wenn Angehörige der Gesundheitsberufe Patienten behandeln, die an fortgeschrittenem Krebs leiden, müssen sie in der Regel eine Kombination verschiedener Therapien anwenden. Zusätzlich zur Krebsoperation werden die Patienten oft mit Strahlentherapie, Medikamenten oder beidem behandelt.

Medikamente können kombiniert werden, wobei verschiedene Medikamente auf verschiedene Krebszellen wirken. Kombinatorische medikamentöse Therapien verbessern oft die Wirksamkeit der Behandlung und können die schädlichen Nebenwirkungen verringern, wenn die Dosis der einzelnen Medikamente reduziert werden kann. Allerdings ist das experimentelle Screening von Arzneimittelkombinationen sehr langsam und teuer, so dass die Vorteile der Kombinationstherapie oft nicht voll ausgeschöpft werden können. Mit Hilfe einer neuen Methode des maschinellen Lernens könnte man die besten Kombinationen zur selektiven Abtötung von Krebszellen mit spezifischer genetischer oder funktioneller Ausstattung identifizieren.

Forscher der Aalto-Universität, der Universität Helsinki und der Universität Turku in Finnland entwickelten ein Modell des maschinellen Lernens, das genau vorhersagt, wie Kombinationen verschiedener Krebsmedikamente verschiedene Arten von Krebszellen abtöten. Das neue KI-Modell wurde mit einem umfangreichen Datensatz aus früheren Studien trainiert, die den Zusammenhang zwischen Medikamenten und Krebszellen untersucht hatten. Das von der Maschine gelernte Modell ist eigentlich eine Polynomfunktion, die aus der Schulmathematik bekannt ist, aber eine sehr komplexe”, sagt Professor Juho Rousu von der Aalto Universität.

Die Forschungsergebnisse wurden in der renommierten Fachzeitschrift Nature Communications veröffentlicht und zeigen, dass das Modell Assoziationen zwischen Medikamenten und Krebszellen gefunden hat, die vorher nicht beobachtet wurden. Das Modell liefert sehr genaue Ergebnisse. Zum Beispiel lagen die Werte des so genannten Korrelationskoeffizienten in unseren Experimenten über 0,9, was auf eine ausgezeichnete Zuverlässigkeit hinweist”, sagt Professor Rousu. Bei experimentellen Messungen gilt ein Korrelationskoeffizient von 0,8-0,9 als zuverlässig.

Das Modell sagt genau voraus, wie eine Arzneimittelkombination selektiv bestimmte Krebszellen hemmt, wenn die Wirkung der Arzneimittelkombination auf diese Krebsart zuvor noch nicht getestet wurde. Dies wird den Krebsforschern helfen, Prioritäten zu setzen, welche Arzneimittelkombinationen sie aus Tausenden von Optionen für die weitere Forschung auswählen können”, sagt der Forscher Tero Aittokallio vom Institut für Molekulare Medizin Finnland (FIMM) an der Universität Helsinki.

Derselbe Ansatz des maschinellen Lernens könnte auch für nicht-kanzeröse Erkrankungen verwendet werden. In diesem Fall müsste das Modell mit Daten, die sich auf diese Krankheit beziehen, neu erlernt werden. Mit dem Modell könnte beispielsweise untersucht werden, wie verschiedene Kombinationen von Antibiotika auf bakterielle Infektionen wirken oder wie wirksam verschiedene Kombinationen von Medikamenten Zellen abtöten, die mit dem SARS-Cov-2-Coronavirus infiziert wurden.

Referenz: 1. Dezember 2020, Mitteilungen zur Natur.

DOI: 10.1038/s41467-020-19950-z.

Share.

Leave A Reply