iCAN-PEDI on yksi laajan iCAN-tutkimushankkeen osa, jossa tutkitaan syöpään sairastuneiden lasten lääkehoitoja ja lääkevasteita. Tutkimuksessa yhdistetään potilaiden syövän geneettinen ja proteiinitason tieto heistä saatujen syöpäsolujen lääkeainevasteisiin. iCAN -hankkeissa on mahdollista hyödyntää datan tarkastelussa myös tekoälymalleja. Tavoitteena on myös toimittaa mahdollisesti hoitoon vaikuttavia löydöksiä takaisin lääkäreille. Näin voidaan tehostaa yksilöllistä syövän hoitoa.
Solu- ja molekyylibiologian dosentti FT Vilja Pietiäinen Suomen Molekyylilääketieteen instituutista (FIMM) johtaa iCAN-PEDI-projektia yhdessä HUS:n Uuden lastensairaalan dosentti Minna Koskenvuon kanssa. Projektiin osallistuu Uuden lastensairaalan lääkäreitä (HUS), Turun yliopistollisen sairaalan sekä Helsingin yliopiston tutkijoita. Pietiäinen haluaa kehittää entistä yksilöllisempiä lääkehoitoja.
”Lasten syöpähoito on jo lääketieteellisesti yksilön huomioivaa, mutta lasten kasvainten tutkiminen molekyylitasolla voi auttaa tehokkaampien lääkkeiden löytämistä juuri tietynlaiseen syöpään. Lasten kiinteät kasvaimet ovat heterogeenisiä, osaksi harvinaisia ja vaikeasti diagnosoitavia patologian perusteella. Lastensyövissä on vähemmän geneettisiä muutoksia, ja siksi ne vaativat enemmän erilaista molekyylitason dataa diagnoosiin. Diagnoosi puolestaan vaikuttaa siihen, minkälainen hoitolinja valitaan.”
Pietiäisen mukaan keräämällä runsaasti dataa yksittäisistä potilaista ymmärretään paljon paremmin tautien diagnostiikkaa ja löydetään uusia tapoja luokitella syöpäsairauksia. Aletaan myös hahmottaa, kuinka paljon vaihtelua on jopa hyvin tunnettujen syöpäsairauksien sisällä.
”Me haluamme paremmin ymmärtää, minkä takia tietyn potilaan syöpä reagoi tietyllä tavalla lääkkeisiin. Näin voidaan kehittää parempia ja yksilöllisempiä tapoja valita hoito tietyille potilaille.”
Hän yhdessä ryhmänsä yhdistää potilaan syövän molekyylitason dataa kunkin potilaan henkilökohtaisiin syöpäsolumalleihin. Eksomisekvensoinnilla tutkitaan yhdellä kertaa n. 20 000 geenin sisältämä tieto. Transkriptomiikassa tuhannet RNA-molekyylit analysoidaan samanaikaisesti. Tämä kertoo siitä, miten geenit ilmenevät. Kudoskuvantamisella tutkitaan syöpäkudosten ilmentämiä biomarkkereita. Datamassa tallennetaan iCAN-hankkeen tietoturvalliseen käyttöympäristöön (HUS Acamedic).
Pietiäisen mukaan geeneistä saatu data ei kuitenkaan usein yksinään riitä selvittämään yksittäisen potilaan syövän lääkeainevastetta.
”Tarvitaan potilaiden omia syöpäsolunäytteitä, jolloin voidaan mikroskooppikuvantamisen avulla katsoa yksittäisten solujen reagointia lääkeaineille. Syöpähän on hirveän heterogeeninen: kaikki solut eivät välttämättä reagoi samoihin lääkeaineisiin, ja meitä kiinnostavat myös ne solut, jotka eivät reagoi. Voidaan tarvita yhdistelmä eri lääkeaineita, jos halutaan tuhota kaikki syöpäsolut.”
Potilaan syöpäkudosnäyte tulee leikkaussalista patologille, ja sieltä heti tutkimukseen. Lääkeaineherkkyystestaus tehdään monikuoppaisella soluviljelylevyllä robotiikkaa käyttäen. Pieneen kuoppaan tarvitaan vain vähän arvokasta syöpäsolunäytettä, ja yhdellä levyllä voidaan kerralla testata kymmeniä lääkeaineita.
Levyn kuoppiin annostellaan syöpäsolunäytettä sekä eri lääkeaineita eri pitoisuuksissa. Mikroskooppikuvantamisella voidaan katsoa miten lääkeaineet vaikuttavat potilaan syöpäsoluihin, joita kuopissa on. Syöpäsolujen kuva-analyysissä hyödynnetään koneoppimismalleja. Tekoälyn opettamiseen on käytetty Suomen ELIXIR-keskuksen CSC:n laskentaklustereita.
”Kutsumme tätä fenotyyppiseksi kuvantamiseksi. Pystymme mikroskooppikuvantamisella määrittelemään soluista satoja erilaisia piirteitä. Tämä on tärkeää tietoa koneoppimisessa. Jos me selkeästi näemme tiettyjä fenotyyppejä, niin voimme opettaa tämän saman koneelle: tässä tämän näköinen solupopulaatio, joka on reagoinut lääkkeeseen näin. Tämän jälkeen voidaan antaa uusi data-aineisto koneelle, joka osaa sitten luokitella solut sen mukaan, miltä ne ovat näyttäneet. Toisaalta, tekoäly voi etsiä myös sellaisia piirteitä tai fenotyyppejä, joita emme pysty itse havaitsemaan tai luokittelemaan.”
