Komputerowe badania w medycynie (in silico) przeszły do klinik

In silico jest wyrażeniem, które stosują naukowcy do opisywania modelowania, symulacji i wizualizacji procesów biologicznych i medycznych przy użyciu komputerów. Rozwój medycyny in silico jest rezultatem znacznych postępów w dziedzinie informatyki medycznej w ciągu ostatnich 20 lat.

Według Profesora Norberta Grafa, Dyrektora Kliniki Onkologii Pediatrycznej i Hematologii przy Szpitalu Uniwersyteckim Saarland, oraz badacza w ramach projektu pod nazwą "Zaawansowane badania kliniczno-genomiczne nowotworów" (ACGT), "in silico dotyczy dowolnej aplikacji wszelkich technologii w oparciu o zastosowanie komputera – a więc algorytmów, systemów, eksploracji danych lub analizy." Od samego początku wielkiego wyścigu i poszukiwań, by określić ludzki genom, informatyka komputerowa rozpoczęła odgrywać znacznie większą rolę w naukach medycznych. Taka kombinacja informatyki i statystyki, zwana bioinformatyką, ma obecnie związek z prawie każdą dziedziną nowoczesnych nauk medycznych i biologii molekularnej, a więc z sekwencjonowaniem, przyporządkowaniami genów, biologią ewolucyjną, analizą mutacji, szybką analizą obrazowania i wieloma innymi zagadnieniami.

Ale najbardziej fascynującymi, wyłaniającymi się dyscyplinami bioinformatyki jest są modelowanie, symulacja i wizualizacja. Modelowanie może określać elementy układu biologicznego, symulacja służy do realistycznego ukazania, w jaki sposób układ taki ewoluuje w czasie pod wypływem określonych bodźców, a wizualizacja przedstawia uzyskane prognozy w formie graficznej.

Jest to prawie niewyobrażalny, fascynujący paradygmat; rzeczywiste procesy biologiczne symulowane w środowisku wirtualnym. Dziedzina ta jest nadal w powijakach, ale naukowcy dokonali już dotąd olbrzymiego postępu, który głównie zawdzięczać można finansowanemu przez UE projektowi ACGT.

W ramach projektu ACGT zamierzano przedstawić środowisku naukowemu najnowsze osiągnięcie infrastruktury technologii informacyjno-komunikacyjnej (TIK), w taki sposób, by mogło ono wykorzystać genomikę stosowaną w klinice do leczenia nowotworów. Genomika stosowana dostosowuje leczenie od indywidualnego profilu genetycznego określonego nowotworu i pacjenta, a w projekcie ACGT podano zakres narzędzi, które takie leczenie wspierają.

Symulator onkologiczny: nowotwór in silico

Najbardziej innowacyjnym i zaawansowanym narzędziem opracowanym w ramach projektu ACGT jest symulator onkologiczny, stanowiący oprogramowanie do matematycznego modelowania, symulacji oraz wizualizacji eksperymentalnej platformy in silico.

Platforma ta przygotowana została przez zespół In Silico Oncology Group , we współpracy i szeregiem ośrodków badawczych w Europie i Japonii pod kierunkiem Profesora Georgiosa Stamatakosa z Instytutu Systemów Łączności i Informatyki (ICCS) przy Narodowej Politechnice w Atenach (NTUA).

"Symulator onkologiczny jest zintegrowanym systemem oprogramowania, umożliwiającym symulację guza in vivo, w odpowiedzi na leczenie prowadzone w środowisku prób klinicznych," wyjaśnia Profesor Graf. "Zadaniem jego jest wsparcie podejmowanych w klinice decyzji w stosunku do indywidualnych pacjentów. Zasadniczym zadaniem systemu jest optymalizacja leczenia nowotworu."

Eksperymenty in silico pomagają w szkoleniu i informowaniu lekarzy, naukowców, badaczy i pacjentów w demonstrowaniu przypuszczalnej reakcji guza na rozmaite reżimy terapii. Technologia ta nie jest jeszcze gotowa do wprowadzania w klinikach, ale w projekcie ACGT zrobiono wielki krok do przodu w tym zakresie.

W ramach projektu ACGT, zespół skoncentrował swoją uwagę na dziecięcym nerczaku płodowym, który jest guzem nerki, a szczególnie na próbach prowadzonych przez Międzynarodowe Towarzystwo Onkologii Dziecięcej (SIOP).

