Naukowcy z Uniwersytetu Michigan opracowali komputerowy „cyfrowy bliźniak”, który w czasie rzeczywistym mapuje metabolizm guzów mózgu i przewiduje, które terapie najprawdopodobniej zadziałają u konkretnego pacjenta z glejakiem. Model oparty na uczeniu maszynowym został zweryfikowany na podstawie danych od pacjentów oraz w eksperymentach na myszach, co sugeruje, że może pomóc w doborze spersonalizowanych strategii leczenia.
Problem, który badacze chcieli rozwiązać, wynika z różnic metabolicznych między nowotworami. Niektóre glejaki rosną słabiej, gdy pacjent ogranicza w diecie określone aminokwasy — budulce białek — podczas gdy inne guzy potrafią te związki wytwarzać samodzielnie i dalsze ograniczenia pokarmowe ich nie powstrzymują. Do niedawna nie istniało proste narzędzie pozwalające rozpoznać, którym pacjentom dieta może pomóc. Podobny dylemat dotyczy leków celujących w procesy naprawy i replikacji DNA: niektóre komórki nowotworowe potrafią ominąć blokadę, pobierając niezbędne związki z mikrośrodowiska guza.
Aby sprostać ograniczeniom pomiarów metabolicznych pobieranych podczas operacji — które nie pokazują zmian w czasie i zwykle dotyczą jedynie materiału po operacji — zespół stworzył model integrujący ograniczone dane pacjenta z zasadami biologii, chemii i fizyki. Cyfrowy bliźniak wykorzystuje wyniki badań krwi, pomiary metaboliczne wyciętej tkanki guza oraz profil genetyczny guza, a następnie oblicza tempo zużycia i przetwarzania substancji odżywczych przez komórki nowotworowe, czyli tzw. strumień metaboliczny (metabolic flux).
Autorzy opisują pierwszy w literaturze przypadek użycia sztucznej inteligencji do bezpośredniego wyznaczania strumieni metabolicznych w guzach pacjentów. Model typu głębokiej sieci neuronowej konwolucyjnej był trenowany na syntetycznych danych pacjentów wygenerowanych na podstawie znanej biologii i chemii, przy czym tworzenie tych danych było ograniczone pomiarami wykonanymi u ośmiu pacjentów z glejakiem, którym w czasie operacji podawano znakowany izotopowo glukozę. Porównanie przewidywań modelu z danymi od sześciu innych pacjentów wykazało wysoką zgodność, a testy na myszach potwierdziły, że dieta spowalniała wzrost guza tylko u zwierząt, które cyfrowy bliźniak wytypował jako podatne na tę formę terapii.
Cyfrowy bliźniak przewidział również reakcje guzów na lek mykofenolan mofetylu, który blokuje syntezę jednego z elementów niezbędnych do replikacji i naprawy DNA. Model poprawnie wskazał, że część nowotworów potrafi ominąć działanie tego leku, korzystając z tzw. „ścieżki ratunkowej” (salvage pathway) i pozyskując potrzebne cząsteczki z otoczenia guza. Te przewidywania również zostały potwierdzone eksperymentalnie na myszach.
W praktyce cyfrowy bliźniak ma pomóc lekarzom w testowaniu wirtualnym, czy konkretna dieta lub lek rzeczywiście „zagłodzi” nowotwór — zanim pacjent zmieni sposób odżywiania lub rozpocznie nową terapię. Jak podkreślają autorzy, możliwość symulowania różnych terapii dla pojedynczego pacjenta przybliża medycynę onkologiczną do rzeczywistej personalizacji leczenia, ograniczając niepotrzebne interwencje i skupiając się na tych, które mają największe szanse powodzenia.
„Ta praca przybliża nas do naprawdę spersonalizowanej opieki onkologicznej — nie tylko w przypadku nowotworów mózgu, ale docelowo także innych typów guzów. Dzięki symulacjom różnych terapii wirtualnie chcemy oszczędzić pacjentom zbędnych leczeń i skupić się na tych, które najprawdopodobniej pomogą.”
Costas Lyssiotis, Maizel Research Professor of Oncology i współautor korespondencyjny badania
W badaniu uczestniczyli m.in. Deepak Nagrath (profesor inżynierii biomedycznej i współautor korespondencyjny), Baharan Meghdadi (doktorantka inżynierii chemicznej i współpierwsza autorka), Daniel Wahl (Achtenberg Family Professor of Radiation Oncology i współautor korespondencyjny), oraz Wajd N. Al-Holou (adiunkt neurochirurgii i współpierwszy autor). Dodatkowe wkłady pochodziły od badaczy z University of Alabama w Birmingham oraz Mayo Clinic. Autorzy podkreślają także dodatkowe afiliacje: Nagrath jest jednocześnie profesorem inżynierii chemicznej, Wahl — adiunktem neurochirurgii, a Lyssiotis pełni funkcje profesora fizjologii molekularnej i integracyjnej oraz medycyny wewnętrznej oraz jest współdyrektorem Rogel and Blondy Center for Pancreatic Cancer.
Badania były finansowane głównie przez National Institutes of Health, w szczególności National Cancer Institute. Dodatkowe wsparcie pochodziło m.in. od Damon Runyon Cancer Foundation, Forbes Scholar Award, Rogel Scholar Award (U‑M), Sontag Foundation, Ivy Glioblastoma Foundation, Alex’s Lemonade Stand Foundation, Chad Tough Defeat DIPG Foundation, National Institute of Neurological Disorders and Stroke (NIH), American Cancer Society oraz B*Cured Foundation.
Zespół zgłosił wniosek o ochronę patentową przy wsparciu U‑M Innovation Partnerships i poszukuje partnerów do komercjalizacji technologii. Wyniki badań opublikowano w czasopiśmie Cell Metabolism (Meghdadi, B., et al. 2025). DOI: 10.1016/j.cmet.2025.10.022.