С самых первых дней существования медицины врачи должны были принимать решения о состоянии пациента. Исследования молекулярных биомаркеров быстро перемещаются из лаборатории в клинику. Нам обещают изменить то, как врачи диагностируют и лечат болезни.
По мере того, как врачи углубляли свои знания о заболеваниях, они определяли измеримые сигналы или биомаркеры, указывающие на нормальную биологическую функцию, патологию или реакцию на лечение. Например, температура тела является биомаркером простуды и гриппа, а уровень глюкозы в крови - маркером диабета. Сегодня биомаркеры могут быть измерены вплоть до молекулы.
За последнее десятилетие появился новый набор технологий, которые резко ускорили открытие новых биомаркеров. Работа обещает изменить то, как врачи диагностируют и лечат болезни и как фармацевтические компании ведут разработку лекарственных средств.
За последние 18 месяцев Управление по контролю качества пищевых продуктов и медикаментов одобрило проведение первой и второй диагностики тканей. Препараты нацелены на твердые опухоли, которые имеют специфические биомаркеры, а именно микросателлитную нестабильность (MSI) и нейротрофическую рецепторную тирозинкиназу (NTRK), независимо от места роста опухолей в организме. Для области, которая была привязана к анатомии в диагностике заболевания, биомаркер - первый подход представляет собой кардинальное изменение.
Помимо рака, исследователи изучают пропептид PRO-C3 как потенциальный биомаркер безалкогольного стеатогепатита (NASH), который в настоящее время требует инвазивной биопсии печени для диагностики, кроме этого, и антицитруллинированных белковых антител (ACPA), которые могут помочь ранней диагностике ревматоидного артрита еще до того, как возникнут повреждения суставов.
Хотя биомаркеры играли основополагающую роль в медицине на протяжении веков, разработка молекулярных биомаркеров в качестве терапевтических целей является относительно новой задачей. Одним из первых и лучших примеров стало одобрение Герпетина в 1998 году. Препарат нацелен на рецепторы с повышенной экспрессией эстрогенов, которые могут быть предсказаны онкогеном Her-2/Neu, обнаруженным более десяти лет назад.
Успех этого препарата, наряду с передовыми методами молекулярной биологии и секвенированием ДНК, привел к росту исследований биомаркеров. Сегодня несколько десятков молекулярных биомаркеров считаются клинически значимыми, и несколько из них, а именно PDL1, ALK, EGFR, CTLA4 и NTRK, стали основными терапевтическими целями для изучения.
Рак невероятно сложен. Научное сообщество только недавно получило значительно большее понимание того, как биология опухоли и микроокружение опухоли играют определенную роль в развитии болезни и реакции на терапию.
Несколько технологий ускоряют открытие биомаркеров. Генетическое секвенирование последнего поколения, а также высокопроизводительная транскриптомика и протеомика, в настоящее время позволяют ученым собирать огромные объемы данных, которые ранее были недоступны. Развитие одноклеточной биологии может помочь ученым еще больше расширить эти наборы данных, что даст им беспрецедентное представление о некоторых заболеваниях.
С таким количеством данных разработка новых технологий обработки больших данных также служит катализатором. Компьютерные биологи и биоинформаторы могут использовать их, чтобы преобразовывать данные в значимые и актуальные сигналы.
"По сути, биомаркеры - это проблема машинного обучения", - сказал Эндрю Бек, генеральный директор PathAI, бостонской компании, целью которой является развитие патологии с помощью машинного обучения и глубоких методов обучения. "Мы пытаемся спрогнозировать оптимальное лечение для конкретного пациента, основываясь на всех данных, которые мы можем получить от этого пациента."
Помимо применения уже существующих биомаркеров к известным болезням, исследователи будут продвигать новые биомаркеры после открытия. И эти биомаркеры можно комбинировать для большей точности. Должна быть количественная смесь, в которой каждый маркер будет иметь дополнительный вклад. Совокупное понимание всех этих маркеров в конечном счете даст врачу больше понимания того, что именно происходит в опухоли пациента.
Мультиплексирование неизбежно потребует машинного обучения, так как наборы данных будут массивными, а вычисления - тяжелыми. И это внедрение машинного обучения будет иметь свои последствия. В будущем искусственный интеллект позволит патологоанатомам еще лучше справляться со своими обязанностями, решая некоторые проблемы низкого уровня, в которых хороши компьютеры, и даст патологоанатомам больше времени и ресурсов для концентрации на некоторых более сложных случаях.
Ожидается, что это позволит нам более точно консультировать пациентов и подбирать правильных пациентов для правильного лечения.