Kun sadat analysoidut piirteet annetaan tekoälyn käyttöön, se pystyy erottelemaan erilaisia lääkeainevasteita. Tekoälyä voidaan käyttää myös luokittelemaan potilaita näiden lääkevasteiden perusteella.
Etsittäessä parasta lääkeainevastetta tarvitaan monia eri datalähteitä. Pietiäinen viittaa laajaan eurooppalaiseen tutkimukseen (ERA-PerMed), jossa he olivat mukana.
”Tiedetään, että jopa 90%:lle syövän geenimuutoksista ei ole kohdennettua lääkehoitoa. Lääkeaineiden toimivuutta ja lääkeainekohteita ei siis voitu selvittää tutkimuksessamme kuin osittain geenien perusteella. Kuitenkin lääkeainetestauksessa havaittiin, että näiden potilaiden solut reagoivat tietyille lääkeaineille.”
Pietiäisen mukaan on tärkeää, että syöpäsolujen lääkeainetestausdataa voidaan verrata esimerkiksi terveisiin soluihin.
”Näin nähdään onko esimerkiksi tietyn potilaan solujen vaste tietyille lääkeaineille erityisen hyvä. Tätä tietoa voidaan verrata eri potilaiden mutaatiodataan ja geenien ilmenemiseen. Voidaan esimerkiksi huomata, että tällä potilaalla on tietty altistava mutaatio, mihin lääkeaine voi kohdentua ja sen takia tämä potilas vastaa tälle lääkeaineelle. Toisaalta muu kuin mutaatiotieto, esimerkiksi geenin ilmeneminen, signaalireittien aktivaatio tai epigeneettiset muutokset, voivat auttaa ymmärtämään solujen lääkeainevastetta. Potilaita voidaan alkaa ryhmitellä yhdistämällä näitä eri datoja.”
Potilaan verinäytteestä tai vaikkapa aivoselkäydinnesteestä voidaan tehdä nestebiopsioita ja katsoa miten kasvaimen DNA ilmentyy, koska sitä voidaan käyttää mittarina siihen, miten lääkeaine on tehonnut tai onko tauti ylipäätään uusiutunut.
iCAN on useammat syövät kattava valtava Suomen Akatemian rahoittama tutkimushanke, johon osallistuu useita eri syöpiä tutkivia ja näiden tutkimusmenetelmiä samalla kehittäviä tutkimusryhmiä Helsingin yliopistosta. Syövän ominaisuuksia verrataan potilaan muihin terveystietoihin tietoturvallisessa käyttöympäristössä HUSin Acamedics palvelussa.
”Kaikki data, joka sinne kertyy, on meidän kaikkien iCAN-hankkeeseen osallistuvien tutkijoiden saatavilla. Meillä on iso materiaali mihin löydöksiä voidaan verrata. Löydetään potilasryhmä- ja potilasspesifisiä markkereita geneettisestä datasta.
Kaikki data (esimerkiksi lääkeainetestausdata, geneettinen data ja transkriptomiikka-data) yhdistetään tehokkaan työkalun (Integrated Molecular Tumor Board System) avulla. Lasten syöpien tutkimuksessa Pietiläinen kollegoineen pilotoi yhdessä HUS Lastensairaalaan kanssa tutkimustulosten nopeaa hyödynnettävyyttä.
”Tavoitteena on raportoida kliinisesti relevantteja löydöksiä lääkäreille ja toivottavasti parantaa potilaiden hoidon valintaa silloin, kun suositushoitoja ei enää ole.”
iCAN käyttää Suomen ELIXIR-keskuksen CSC:n palvelua (SD Connect) sekvensointidatan siirtämiseen tietoturvalliseen Academics-käyttöympäristöön.
Tiedot salataan Crypt4GH:lla, joka on Global Alliance for Genomics & Health -järjestön kehittämä suojattu standardimenetelmä ihmisen geneettisten tietojen jakamiseen.
”Tällä tavoin tiedot ovat yhteentoimivia koko CSC:n SD -palveluperheen sisällä ja mahdollisesti myös muiden palveluntarjoajien kanssa, joilla on samankaltaisia tietoja.”
iCAN-hankkeen koosta kertoo se, että datamäärän arvioidaan saavuttavan kolmen petatavua vuonna 2026.
”Kaikki tämä data on tarpeen syövän molekyyliperustan ja potilaan vasteen ymmärtämiseksi.”
Ari Turunen
29.9.2023
Sitaatti
Turunen, A., & Nyrönen, T. (2023). Artificial intelligence helps researchers find suitable drugs based on patient’s genetic data and cancer cell samples. https://doi.org/10.5281/zenodo.10796468
Suomen molekyylilääketieteen instituutti (FIMM)
FIMM on osa Helsingin yliopiston HiLIFE Helsinki Institute of Life Science -tutkimuskeskusta.
https://www.helsinki.fi/en/hilife-helsinki-institute-life-science/units/fimm
CSC – Tieteen tietotekniikan keskus Oy
on valtion omistama, opetus- ja kulttuuriministeriön hallinnoima, voittoa tavoittelematon osakeyhtiö. CSC ylläpitää ja kehittää valtion omistamaa keskitettyä tietotekniikkainfrastruktuuria.
https://research.csc.fi/cloud-computing
ELIXIR
rakentaa infrastruktuurin bioalan tutkimuksen tueksi. Se yhdistää 21 Euroopan maan ja Euroopan molekyylibiologian laboratorion EMBL:n johtavat organisaatiot yhteiseksi biologisen informaation infrastruktuuriksi. Sen Suomen keskus on CSC – Tieteen tietotekniikan keskus Oy.
ELIXIR is partly funded by the European Commission