Τα βακτήρια του εντέρου σας ενδέχεται να αποτελούν το κλειδί για την ανίχνευση του καρκίνου χωρίς την ανάγκη κολονοσκόπησης. Μια πρωτοποριακή έρευνα στο μικροβίωμα από το Πανεπιστήμιο της Γενεύης (UNIGE) υπόσχεται να αλλάξει ριζικά τον τρόπο διάγνωσης του ορθοκολικού καρκίνου, χρησιμοποιώντας την τεχνητή νοημοσύνη για τη χαρτογράφηση των βακτηρίων του εντέρου σε πρωτόγνωρο επίπεδο λεπτομέρειας.
Η ανάγκη για ευκολότερα εργαλεία προσυμπτωματικού ελέγχου
Ο ορθοκολικός καρκίνος αποτελεί τη δεύτερη κύρια αιτία θανάτου από καρκίνο παγκοσμίως, παρά το γεγονός ότι είναι εξαιρετικά θεραπεύσιμος εάν ανιχνευθεί έγκαιρα. Οι κολονοσκοπήσεις, αν και αξιόπιστες, είναι συχνά δαπανηρές και δυσάρεστες, γεγονός που αποθαρρύνει πολλούς ανθρώπους από τον έλεγχο. Η νέα μέθοδος προσφέρει μια μη επεμβατική και χαμηλού κόστους εναλλακτική λύση, αναλύοντας απλά δείγματα κοπράνων με τη βοήθεια της μηχανικής μάθησης.
Εστίαση στα υποείδη των μικροβίων
Η καινοτομία της μελέτης έγκειται στην εστίαση σε ένα ενδιάμεσο επίπεδο του μικροβιώματος: το υποείδος.
«Η ανάλυση σε επίπεδο υποείδους είναι αρκετά συγκεκριμένη ώστε να συλλάβει τις διαφορές στον τρόπο λειτουργίας των βακτηρίων και τη συμβολή τους σε ασθένειες, αλλά παραμένει αρκετά γενική ώστε να ανιχνεύει αυτές τις αλλαγές σε διαφορετικούς πληθυσμούς», εξηγεί ο καθηγητής Mirko Trajkovski.
Αυτό επιτρέπει στον αλγόριθμο να εντοπίζει λεπτά μικροβιακά μοτίβα που συνδέονται άμεσα με τον καρκίνο, τα οποία προηγούμενες μέθοδοι αδυνατούσαν να δουν.
Ο κατάλογος HuMSub και η παγκόσμια εφαρμογή του
Οι ερευνητές ανέλυσαν πάνω από 225.000 γονιδιώματα, εντοπίζοντας 5.361 μονάδες υποειδών (OSUs) σε σχεδόν 1.000 είδη βακτηρίων. Το εντυπωσιακό είναι ότι αυτά τα υποείδη δεν είναι τυχαία- εμφανίζονται με συνέπεια σε διαφορετικούς πληθυσμούς παγκοσμίως.
Η ανάλυση δειγμάτων από τέσσερις ηπείρους έδειξε ότι το 62% των υποειδών είναι κοινά, επιτρέποντας στους επιστήμονες να εξάγουν γενικά συμπεράσματα που ισχύουν για όλη την ανθρωπότητα, διατηρώντας ταυτόχρονα την απαραίτητη εξειδίκευση.
Υποείδη ως «κλειδί» για τη διάγνωση του Καρκίνου του Παχέος Εντέρου
Η μελέτη επικεντρώθηκε στον ορθοκολικό καρκίνο (CRC) για να ελέγξει την αποτελεσματικότητα αυτής της νέας ανάλυσης. Τα αποτελέσματα ήταν αποκαλυπτικά:
Εντοπίστηκαν υποείδη που σχετίζονται άμεσα με τη νόσο, ενώ τα «αδελφά» τους υποείδη (του ίδιου είδους) δεν παρουσίαζαν καμία συσχέτιση.
Χρησιμοποιώντας μηχανική μάθηση (AI), τα μοντέλα που βασίστηκαν σε υποείδη ξεπέρασαν σε ακρίβεια κάθε προηγούμενο μοντέλο που βασιζόταν μόνο σε είδη.
Η ακρίβεια της πρόβλεψης έφτασε σε πολύ υψηλά επίπεδα, καθιστώντας τη μέθοδο αυτή έναν ισχυρό υποψήφιο για μελλοντικά κλινικά διαγνωστικά εργαλεία.
Μηχανιστική σύνδεση με τη φυσιολογία του ξενιστή
Γιατί όμως δύο υποείδη του ίδιου βακτηρίου συμπεριφέρονται διαφορετικά; Οι ερευνητές ανακάλυψαν ότι μικρές γενετικές παραλλαγές μπορούν να «απενεργοποιήσουν» κρίσιμες λειτουργίες.
Για παράδειγμα, ένα υποείδος που σχετίζεται με τον καρκίνο μπορεί να παράγει βιταμίνη B12 ή αργινίνη, ουσίες που σε υψηλές συγκεντρώσεις ευνοούν την ανάπτυξη όγκων.
Αντίθετα, το «υγιές» αδελφό υποείδος φέρει μεταλλάξεις που εμποδίζουν τη σύνθεση αυτών των ουσιών.
Αυτή η λεπτομερής ανάλυση προσφέρει μια βάση για την κατανόηση των αιτιωδών σχέσεων μεταξύ μικροβιώματος και ασθένειας, ανοίγοντας τον δρόμο για στοχευμένες θεραπείες και πιο ακριβή προληπτικό έλεγχο.
Ένα τεστ που ανταγωνίζεται την κολονοσκόπηση
Τα αποτελέσματα της έρευνας, που δημοσιεύθηκαν στο «Cell Host & Microbe», ήταν εντυπωσιακά. Η μέθοδος εντόπισε το 90% των περιπτώσεων καρκίνου, πλησιάζοντας το ποσοστό ανίχνευσης 94% της κολονοσκόπησης και ξεπερνώντας κάθε άλλη μη επεμβατική μέθοδο.
Στην πράξη, αυτό το τεστ θα μπορούσε να χρησιμοποιηθεί για προληπτικό έλεγχο ρουτίνας, περιορίζοντας τις κολονοσκοπήσεις μόνο για την επιβεβαίωση των θετικών περιπτώσεων.
Επέκταση πέρα από τον καρκίνο
Οι ερευνητές προετοιμάζουν ήδη κλινική δοκιμή σε συνεργασία με τα Πανεπιστημιακά Νοσοκομεία της Γενεύης (HUG). Ωστόσο, οι προοπτικές της μεθόδου εκτείνονται πέρα από τον ορθοκολικό καρκίνο. Η ίδια προσέγγιση θα μπορούσε σύντομα να χρησιμοποιηθεί για την ανάπτυξη διαγνωστικών εργαλείων για μια ευρεία γκάμα ασθενειών, βασισμένη σε μία μόνο ανάλυση του μικροβιώματος, ανοίγοντας νέους δρόμους για την εξατομικευμένη ιατρική.