AI dan Genomik dalam Personalisasi Pengobatan Kanker

Studi USC menunjukkan bahwa mutasi genetik mempengaruhi hasil pengobatan kanker, memicu pengembangan alat prediktif untuk menyesuaikan terapi bagi pasien. Penemuan ini mendemonstrasikan pentingnya analisis genom dalam personalisasi perawatan dan keberhasilan pengobatan kanker.

Sebuah studi inovatif yang dipimpin oleh Profesor Asisten Ilmu Komputer USC Ruishan Liu mengidentifikasi bagaimana mutasi genetik tertentu mempengaruhi hasil pengobatan kanker. Penelitian terbesar dengan analisis data lebih dari 78.000 pasien kanker dari 20 jenis kanker ini menyoroti pentingnya pengobatan yang dipersonalisasi. Penelitian ini menemukan hampir 800 perubahan genetik yang berdampak langsung pada hasil kelangsungan hidup. Ada juga 95 gen yang terkait signifikan dengan kelangsungan hidup pada kanker payudara, ovarium, kulit, dan saluran gastrointestinal.

Tim pengembang menggunakan analisis komputasi lanjutan untuk mengembangkan alat pembelajaran mesin yang dapat memprediksi respons pasien kanker paru-paru lanjutan terhadap imunoterapi. Gali lebih dalam bagaimana pemprofilan genetik dapat meningkatkan perawatan kanker dengan menghindari terapi yang tidak efektif dan lebih fokus pada pengobatan yang paling mungkin berhasil.

Penelitian yang diterbitkan dalam Nature Communications ini membuktikan peran penting beberapa gen seperti TP53, CDKN2A, dan CDKN2B. Melalui analisis tersebut, penelitian ini membuktikan asosiasi yang relevan dengan data real-world dari pasien. Ini menunjukkan bahwa mutasi genetik, baik yang diwariskan maupun acak, sangat penting dalam menentukan agresivitas tumor dan respon terhadap pengobatan.

Beberapa temuan kunci dari studi ini adalah:
– Mutasi KRAS di kanker paru-paru non-sel kecil (NSCLC) terkait dengan respons buruk terhadap inhibitor EGFR, menunjukkan perlunya alternatif pengobatan.
– Mutasi NF1 memperbaiki respons terhadap imunoterapi tetapi memperburuk respons terhadap terapi target tertentu.
– Mutasi jalur PI3K menunjukkan efek yang bervariasi tergantung pada jenis kanker.
– Mutasi pada jalur perbaikan DNA meningkatkan efektivitas imunoterapi dengan meningkatkan ketidakstabilan tumor.
– Mutasi pada jalur terkait imun terkait dengan tarif kelangsungan hidup yang lebih baik untuk pasien kanker paru-paru yang menerima imunoterapi.

Model Random Survival Forest (RSF) yang dikembangkan dalam studi ini bertujuan untuk memperhalus rekomendasi pengobatan untuk pasien kanker paru-paru dengan mengeksplorasi interaksi mutasi yang mempengaruhi hasil pengobatan. Integrasi data dunia nyata dengan teknik pembelajaran mesin menyoroti potensi untuk meningkatkan akses terhadap imunoterapi. “Kami berharap mengidentifikasi pola yang mungkin tidak terlihat sebelumnya” – Ruishan Liu.

Selanjutnya, meskipun dibutuhkan lebih banyak uji klinis, studi ini menjadi langkah penting untuk membuat pengobatan kanker yang lebih tepat dan terpersonalisasi. Penggunaan ilmu komputasi untuk mengonversi data klinis dan genomik menjadi wawasan yang dapat ditindaklanjuti berpotensi meningkatkan perawatan pasien.

Studi ini memperlihatkan bahwa dengan memahami mutasi genetik, penegakan terapi kanker dapat dipersonalisasi untuk meningkatkan hasil pasien. Penemuan ini menekankan penggunaan teknologi pembelajaran mesin untuk lebih memahami interaksi mutasi dalam pengobatan kanker, sehingga meningkatkan efektivitas dan akses ke perawatan.

Sumber Asli: viterbischool.usc.edu