Forskere har udviklet en computermodel, der kan komme med et bud på, hvordan man bedst kombinerer forskellige lægemidler for at slå kræft ned.
Kræft er ikke bare kræft.
Forskellige former for kræft skal behandles forskelligt. Leverkæft skal behandles på én på, mens lungekræft skal behandles på en anden måde.
De forskellige former for kræft kan derudover skyldes en bred vifte af mutationer og skal derfor behandles forskelligt afhængigt af tilstedeværelsen af den ene eller anden mutation.
I et nyt studie fremlægger forskere en computermodel, der ved hjælp af kunstig intelligens kan regne ud, hvordan man mest effektivt behandler de forskellige former for kræft med kombinationer af kræftmidler eller sågar andre lægemidler, der slet ikke er udviklet med kræftbehandling for øje.
Computermodellen rummer muligheden for at en helt ny tilgang til kræftbehandling, som kan gøre individuel kræftbehandling bedre og mere relevant for den specifikke kræftform.
"Målet er at identificere forskellige mønstre i mulige behandlinger, som kan gøre behandling af kræft endnu bedre. Det gælder både i forhold til at finde nye og mere effektive kombinationsbehandlinger samt at identificere, hvilke subgrupper af patienter som vil have gavn af givne kombinationer," fortæller en af forskerne bag udviklingen af metoden, professor Krister Wenneberg fra Biotech Research & innovation Centre på Københavns Universitet.
Forskningsresultatet er offentliggjort i Briefings in Bioinformatics.
Skanner 350 lægemidler for effekt på kræft
Baggrunden for det nye studie er det faktum, at vi stadig i dag er langt fra at kunne behandle alle former for kræft effektivt.
Tag som eksempel kræft i æggestokkene.
I dag har vi gode og meget effektive primærbehandlinger til patienter med kræft i æggestokkene, men i de fleste tilfælde udvikler nogle få overlevende celler resistens over for behandlingen. Den virker meget simpelt ikke længere, og så kommer kræften tilbage. I det tilfælde bliver lægernes værktøjskasse meget hurtigt tom.
I det nye studie har forskerne udviklet en computeralgoritme, der er i stand til at komme med et bud på, hvilke kombinationer af over 350 lægemidler eller lægemiddelkandidater som kan ramme kræftcellerne på trods af deres resistens mod første behandlingsforsøg.
"Algoritmen gennemsøger et bredt udvalg af både lægemidler mod kræft, lægemiddelkandidater og ikke-kræftrelaterede lægemidler, som alligevel kan have en potentiel effekt på kræft på grund af lægemidlets virkningsmekanisme," forklarer Krister Wenneberg.
Kræft kan vende tilbage
En af udfordringerne, når det kommer til behandling af kræft, er det faktum, at kræftknuder består af forskellige typer af celler, der hver især kan være modtagelige over for det ene eller andet lægemiddel.
Foruden forskellige typer af kræftceller er der også raske celler blandet ind mellem de syge celler.
Skeler man udelukkende til kræftcellerne, kan man hurtigt forestille sig, at nogle celler er modtagelige over for den ene eller anden behandling, men at når de celler er slået ned, giver det plads til andre typer af kræftceller, som er resistente.
Det vil sige, at selvom kræften virker til at være slået ned, har den mulighed for at komme tilbage, og så virker den første behandling ikke længere, fordi alle de celler, som var modtagelige over for den type behandling, allerede er døde og erstattet af andre, der vokser frem.
Trænede algoritme til at komme med behandlingsforslag
I forskningsarbejdet gjorde forskerne det, at de lavede genetiske udtryksprofiler på kræftceller fra fire prøver fra kvinder med kræft i æggestokkene og kortlagde det genetiske udtryk for alle celletyperne i kræftknuden.
Derefter undersøgte forskerne effekterne af de 350 forskellige lægemidler på de forskellige kræftceller for på den måde at finde frem til kombinationer af lægemidler, som ville virke godt på hele tumoren. Helt specifikt sammenholdt forskerne lægemidlernes virkningsmekanismer med de specifikke signalveje, som de var målrettet.
På den måde kunne forskerne holde effekten af en behandling op imod den specifikke kræftcelles genetisk udtryk.
Data ”trænede” så at sige algoritmen til senere at kunne komme med forudsigelser, når forskerne præsenterede den for nye data på en ny kræfttumor. Da forskerne gjorde det, kunne algoritmen pege på kombinationer af lægemidler, der formentlig ville være effektive til at behandle netop den type af kræft med de karakteristika, som de forskellige kræftceller i den undersøgte tumor havde.
"I vores test af algoritmen var den i stand til at pege på en masse lægemiddelkombinationer, der potentielt set vil virke godt på specifikke tumortyper ved kræft i æggestokkene. Samtidig kan vi se, at kombinationerne ikke synes særligt giftige for patienten og derfor kan undersøges i klinikken," siger Krister Wenneberg.
Nyt forsøg skal teste potentialet i modellen
Udviklingen af algoritmen er blot det første skridt i forskningsarbejdet. Det næste skridt for forskerne bliver at finde ud af, hvordan algoritmen skal bruges i en klinisk sammenhæng.
For det første ser Krister Wenneberg en mulighed i at bruge modellen til at udvikle hypoteser omkring lægemiddelkombinationer, der efterfølgende kan undersøges klinisk.
Forhåbningen er, at modellen kan pege på mønstre i kræfttumorer og gruppere dem på måder, hvor forskellige kombinationsbehandlinger kan blive standard til kvinder med kræft med givne karakteristika.
Modellen kan også hjælpe til med at pege på karakteristika, som kan være biomarkører ved undersøgelser for kræft i æggestokkene.
Begge muligheder undersøger forskerne i et nyt studie.
"I det nye studie vil vi se, om vi på baggrund af simple undersøgelser af tumorer kan forudsige, hvilke behandlinger der vil virke godt. Efterfølgende vil vi i cellekulturer og dyremodeller teste, om vores forudsigelser holder vand," siger Krister Wenneberg
Professoren fra Københavns Universitet uddyber, at det desuden er planen, at forskerne også vil lave lignende algoritmer for andre kræfttyper. Målet på den lange bane er at teste de mulige behandlinger på kræftpatienter og på den måde endeligt validere potentialet i modellen.
