Ученые выявили проблемы внедрения систем для прогнозирования эффективности терапии рака

Исследователи разделили рассмотренные ресурсы на пять категорий в зависимости от типа данных и задач, для которых они предназначены.

В первую группу вошли клинико-молекулярные атласы опухолей, включая TCGA, GEO и TCIA. Они объединяют геномные и другие молекулярные данные, клиническую информацию и медизображения. Эти ресурсы позволяют проверять, сохраняется ли связь между выявленным биомаркером и исходом заболевания в независимых выборках пациентов. Вторая группа включает используемые для оценки лекарственной устойчивости фармакогеномные базы CCLE, GDSC и CTRP, в которых молекулярные характеристики опухолевых клеточных линий сопоставлены с их реакцией на противоопухолевые препараты.

Третью группу составляют ресурсы для исследования радиочувствительности. В частности, показатели клоногенной выживаемости после облучения позволяют оценивать, как опухолевые клетка сохраняют способность к делению. Четвертая категория объединяет функциональные карты генетических зависимостей и результаты CRISPR-скринингов, с помощью которых можно определить, какие гены влияют на выживание опухолевых клеток и их чувствительность к лечению. Наконец, в последнюю группу вошли ресурсы и подходы для дополнительной проверки и практического применения моделей. К ним относятся данные о дефиците гомологичной рекомбинации (HRD), радиомические признаки, извлекаемые из медизображений, данные реальной клинической практики, федеративное обучение и фундаментальные вычислительные модели.

Доказательность систем оценивалась по четырем уровням. К первому отнесли маркеры, для которых показана связь с эффективностью конкретного лечения или возможность использования при выборе терапии. На такую ступень ученые поставили, например, GARD для оценки эффекта лучевой терапии и HRD, связанный с чувствительностью к препаратам платины. Ко второму уровню отнесли клинические и радиомические модели, прошедшие проверку на независимых данных, но пока не доказавшие, что их применение помогает выбирать более эффективное лечение. Третий уровень охватывает воспроизводимые результаты доклинических исследований, а четвертый – данные, используемые преимущественно для поиска закономерностей и потенциальных терапевтических мишеней.

Одной из основных проблем исследователи назвали недостаточную воспроизводимость некоторых моделей. Так, при проверке семи опубликованных транскриптомных сигнатур радиочувствительности на независимых данных CCLE и NCI60 средние значения коэффициента детерминации составили 0,01 и 0 соответственно. По качеству прогноза сигнатуры не превосходили контрольные наборы случайно выбранных генов, что, по мнению авторов, свидетельствует об ограниченной воспроизводимости проверенных моделей, но не о несостоятельности радиогеномного подхода в целом.

Другим ограничением остается неоднородность клинических выборок. Например, среди 9 899 случаев в TCGA с доступными данными герминального и соматического секвенирования 82,7% пациентов были отнесены к группе преимущественно европейского происхождения. Недостаточная представленность других популяций может снижать точность моделей при их применении к пациентам, чьи данные редко использовались при разработке алгоритмов.

На результаты также влияют различия в методах получения и обработки данных. В исследованиях лекарственной чувствительности применяют разные показатели, включая IC50, площадь под кривой концентрация–эффект (AUC), жизнеспособность клеток и метрики, учитывающие скорость их деления. Эти показатели отражают разные аспекты ответа на препарат и не всегда могут напрямую сопоставляться. В радиомике на результаты влияют оборудование, параметры сканирования и способы обработки изображений.

По мнению авторов, онкологические базы данных уже позволяют выявлять биологически обоснованные закономерности, проверять гипотезы и формировать перспективные модели прогнозирования ответа на лечение. Однако переход к клиническому применению требует последовательной проверки результатов. В числе приоритетных задач исследователи выделяют создание более полных наборов клинических данных, включающих сведения о дозах и режимах лучевой терапии, фактически полученных лекарственных препаратах, токсичности и исходах лечения. Для проверки генетических мишеней, по их данным, необходимо активнее объединять результаты функциональных скринингов с данными органоидов, экспериментальных моделей и фармакологических исследований.

Российские медуниверситеты и научные центры формируют все больше специализированных баз данных и биобанков, используемых для объединения сведений о пациентах, результатах обследований и терапии, а в последующем – проведения эпидемиологических и проспективных исследований, выявления предикторов заболеваний, прогнозирования их распространения и развития профилактической и персонализированной медицины. Подробнее о развитии хранилищ медицинской информации в России – в материале Vademecum.