Jedan od najuzbudljivijih naučnih projekata je razvoj vakcina protiv raka. Naučnici koriste umjetnu inteligenciju za identificiranje mutacija u kancerogenim tumorima koje imunološki sistem može prepoznati, a zatim stvaraju personalizirane vakcine dizajnirane da potaknu imunološki sistem pacijenta da ih uhvati i uništi.
Godine 2017. Moderna je u partnerstvu s farmaceutskim divom Merckom objavila planove za početak ispitivanja na ljudima s personaliziranom vakcinom koja cilja na solidne tumore. Kako bi napravili specifičnu vakconu za svakog pacijenta, počinju sekvencioniranjem DNK zdravih i kancerogenih stanica pacijenta. Uspoređujući to dvoje, oni identificiraju stotine, a ponekad i hiljade, mutacija u stanicama raka. Zatim koriste AI kako bi odabrali 34 mutacije kod svakog pacijenta koje će najvjerojatnije izazvati snažan odgovor imunološkog sistema.
Kako bi obučili algoritme, firme su se udružile sa univerzitetskim medicinskim centrima kako bi dobile pristup uzorcima biopsije. AI također uzima u obzir osnovne imunološke principe o tome koje karakteristike proteina i aminokiselina najlakše otkrivaju imunološke stanice tijela.
Na temelju tih informacija, firma zatim stvara personaliziranu RNA vakcinu koja, kada se ubrizga u pacijenta, izaziva snažan odgovor, uzrokujući da tijelo izbaci vojsku imunoloških stanica posebno dizajniranih da traže i napadaju stanice koje izražavaju bilo koju od 34 stanice. RNK vakcine, koje su korištene za razvoj vakcine protiv COVID-19, uvode upute u stanice koje ih potiču da proizvode određeni protein povezan s virusom ili tumorom (ali ne sam virus ili tumor). Vakcina uzrokuje da tijelo proizvede dovoljno proteina da bi ga imunološki sistem mogao otkriti, identificirati kao strano i početi proizvoditi imunološke stanice dizajnirane da ga traže i unište.
Pristup koma temelji se na "dubokom uvjerenju da imunološki sistem može pobijediti rak", kaže Stéphane Bancel, izvršni direktor Moderne, za Newsweek. To uvjerenje proizilazi iz jednostavne činjenice: kod zdravih pojedinaca, imunološki sistem rutinski ubija stanice raka prije nego što postanu tumori. Zato, kaže on, ima više smisla dizajnirati tretmane koji se temelje na genetskom potpisu ciljanog raka nego tradicionalni pristup ciljanja raka na temelju toga u kojem se dijelu tijela nalazi.
U junu su Moderna i Merck izvijestili da je otprilike 68 posto pacijenata sa stadijem 3 i 4 melanoma pozitivno odgovorilo na vakcine; 32 posto je ili vidjelo kako se njihov rak nastavio širiti nakon liječenja ili je umrlo. Prognoza će se također poboljšati, kaže, kako naučnici budu učili više.
"Još ne znamo zašto vakcina djeluje na neke ljude, a na neke ne", kaže on. “Ima toliko toga što još uvijek ne znamo o imunološkom sistemu. Ali prilično sam optimističan. gotovo svake sedmice pojavi se novi rad ili nova spoznaja koja pomaže na ovom polju.”
Genentech, biotehnološka kompanija sa sjedištem u San Franciscu, također razvija vakcionu dizajniranu za napad na pojedinačne tumore. Udružili su se sa firmom BioNTech, koja je poput Moderne također stekla globalno priznanje za svoju ulogu u stvaranju mRNa vakcine tokom pandemije.
U maju su Ira Mellman, potpredsjednik Genentecha za imunologiju raka i njegovi saradnici objavili studiju u časopisu Nature u kojoj su detaljno opisali učinak njihove vakcine na 16 ljudi s jednim od najčešćih i najsmrtonosnijih tipova raka gušterače, koji ima stopu petogodišnjeg preživljavanja od oko 12 posto. Vakcine su aktivirale T stanice sposobne prepoznati rak gušterače kod polovine pacijenata. Godinu i pol nakon liječenja, svi ti pacijenti ostali su bez raka; čini se da su T stanice jednog pacijenta, proizvedene vakcinom, eliminirale tumorske stanice koje su se proširile na jetru.
