Tutkijat selvittivät uuden lääkkeen vaikutusta levinneen melanoomaan hoitoon tekoälyn avulla

Melanooma on ihosyövän vaarallisin muoto. Kehon oman immuunijärjestelmän, erityisesti sen T-solujen, aktivointi on ollut erityisen tehokas hoitomuoto. Haasteena on, että vaikka osa potilaista hyötyy hoidosta, noin puolet potilaista eivät tuota hoitovastetta. Aalto-yliopiston, Helsingin yliopiston ja HUS:n tutkijoiden aiemmat tutkimukset ovat osoittaneet, että hoitoon reagoimattomien potilaiden T-solut eivät yksinkertaisesti tunnista syöpäsoluja vihollisiksi.

”Hoitojen oikea kohdentaminen on äärimmäisen tärkeää, sillä lääkehoidot ovat kalliita ja haittavaikutukset melko yleisiä”, kertoo lääkäri ja väitöskirjatutkija Jani Huuhtanen Helsingin yliopistosta ja Aalto-yliopiston tietotekniikan laitokselta. ”Tutkimuksemme on osoittanut, että syöpähoitojen tulisi hyödyntää T-solujen lisäksi muitakin immuunijärjestelmän osia.”

Tutkimusryhmä on nyt selvittänyt, miten hoitoon reagoimattomia potilaita voitaisiin auttaa uudella kahden syöpälääkkeen, nivolumabin ja relatlimabin, yhdistelmällä. Ryhmä selvitti erityisesti relatlimabin vaikutuksia immuunijärjestelmän soluihin, koska siitä ei ollut aiempaa tutkimusnäyttöä. 

Tutkimuksessa selvisi, että relatlimab lisäsi T-solujen vaikutusta syöpäsolujen torjunnassa, mutta se oli erityisen tehokas niin sanottujen luonnollisten tappajasolujen (NK-solut) aktivoinnissa. Nämä solut muodostavat immuunijärjestelmän hätäkeskuksen ja reagoivat ensimmäisinä virusten infektoimiin soluihin.

”NK-solujen tehtävä on auttaa silloin, kun syöpäsolut yrittävät piiloutua T-soluilta”, sanoo Satu Mustjoki, translaation hematologian professori Helsingin yliopistosta ja HUS:n translaation immunologian tutkimusohjelman johtaja. ”Tutkimustulos oli odottamaton, mutta äärimmäisen mielenkiintoinen. NK-solut tulevat olemaan jatkossa syöpähoitojen eturintamassa.”

Mustjoen ryhmälle myönnettiin hiljattain 1,6 miljoonan euron rahoitus uusien syöpähoitojen tutkimukseen, joihin kuuluu muun muassa NK-solujen hyödyntäminen.

”Tällä hetkellä kliinisessä käytössä ei ole yhtään hoitoa, jossa hyödynnetään nimenomaan NK-soluja”, Huuhtanen sanoo. ”Hankkeen osallistujien tiivis yhteistyö mahdollisti tämän uuden hoitovaihtoehdon löytämisen.”

Koneoppimismallit auttavat ymmärtämään monimutkaista aineistoa

Tutkimusryhmä hyödynsi uusimpia yksisoluteknologioita ja syväoppimismenetelmiä datan keräämiseen ja tulkintaan. Relatlimabin vaikutusta T-soluihin seurattiin ja se validoitiin kahdella eri koneoppimismallilla, joista toisen tutkimusryhmän jäsenet kehittivät vuonna 2021.

"Aiemmin verinäytteiden soluja analysoitiin massana. Uudet yksisoluteknologiat viittaavat siihen, että pystymme nyt analysoimaan yksittäisiä soluja näytteessä”, sanoo bioinformatiikan ja koneoppimisen professori Harri Lähdesmäki Aalto-yliopiston tietotekniikan laitokselta. ”Tämä on johtanut datan määrän eksponentiaaliseen kasvuun, jonka tulkitsemiseen tarvitsemme syväoppimis- ja koneoppimistekniikoilla. Suurin osa tämänkin tutkimuksen johtopäätöksistä perustuu näiden laskennallisten menetelmien paljastamiin asioihin.”

Laskennallisen biologian kehittyminen on vaikuttanut myös siihen, miten lääketieteellistä tutkimusta tehdään.

"Yksisoluteknologioiden ja syväoppimismenetelmien ansiosta tutkijat ovat voineet toteuttaa tämäntyyppisiä tutkimushankkeita data-ohjautuvasti, eli ilman vahvoja ennakko-oletuksia. Tällainen hypoteesivapaa lähestymistapa on tärkeä, kun tehdään uudenlaista biologiaa sekä etsitään uusia hoitovaihtoehtoja eri sairauksiin', Lähdesmäki sanoo.

Tutkimus on julkaistu arvostetussa The Journal of Clinical Investigation -julkaisusarjassa.

Tämä artikkeli perustuu HUS Helsingin yliopistollisen sairaalan tiedotteeseen.