Uutiset

Tekoäly ennustaa luotettavasti, miten eri lääkeyhdistelmät tappavat syöpäsoluja

Suomessa kehitetyn koneoppimismenetelmän avulla syöpäsairauksia voitaisiin hoitaa nykyistä tehokkaammin.
Some medicine capsules and equations
Uutta koneoppimismenetelmää koulutettiin suurella datajoukolla, joka saatiin aiemmista lääkeaineiden ja syöpäsolujen välistä yhteyttä selvittäneistä tutkimuksista. Kuvitus: Matti Ahlgren / Aalto-yliopisto

Eri lääkkeiden yhdistäminen on usein tehokkain ja turvallisin tapa hoitaa syöpäpotilaita. Nyt Aalto-yliopiston, Helsingin yliopiston ja Turun yliopiston tutkijat ovat kehittäneet  koneoppimismenetelmän, joka ennustaa tarkasti, miten erilaisten lääkkeiden yhdistelmät tappavat syöpäsoluja.

Pitkälle edenneen syövän hoidossa erilaisten hoitomenetelmien yhdistäminen on yleensä välttämätöntä. Syöpäleikkauksen lisäksi potilasta hoidetaan usein sädehoidolla, lääkehoidolla tai molemmilla.  Eri lääkkeitä myös yhdistetään niin, että yhdistelmässä olisi mukana eri soluihin eri tavoin vaikuttavia lääkeaineita.

Yhdistäminen paitsi parantaa hoidon tehoa myös vähentää usein sen haittoja, jos yksittäisten lääkkeiden annostusta pystytään pienentämään. Toimivien lääkeaineyhdistelmien seulominen kokeellisesti on kuitenkin hidasta ja kallista. Siksi yhdistelmähoidon edut jäävät usein saavuttamatta.

Uutta koneoppimismenetelmää koulutettiin suurella datajoukolla, joka saatiin aiemmista lääkeaineiden ja syöpäsolujen välistä yhteyttä selvittäneistä tutkimuksista. Arvostetussa Nature Communications -tiedelehdessä julkaistut tutkimustulokset kertovat, että malli löysi lääkkeiden ja syöpäsolujen väliltä sellaisia yhteyksiä, joita ei havaittu yksinkertaisemmilla malleilla. 

”Koneen oppima malli on itse asiassa koulumatematiikasta tuttu polynomifunktio, mutta erittäin monimutkainen sellainen. Malli antaa erittäin tarkkoja tuloksia. Esimerkiksi niin kutsutun korrelaatiokertoimen arvot olivat kokeissamme yli 0,9. Se viittaa erinomaiseen luotettavuuteen”, Aalto-yliopiston professori Juho Rousu kertoo.

Kokeellisissa mittauksissa korrelaatiokerrointa 0,8-0,9 pidetään luotettavana. Usein se jää kuitenkin niissä sen alle.

Hyötyä myös muiden sairauksien hoidossa

Menetelmä ennustaa tarkasti, miten tietty lääkeaineyhdistelmä tuhoaa syöpäsoluja, vaikka juuri sen yhdistelmän vaikutusta kyseiseen syöpätyyppiin ei olisi aiemmissa laboratorio tutkimuksissa testattu. 

”Tämä auttaa syöpätutkijoita valitsemaan, mitä lääkeaineyhdistelmiä kannattaa valita tuhansien vaihtoehtojen joukosta jatkotutkimuksiin”, sanoo tutkija Tero Aittokallio Suomen molekyylilääketieteen instituutista FIMMistä, joka on osa Helsingin yliopistoa.

Samaa menetelmää voitaisiin hyödyntää myös muiden kuin syöpäsairauksien kohdalla. Tällöin malli täytyisi opettaa uudelleen datalla, joka liittyy kyseiseen sairauteen. Menetelmällä voitaisiin tutkia esimerkiksi sitä, miten eri antibioottiyhdistelmät vaikuttavat bakteeritulehduksiin tai miten tehokkaasti eri lääkeaineyhdistelmät tappavat soluja, joihin SARS-Cov-2-koronavirus on hyökännyt.

Julkaisu:

Heli Julkunen, Anna Cichonska, Prson Gautam, Sandor Szedmak, Jane Douat, Tapio Pahikkala, Tero Aittokallio, and Juho Rousu. Leveraging multiway interactions for systematic prediction of pre-clinical drug combination effects. Nature Communications. DOI: 10.1038/s41467-020-19950-z

Lisätietoja:

Heli Julkunen
Projektitutkija, Aalto-yliopisto
[email protected]

Juho Rousu
Professori, Aalto-yliopisto
Suomen tekoälykeskus FCAI
puh. 050 415 1702
[email protected]

Tero Aittokallio
Ryhmänjohtaja, Suomen molekyylilääketieteen instituutti FIMM
Helsingin yliopisto
[email protected]

Linkki tutkimusartikkeliin: https://www.nature.com/articles/s41467-020-19950-z

Lue lisää

Finnish Center for Artificial Intelligence

Suomen tekoälykeskus FCAI (ulkoinen linkki)

Tekoälyn tutkimuksen ja kehittämisen keskus.

  • Julkaistu:
  • Päivitetty:

Lue lisää uutisia

Catwalkilla kävelevä malli esittelee muotisuunnittelijan luomaa asua, katsojat istuvat katsomassa näytöstä
Palkinnot ja tunnustukset, Opinnot, Yliopisto Julkaistu:

Näytös24 oli luovuuden ja persoonallisuuden juhlaa

Aalto-yliopiston vuosittaisessa muotinäytöksessä jaettiin kaikkiaan seitsemän palkintoa muodin opiskelijoiden mallistoille ja projekteille. Palkintoperusteluissa korostuivat etenkin innovatiivisuus, korkea tekninen taso ja kestävyysarvot.
Kuvassa näkyvät opiskelijat Anna Tran, Osama Nasir Iqbal ja Lana St t. James-Kautny Aalto-luentosalissa.
Opinnot Julkaistu:

Elämän tärkeät päätökset haltuun taloustaitojen avulla

Uusi Personal Finance -kurssi yhdistää viimeisintä tutkimustietoa käytännön esimerkkeihin, opettaa jokapäiväisessä elämässä tarvittavia taloustaitoja – ja auttaa toteuttamaan unelmia.
Muotoilija Noora Yaun suunnittelemia kimaltavia puukristalleja. Kuva: Mikko Raskinen
Kampus, Tutkimus ja taide Julkaistu:

Avaruusteknologiaa, kimaltavaa puuta ja muotoaan vaihtavia tekstiilejä - tutustu maailmaa muuttavaan tutkimukseen upouudessa Marsio-rakennuksessa

Mahdottoman tekijät -näyttelyt ja Designs for a Cooler Planet -festivaali käynnistävät Aalto-yliopiston uuden kohtaamispaikan syyskauden.
Tulevaisuuden uran pohtimisessa käytetään luovuutta.
Opinnot Julkaistu:

Uramuotoilukurssilla pysähdytään oppimaan itsestä ja pohtimaan tulevaisuutta

Career Design Lab tukee opiskelijoiden siirtymää työelämään. Avain kestävään tulevaisuuden työhön on ennakkoluuloton ja luova tapa muotoilla uraa.