Nasuprot tome, kod tih osam pacijenata čiji imunološki sistem nije reagirao na vakcinu, rak se u prosjeku vratio za nešto više od godinu dana. Prošlog mjeseca, faza II kliničkog ispitivanja započela je s prvim od 260 pacijenata na gotovo 80 lokacija diljem svijeta. Očekuje se da će se ti brojevi nastaviti poboljšavati u godinama koje dolaze.
Godine 2018. Garry Nolan, imunolog sa Univerziteta Stanford, izumio je tehnologiju snimanja kako bi otkrio gdje se tačno proteini nalaze u tumoru - drugim riječima, kako bi mapirao mikrookruženje stanica raka. Nazvana CODEX (za ko-detekciju indeksiranjem), tehnologija omogućuje istraživačima da po prvi put prate gdje su ti pojedinačni proteini raspoređeni u prostoru i kako međusobno djeluju.
Nolan je koristio "oznake" osjetljive na svjetlost pričvršćene na antitijela dizajnirana da traže i vežu se za specifične proteine (kao što su CTLA-4, ICOS ili bilo koji drugi protein prisutan na površini imunoloških stanica ili koje oslobađaju stanice raka). Svaka od ovih oznaka antitijela će fluorescirati kao odgovor na specifične valne duljine svjetlosti. Preko uzorka tumora nalazi se niz DNK barkodova koji dijele uzorak u divovski mrežni uzorak, poput ploče s tik-tak prstima. Svaki od ovih tic-tac-toe kvadrata izložen je nizu različitih valnih dužina svjetlosti. Tehnologije snimanja bilježe koji su proteini fluorescirali kao odgovor na svaku valnu dužinu i gdje su smješteni u uzorku mreže sa bar kodom. Ti se odgovori zatim postavljaju jedan na drugi i koriste za izradu tačne mape prisutnih proteina i gdje su raspoređeni u odnosu jedan na drugi.
Podaci o tome kako su proteini smješteni u tumoru i kako međusobno djeluju jedni na druge već otkrivaju neke iznenađujuće spoznaje. Mnogi imunološki odgovori nastaju specifičnim i dobro uočenim fenomenom u tjelesnim limfnim čvorovima: T stanice se spajaju s različitim tipom imunoloških stanica koje se nazivaju B stanice. Dvije ključne stanice "razmjenjuju informacije o prisutnosti stranih napadača u tijelu", tako da znaju koje mete trebaju napasti, kaže Sharma.
Koristeći CODEX, Sharma je uočio taj isti mikroskopski fenomen—koji se obično vidi samo u limfnim čvorovima—koji se pojavljuje u mikrookruženju tumora povezanom s učinkovitim imunološkim odgovorom. Neposredno izvan tumora, T-stanice i B-stanice grupirale bi se zajedno i formirale ono što onkolozi nazivaju "tercijarnim limfoidnim strukturama", svojevrsno mobilno središte koje se čini kao mjesto gdje imunološki sistem postavlja snažan, uspješan odgovor.
"Ovo nije nešto što smo prije zamišljali", rekla je. “Ali ti imunoterapijski agensi mogu stvoriti te tercijarne limfoidne strukture. A onda se čini da je to u korelaciji s pacijentima koji reagiraju na terapiju. Što otvara mnoga zanimljiva pitanja. Koji su signali koji pokreću tercijarne limfoidne strukture? Možete li zamisliti da sam shvatio koji su to signali? Ne bih li mogao natjerati tumor svakog pacijenta da formira te strukture?"
Drugim riječima, kad bi Sharma mogao otkriti mikroskopske signale koji uzrokuju da se T-stanice i B-stanice spoje izvan tumora i formiraju ta mobilna sjedišta, mogao bi znatno povećati vjerovatnost da će imunološki sistem pokrenuti uspješan napad.
Na Stanfordu, Nolan je također koristio CODEX kako bi dobio nove uvide u to kako neki tumori kod raka glave i vrata sprječavaju T-stanice da ih napadnu. Na slikama je uočio debele barijere koje se sastoje od vrsta strukturnih proteina koji tvore vezivna tkiva i skele stanica koje čine naša tijela. Ove makromolekule, koje se sastoje od onoga što je poznato kao izvanstanični matriks, mogu spriječiti imunološke stanice da se infiltriraju u tumore. Ovo saznanje sugerira novi način jačanja imunološkog odgovora uvođenjem enzima dizajniranih za razgradnju barijera. To je zanimljiva teorija koju Nolan želi testirati.
