پژوهشگران مرکز سرطان کیمل در دانشگاه جانز هاپکینز، تکنیکی نوین مبتنی بر هوش مصنوعی طراحی کرده‌اند که می‌تواند با شناسایی قطعات DNA رهاشده از تومورها در خون بیماران، به پزشکان کمک کند تا سریع‌تر اثربخشی درمان سرطان پانکراس را ارزیابی کنند.
این روش که ARTEMIS-DELFI نام دارد، روی نمونه‌های خون بیماران شرکت‌کننده در دو کارآزمایی بالینی بزرگ ارزیابی شد. یافته‌ها نشان دادند این روش توانایی بالایی در تشخیص پاسخ به درمان دارد. ARTEMIS-DELFI و روش دیگری به نام WGMAF که برای بررسی جهش‌های توموری طراحی شده، در پیش‌بینی نتایج درمانی دو ماه پس از آغاز درمان، بهتر از تصویربرداری پزشکی یا سایر نشانگرهای بالینی و مولکولی عمل کردند. با این حال، از آنجایی که ARTEMIS-DELFI ساده‌تر و از نظر کاربردی گسترده‌تر بود، به عنوان روش برتر شناخته شد.
شرح این پژوهش در ۲۱ مه در نشریه Science Advances منتشر شد و بخشی از آن با حمایت مؤسسه ملی سلامت آمریکا انجام گرفت.
دکتر ویکتور ولکولسکو، نویسنده ارشد مقاله و مدیر مشترک برنامه ژنتیک و اپی‌ژنتیک سرطان در این مرکز می‌گوید: “در درمان سرطان پانکراس، زمان از اهمیت بالایی برخوردار است، چرا که بسیاری از بیماران در مراحل پیشرفته تشخیص داده می‌شوند و پیشرفت بیماری می‌تواند بسیار سریع باشد. از آنجا که گزینه‌های درمانی تجربی در حال افزایش‌اند، ضروری است که هرچه زودتر متوجه شویم آیا درمان فعلی مؤثر است یا باید آن را تغییر دهیم.”
در حال حاضر، ارزیابی پاسخ به درمان معمولاً با روش‌های تصویربرداری انجام می‌شود، اما این روش‌ها نه‌تنها کند هستند بلکه برای بیماران دریافت‌کننده ایمونوتراپی نیز دقت کافی ندارند و تفسیر نتایج را دشوار می‌سازند.
در این مطالعه، دو روش جایگزین روی بیماران شرکت‌کننده در کارآزمایی CheckPAC (یک کارآزمایی فاز ۲ در زمینه ایمونوتراپی سرطان پانکراس) آزمایش شدند. روش WGMAF (توالی‌یابی کل ژنوم پلاسما با اطلاع از تومور) از DNA استخراج‌شده از نمونه‌های تومور و DNA آزاد سلولی در خون برای ارزیابی پاسخ به درمان استفاده کرد. در مقابل، روش ARTEMIS-DELFI صرفاً با استفاده از هوش مصنوعی و بدون نیاز به نمونه توموری، الگوهای شکستگی DNA آزاد سلولی موجود در خون بیماران را تحلیل کرد.
هر دو روش قادر به تشخیص پاسخ بیماران به درمان بودند. اما از آنجا که همه بیماران نمونه توموری نداشتند، یا در نمونه‌های موجود، سلول‌های سرطانی سهم کمی از بافت کلی (شامل سلول‌های طبیعی لوزالمعده و سایر سلول‌ها) داشتند، عملکرد WGMAF با اختلال مواجه شد. به گفته ولکولسکو، ARTEMIS-DELFI روی شمار بیشتری از بیماران قابل اجرا بود و از نظر اجرایی ساده‌تر عمل می‌کرد.
کارایی ARTEMIS-DELFI سپس در کارآزمایی بالینی دیگری با نام PACTO نیز تأیید شد. این مطالعه نشان داد که این روش می‌تواند پاسخ به درمان را در برخی بیماران حتی از چهار هفته پس از شروع درمان شناسایی کند.
کارولین هروبن، نویسنده اول مقاله و پژوهشگر پسادکتری کنونی در مؤسسه سرطان دانا-فاربر می‌گوید: “رویکرد ‘fast-fail’ مبتنی بر ARTEMIS-DELFI می‌تواند به‌ویژه برای سرطان پانکراس مفید باشد، چرا که تغییر سریع درمان در بیماران غیرپاسخگو می‌تواند حیاتی باشد. این روش ساده‌تر، احتمالاً ارزان‌تر و از نظر کاربرد بالینی گسترده‌تر از استفاده از نمونه‌های توموری است.”
گام بعدی گروه پژوهشی، انجام مطالعات آینده‌نگر خواهد بود تا مشخص شود آیا ARTEMIS-DELFI می‌تواند واقعاً به انتخاب کارآمدتر درمان و بهبود نتایج بالینی بیماران کمک کند یا نه. این رویکرد همچنین ممکن است برای پایش درمان سایر انواع سرطان نیز قابل استفاده باشد. پیش‌تر در سال جاری، اعضای این گروه مقاله‌ای در Nature Communications منتشر کردند که نشان می‌داد نسخه‌ای از همین رویکرد با نام DELFI-TF در ارزیابی پاسخ به درمان در سرطان روده بزرگ نیز مؤثر است.
ولکولسکو می‌افزاید: “تحلیل الگوهای شکستگی DNA آزاد سلولی، ابزار بلادرنگی برای ارزیابی پاسخ بیمار به درمان فراهم می‌کند که می‌تواند مسیر درمان را شخصی‌سازی و نتایج درمانی را بهبود دهد.”
منبع:
Cancer treatment monitoring using cell-free DNA fragmentomes. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-53017-7
تهیه و تنظیم: سید طه نوربخش
نظارت و تأیید: فائزه محمدهاشم-متخصص ژنتیک