Dzięki tym próbom, badacze uczestniczący w ACGT byli w stanie wykorzystać anonimowe, rzeczywiste dane, zebrane przed leczeniem chemoterapią i po jej zakończeniu, dzięki czemu zapewniono znalezienie sposobu dla zaadoptowania oprogramowania do rzeczywistych warunków klinicznych, a jednocześnie weryfikację oprogramowania z wykorzystaniem rzeczywistych wyników.

"Dzięki zastosowaniu rzeczywistych danych medycznych dotyczących nerczaka u określonego pacjenta w połączeniu z wprowadzeniem wiarygodnych wartości w charakterze parametrów modelu – w oparciu o dostępną literaturę – możliwa było rozsądna prognoza rzeczywistego kurczenia się nowotworu," mówi Profesor Graf.

Prace nad symulacją obejmowały kilka najbardziej zaawansowanych zastosowań zagadnień nauk matematycznych w medycynie, takich jak stochastyczne automaty komórkowe, symulację zdarzeń dyskretnych, hipermacierze i dyskretne wartości operatorów.Prof. Graf twierdzi, że dzięki zastosowaniu takiego podejścia, możliwe jest także badanie niestabilności genetycznej lub mutacji oraz mutagenezy, jak również obserwacja złożonego wzajemnego oddziaływania pomiędzy systemem immunologicznym a guzem.

Szczegółowy obraz

W celu opracowania symulacji, w ramach ACGT postępowano według ustalonego metodycznego modelu typu góra-dół. W ramach modelu góra-dół wykorzystywane są obserwacje kliniczne i wiedza o zachowaniu się nowotworów. W metodzie takiej wykorzystuje się informacje fizjologiczne i biologiczne, by stworzyć bardzo szczegółowy obraz ewolucji nowotworu, a proces iteracji zapewnia uaktualnianie zarówno nieprzerwanej symulacji, jak też modelu podstawowego.

Zakres danych, zastosowanych w symulatorze ACGT, jest imponujący. Na podstawie literatury, system bierze pod uwagę farmakokinetykę leków, dynamikę wzajemnego oddziaływania między poszczególnymi lekami oraz specyficzne typy nowotworów. Do systemu wprowadzono także parametry radiobiologiczne służące do radioterapii oraz dane molekularne. Całość obejmuje dane kliniczne, takie jak wiek pacjenta, wagę, historię rodzinną, itp., oraz dane obrazowania tomografii komputerowej (CT), obrazowania rezonansu magnetycznego (MRI) i badania ultradźwiękowego, bądź też kombinacji tych badań.Dane molekularne pochodzą z informacji o przeciwciałach, oszacowanego typu komórek nowotworowych oraz oceny reakcji guza na proponowane leki. Wszystkie te informacje łączone są ze szczegółami standardowych procedur leczenia.

Do tej pory dokonano przełomowych osiągnięć, ale z czasem symulator onkologiczny wykorzystywany będzie znacznie szerzej. "Naturalnie, należy się spodziewać, że w trakcie wykorzystywania coraz większej liczby zestawów danych, niezawodność w "dostrajaniu" modelu będzie rosła," twierdzi Profesor Graf. "Pomyślna praca wstępnej powiązanej platformy symulatora onkologicznego, opracowanego przez ACGT, aczkowiek realizowana dotąd jedynie w formie testu zasady działania, jest bardzo zachęcającym krokiem w kierunku klinicznej translacji systemu, pierwszego tego rodzaju symulatora na świecie.”

Zespół dokonał rzeczywistego przełomu, wykorzystując dane SIOP do zademonstrowania, iż model był, ogólnie biorąc, zdolny do przekazania rozsądnych prognoz. Istnieje jednak potrzeba realizacji dalszych prac. Symulator onkologiczny musi przejść przez procedury wszechstronnej weryfikacji, adaptacji i optymalizacji, zanim włączony zostanie do rutynowej praktyki klinicznej jako narzędzie do podejmowania decyzji.

Poza tym, naukowcy potrzebują przetestować i zintegrować metody ekstrakcji molekularnej istotnego, histologicznego, lub komórkowego, ukształtowania guza. Prace te są prowadzone, natomiast zadaniem ACGT jest pokazanie, iż proponowane rozwiązanie zasady działania jest słuszne.

Prace nad projektem ACGT finansowane były z rachunku badań naukowych "Technologii Społeczeństwa Informacyjnego" (TSI), w ramach Szóstego Programu Ramowego (6PR) Unii Europejskiej. O pracach projektu ACGT można dowiedzieć się więcej z prezentacji "Genomika stosowana przenoszona jest z laboratorium do kliniki" .