PCGS: biomarker and risk group identification for Pediatric Cancers via explainable Graph neural networks with Shapley values

Kinderen zijn niet simpelweg kleine volwassenen, en hun kankers zijn niet louter kleinere versies van ziekten bij volwassenen. De biologie van een tumor bij een kind volgt vaak een ander script, gedreven door unieke genetische fouten en reageert anders op behandeling. Decennialang heeft deze onderscheidendheid het onderzoek naar pediatrische kanker moeilijk gemaakt, deels omdat er veel minder patiënten te bestuderen zijn dan bij kankers bij volwassenen, waardoor wetenschappers te maken hebben met kleinere, moeilijker te analyseren datasets. De opkomst van kunstmatige intelligentie biedt echter een nieuwe manier om naar deze complexe biologische puzzels te kijken. Door gebruik te maken van computermodellen die in staat zijn om relaties tussen duizenden genetische signalen tegelijkertijd in kaart te brengen, kunnen onderzoekers patronen vinden die het menselijk oog zou kunnen missen. Het doel is om voorbij de 'one-size-fits-all'-benadering te gaan en specifieke genetische markers te identificeren die voorspellen hoe de kanker van een kind zich zal gedragen en welke behandelingen het beste zouden kunnen werken.

In deze context heeft een team van onderzoekers een nieuw computerconcept ontwikkeld genaamd PCGS, dat specifiek is ontworpen om de genetische complexiteit van pediatrische kankers te ontrafelen. Het systeem is gebouwd om data te verwerken van twee veelvoorkomende vormen van kinderkanker: glioma, een type hersentumor, en Wilms-tumor, een nierkanker. De onderzoekers begonnen met het verzamelen van genetische informatie van honderden patiënten, inclusief data over hoe genen aan- of uitstaan, veranderingen in het aantal kopieën van genen, en chemische modificaties die de genactiviteit reguleren. Omdat deze verschillende soorten data rommelig zijn en sterk variëren in omvang, heeft het team de data eerst schoongemaakt en georganiseerd, waarbij ze ruis wegfilterden en de meest relevante genetische signalen selecteerden om in hun model te voeden.

De kern van het PCGS-systeem is een type kunstmatige intelligentie dat bekend staat als een graph neural network (grafisch neuraal netwerk). Stel je de patiënten voor als punten op een kaart, waarbij de afstand tussen hen wordt bepaald door hoe vergelijkbaar hun genetische profielen zijn. De computer trekt lijnen tussen deze punten om een netwerk te creëren, waardoor het kan leren van de relaties tussen patiënten, en niet alleen van de data van een enkel individu. Dit netwerk verwerkt de genetische data van elke patiënt en leert een verborgen representatie die de essentie van hun ziekte vastlegt. Om de verschillende soorten genetische data — zoals genactiviteit en chemische markers — te combineren, gebruikt het systeem een mechanisme genaamd cross-attention. Dit werkt als een spotlight, waardoor het model kan beslissen welke stukjes informatie van één datatype het belangrijkst zijn wanneer er naar een ander type wordt gekeken, waardoor de verschillende genetische draden effectief tot één samenhangend beeld worden geweven.

Zodra het model deze complexe patronen heeft geleerd, werd het getest op zijn verm ability om twee cruciale taken uit te voeren: het classificeren van het type tumor en het voorspellen van de overlevingskans van een patiënt. De onderzoekers vergeleken hun nieuwe systeem met oudere, standaardmethoden en stelden vast dat PCGS beter presteerde. In de tests met betrekking tot hersentumoren identificeerde het systeem het type tumor correct met een nauwkeurigheid van meer dan 92 procent en behaalde het een hoge score in het rangschikken van overlevingsrisico's bij patiënten. Voor niertumoren liet het ook een sterke prestatie zien, waarbij het gevallen correct classificeerde met een nauwkeurigheid van meer dan 94 procent. Deze resultaten suggereren dat de nieuwe aanpak effectiever is in het omgaan met de unieke, meerlagige data die kenmerkend zijn voor pediatrische kanker dan voorgaande tools.

