En ny forskningsartikel offentliggjort i tidsskriftet Cell Genomics beskriver et banebrydende værktøj udviklet af forskere fra Brasilien og Polen, som kan forudsige aggressiviteten af visse kræftformer ved hjælp af kunstig intelligens (AI). Denne teknologi kan hjælpe med at identificere specifikke proteiner, der er forbundet med tumorens aggressivitet, og skaber et stemness-index, der spænder fra nul til et. Her indikerer nul lav aggressivitet, mens et tal nærmere et tyder på høj aggressivitet. Som indexet stiger, bliver kræften mere modstandsdygtig over for behandling og har en større risiko for tilbagefald.
Stemness-indekset viser, hvor meget tumorcellerne ligner pluripotente stamceller, som kan omdannes til næsten enhver type celle i menneskekroppen. Når sygdommen skrider frem, mister de maligne celler deres lighed med det væv, de stammer fra. Forskerne har benyttet data fra Clinical Proteomic Tumor Analysis Consortium (CPTAC) til at udvikle en indeks baseret på proteinudtryk, som blev testet på over 1.300 prøver fra forskellige kræftformer, herunder bryst-, ovarie-, lunge-, nyre-, livmoder-, hjerne- og bugspytkirtelkræft.
Gennem integrationen af PROTsi med proteomiske data fra pluripotente stamceller identificerede forskerne de proteiner, der driver aggressiviteten i visse tumorer. Disse proteiner kan blive mål for nye terapier og dermed bidrage til at personificere kræftbehandling. Professor Tathiane Malta fra Universitetet i São Paulo forklarer, at mange af de identificerede proteiner allerede er mål for eksisterende lægemidler til kræftpatienter og andre sygdomme.
PROTsi har vist en positiv korrelation med tidligere publicerede stammerskaber og har været særligt effektiv til at skelne mellem tumorer og ikke-tumorer. Forskerne har bemærket, at værktøjet er mest effektivt ved adenokarcinomer, livmoder- og børnehjernekræft. Indtil videre har PROTsi demonstreret konsistent præstation på tværs af flere datasæt.
Ifølge den seneste statistik fra Verdens Sundhedsorganisation opstår der hvert minut 40 nye kræfttilfælde verden over, og kræft er en af de førende dødsårsager, særligt blandt unge. Dette understreger den akutte nødvendighed af mere præcise værktøjer til diagnosticering og behandling af kræft. Forskerne fra USP-gruppen fortsætter med at teste supplerende modeller for at forbedre forudsigelserne og håber at dette arbejde vil gøre en forskel for patienter og deres livskvalitet i fremtiden.