Авторы исходили из того, что существующие модели оценки риска опираются в основном на клинические и демографические факторы: возраст, репродуктивный анамнез, семейную историю и данные о доброкачественных заболеваниях молочной железы. Такие инструменты хуже отражают индивидуальные биологические изменения, особенно у женщин без мутаций BRCA1/2 и без выраженной семейной истории, на которых приходится большинство случаев рака молочной железы.
В исследовании использовали первичные эпителиальные клетки молочной железы 18 женщин разного возраста и уровня риска. Клетки пропускали через микрофлюидную систему mechano-NPS: она фактически «сжимает» отдельные клетки и измеряет их размер, жесткость, деформацию и скорость восстановления после механической нагрузки. На основе более 1,5 тысячи клеточных профилей исследователи обучили модель машинного обучения MechanoAge отличать «молодые» и «возрастные» механические фенотипы клеток. На валидационной выборке точность модели по метрике AUC составила около 95%.
Затем алгоритм применили к клеткам женщин с мутациями BRCA1/2 или семейной историей рака молочной железы. У молодых носительниц BRCA1/2 значительная часть клеток выглядела «старше» по механическим характеристикам: для отдельных образцов доля таких клеток достигала 47%, 61% и 79%. Похожий сдвиг выявили и у женщин с семейной историей заболевания, но без обнаруженных высокорисковых мутаций.
Для количественной оценки авторы ввели показатель mechano-RISQ. Он отражает, насколько часто клетки конкретного образца классифицируются как «более старые» по сравнению с ожидаемым уровнем ошибки у женщин среднего риска. Повышенные значения mechano-RISQ, по мнению исследователей, могут указывать на ускоренное биологическое старение эпителия молочной железы и потенциально более высокий риск опухолевого процесса.
Отдельно ученые изучили роль белка KRT14, связанного с цитоскелетом клетки. Его повышенная экспрессия переводила клетки молодых женщин в более «возрастное» механическое состояние, а подавление KRT14 у клеток пожилых доноров частично ослабляло этот фенотип. Это указывает, что изменения жесткости и способности клетки восстанавливаться после деформации могут быть не просто маркером, а частью биологических процессов, связанных со старением и риском рака.
Авторы считают, что MechanoAge и mechano-RISQ могут дополнить существующие модели оценки риска, особенно для женщин без известных наследственных мутаций. Однако пока речь идет о раннем исследовательском подходе: клиническая применимость метода требует проверки на более крупных и долгосрочных когортах.
Ранее исследователи из Гонконгского университета науки и технологий разработали ИИ-систему PRET для диагностики рака, которая способна распознавать до 18 типов опухолей, используя минимальное число образцов. В тестах на международных наборах данных точность модели превышала 97%, а в отдельных задачах достигала 100%. В отличие от традиционных решений, системе не требуется длительное дообучение под каждый тип опухоли, однако разработчики отмечают, что технология нуждается в дополнительной клинической проверке.
Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live
