Genprex és Roche együttműködve olyan klinikai vizsgálat előkészítésébe kezd, amelyben azt tesztelik, hogy a TROP2 nevű fehérje képes‑e megjósolni, mely tüdőrákos betegek reagálnak a Reqorsa nevű génterápiára. A Reqorsa célja egy hiányzó tumorszuppresszor gén helyreállítása; maga a terápia nem a TROP2-t célozza. Roche mesterséges intelligencia-algoritmusa digitalizált szövettani metszeteket elemzve számszerűsíti a TROP2‑jelzőt, hogy a kórházak és kutatók konzisztens, reprodukálható módon mérhessék ezt a vizuális jegyet.
Mit csinál az AI és miért kell ez?
A Roche által fejlesztett mesterséges intelligencia nem a molekuláris mechanizmust tárja fel: nem magyarázza meg, miért jelezheti a TROP2 a terápiás választ. Ehelyett a rendszer egy addig változó, sokszor csak néhány betegben megfigyelt jelenséget tesz mérhetővé és standardizálttá azáltal, hogy a digitalizált, mikroszkópos kép alapján számszerű pontszámot ad a TROP2‑kifejeződésre. Ez a standardizálás lehetővé teszi, hogy a vizsgálat statisztikai kritériumok mentén értékelje: valóban korrelál‑e a magas vagy alacsony TROP2‑pontszám a Reqorsa‑ra adott klinikai válasszal.
Mi a különlegesség: sorrendváltozás a kutatásban
Hagyományosan előbb próbálnak magyarázatot találni egy biomarker kapcsolódására a terápiához, majd validálják a prediktív értékét. Itt az AI megfordítja a sorrendet: előbb számszerűsíti és validálhatóvá teszi a jelenséget egy klinikai próbában, majd a biológiai mechanizmus feltárása következhet. Ez nem jelenti a magyarázat feladását, csupán azt, hogy a mérés és a validálás előrébb kerülhet a folyamatban.
Mit nem állítanak a kutatók?
A jelenlegi információk alapján a kutatók nem bizonyították, hogy miért lenne a TROP2 prediktív a Reqorsa‑válaszra; vannak elméletek, de nincs megerősített, kísérleti mechanizmus. Az AI alkalmazása nem pótolja ezeket a biológiai vizsgálatokat, csak praktikus eszközt ad a klinikai kutatáshoz.
Mi a tét?
Ha a klinikai vizsgálat megerősíti, hogy a TROP2‑pontszám valóban előre jelzi a terápiás választ, az új utat nyithat: több, korábban „rejtett” vagy csak ritkán megfigyelt vizuális biomarkert lehetne nagyobb vizsgálatokban tesztelni anélkül, hogy előbb teljesen értenénk a mögöttes biológiát. Ez felgyorsíthatja olyan személyre szabott terápiák kifejlesztését, ahol a prediktív jelzők korlátozott megértés mellett is hasznosak lehetnek.