Ova opažanja samo su početak onoga što će naučnici moći naučiti iz zapanjujuće količine podataka—doslovno, miliona varijabli—koje CODEX može proizvesti. U teoriji, CODEX omogućuje obrnuti inženjering, sve do molekule, svega što se događa unutar tumora.
Probavljanje gomila CODEX podataka mjesto je gdje stupa umjetna inteligencija. AI brzo postaje centralni alat u istraživanju raka. AI bi mogla identificirati koje su stanice ili kombinacija stanica povezane s pacijentima koji reagiraju na tretmane i pacijentima koji ne reagiraju na njih. Tada bi mogao predložiti rješenja - pa čak i dizajnirati lijekove koji eliminiraju sve što sprječava imunološki sistem pacijenta da pobijedi rak.
Neke kompanije već koriste AI kako bi pročešljale relevantne podatke o raku. U Insilico Medicine, osnovanoj 2014., računarski inženjeri uvježbali su svoju umjetnu inteligenciju na javno dostupnim podacima, uključujući uzorke biopsije stotina hiljada pacijenata. Firma sada može rangirati 20.000 gena na temelju njihovog specifičnog doprinosa raku i biologiji modela kalnih puteva kako bismo vidjeli koji potiču rak, šta bi moglo uzrokovati bolest i gdje bi lijekovi mogli najbolje djelovati u borbi protiv njega.
Prošlog februara su identificirali, sintetizirali i testirali 71 malu molekulu, svaku s jedinstvenom strukturom dizajniranom za blokiranje ključnog signala „nemoj me jesti“ koji koriste tumori da izbjegnu imunološku detekciju. Kandidati koji najviše obećavaju nedavno su ušli u klinička ispitivanja u ranoj fazi.
Onkologija je imala toliko razočaravajućih trenutaka u posljednjih nekoliko desetljeća da se vakcina može činiti kao donkihotovska potraga. Ali to je polje nauke znatno napredovalo. Dok je ukupna dobno prilagođena stopa smrtnosti od raka u SAD-u stalno rasla tokom većeg dijela 20. stoljeća, vrhunac je dosegla 1991. s 215 na 100 000. Od 2020. stopa smrtnosti pala je za 33 posto na oko 144 na 100,00 – gotovo četiri miliona smrtnih slučajeva manje tokom tog 29-godišnjeg razdoblja. Smanjenje pušenja odgovorno je za neka od tih poboljšanja, ali ne za sva. Još jedan faktorje napredak u liječenju i ranom otkrivanju—uglavnom raka pluća, debelog crijeva, dojke i prostate, najčešćih tipova.
Najčešći razlog za smanjenje stope smrtnosti leži u ranom otkrivanju—kada je rak imao manje šanse akumulirati mutacije, ograditi se u nepristupačnom mikrookruženju i prikriti koristeći se tehnikama koje naučnici tek počinju shvaćati.
Ispitivanje kolorektalnog karcinoma MSK samo je jedno od nekoliko posljednjih mjeseci koje je pokazalo da se čini da novi lijekovi za imunoterapiju djeluju mnogo bolje na neke rane stadije raka nego što je iko očekivao—tako dobro da su izbjegli potrebu za operacijom i zračenjem, omogućili očuvanje organa i uzrokovali potpunu remisiju. Posljednjih godina naučnici, poput dr. Vogelsteina i kolega, došli su do sve osjetljivijih dijagnostičkih testova koji mogu otkriti mikroskopske fragmente DNK povezane s rakom u krvotoku mjesecima, pa čak i godinama prije nego što bi inače postali vidljivi.
Testovi se sada najčešće koriste za praćenje uspjeha nekih tretmana raka i praćenje napredovanja bolesti kod pacijenata s rakom pluća, dojke, prostate, kolorektalnog raka jajnika... Budući da količina tumorske DNK u kardiovaskularnom sistemu opada kako se tumori smanjuju, oni još nisu dovoljno osjetljivi, pouzdani ili specifični da bi se koristili za probir ili dijagnosticiranje raka. No pokazali su se obećavajućim kao dijagnostičkim alatima u nekim ranim fazama ispitivanja koja su sada u toku. U nekim slučajevima AI igra ulogu u tumačenju dijagnostičkih podataka. Mnogi onkolozi vjeruju i nadaju se da će rano otkrivanje na kraju promijeniti izglede za liječenje mnogih vrsta raka u godinama koje dolaze.