Misschien wel de meest significante bijdrage van dit werk is dat de computer niet alleen een antwoord geeft, maar ook uitlegt waarom. Veel krachtige kunstmatige intelligentiemodellen zijn "black boxes", wat betekent dat ze een resultaat leveren zonder de redenering erachter te onthullen. In de geneeskunde is weten "waarom" essentieel. De onderzoekers hebben hun systeem uitgerust met een methode om het besluitvormingsproces terug te leiden naar de specifieven genen die de uitkomst hebben beïnvloed. Door een wiskundig concept te gebruiken dat meet hoeveel elk gen bijdraagt aan een voorspelling, konden zij de genen op belangrijkheid rangschikken. Dit stelde hen in staat om specifieke biomarkers te identificeren — genen die fungeren als waarschuwingssignalen of indicatoren van de ernst van de ziekte.

Toen de onderzoekers deze uitlegmethode toepasten op de hersentumordata, ontdekten zij dat bepaalde genen consequent als kritiek werden aangemerkt. Zo lichten ze bijvoorbeeld een gen genaamd CENPA uit, dat bekend staat om zijn activiteit in agressieve tumoren en gelinkt is aan een slechte prognose. Het model toonde aan dat wanneer dit gen zeer actief was, het voorspelde risico voor de patiënt toenam. Deze bevinding komt overeen met wat wetenschappers al weten over het gen, wat valideert dat de computer biologisch betekenisvolle regels leert in plaats van enkel data te memoriseren. Het systeem onthulde ook dat het belang van bepaalde genen kon veranderen afhankelijk van de achtergrond van de patiënt, zoals of er sprake was van een laaggradige of hooggradige tumor, wat suggereert dat de genetische drijfveren van de ziekte niet statisch zijn maar afhangen van de specifieke context van de patiënt.

De studie onderzocht ook hoe het aantal genen dat in het model wordt gevoed, de prestaties beïnvloedt. Ze testten het systeem met verschillende hoeveelheden genetische data, variërend van enkele honderden tot meer dan duizend kenmerken. De resultaten toonden aan dat het model stabiel en accuraat bleef, zelfs wanneer de hoeveelheid data veranderde, wat aangeeft dat het robuust is en niet overmatig gevoelig is voor het specifieke aantal inputs. Deze stabiliteit is cruciaal voor de toepassing in de echte wereld, waar de hoeveelheid beschikbare data per patiënt kan variëren.

Hoewel de resultaten veelbelovend zijn, zijn de onderzoekers voorzichtig in hun opmerkingen over de beperkingen van hun werk. Het systeem is getest op slechts twee soorten kanker, en hoewel het goed presteerde, is het nog niet bewezen in een klinische setting waar het daadwerkelijke behandelbeslissingen zou sturen. Bovendien is de methode die wordt gebruikt om de beslissingen van het model te verklaren gebaseerd op statistische schattingen, die soms licht kunnen variëren afhankelijk van de groep patiënten die als referentie wordt gebruikt. De onderzoekers benadrukken dat het identificeren van een gen als belangrijk niet bewijst dat het de kanker veroorzaakt; het betekent simpelweg dat het gen een sterke voorspeller is. Het bevestigen van de biologische rol van deze genen zal verdere laboratoriumexperimenten en klinische studies vereisen.

Ondanks deze kanttekeningenheden vertegenwoordigt dit werk een belangrijke stap voorwaarts in de inspanning om de zorg te personaliseren voor kinderen met kanker. Door geavanceerde kunstmatige intelligentie te combineren met methoden die de redenering van de computer transparant maken, hebben de onderzoekers een instrument gecreëerd dat door enorme hoeveelheden genetische data kan zeven om de signalen te vinden die er het meest toe doen. Deze aanpak verbetert niet alleen de nauwkeurigheid van voorspellingen, maar biedt artsen ook een lijst met specifieke genen om te onderzoeken, wat potentieel kan leiden tot betere manieren om patiënten in risicogroepen in te delen en behandelingen op maat aan te bieden. Naarmate initiatieven voor het delen van data blijven groeien en er meer genetische informatie beschikbaar komt, zouden frameworks zoals PCGS een standaard onderdeel kunnen worden van het instrumentarium voor het begrijpen en behandelen van de unieke uitdagingen binnen de pediatrische oncologie.