Forskare vid universitetet i Genève har utvecklat MangroveGS, en AI-modell som förutser risken för cancerspridning med nästan 80 procents noggrannhet. Verktyget analyserar genuttrycksmönster i tumörceller, initialt från tjocktarmscancer, och kan appliceras på andra typer såsom bröst- och lungcancer. Studien, som publicerats i Cell Reports, syftar till att möjliggöra mer personanpassade behandlingar.
Forskare ledda av Ariel Ruiz i Altaba, professor vid institutionen för genetisk medicin och utvecklingsbiologi vid medicinska fakulteten på universitetet i Genève (UNIGE), har studerat tumörceller från tjocktarmen för att förstå metastasering. De fann att cancerspridning följer strukturerade biologiska program snarare än slumpmässiga processer, där tidiga utvecklingsvägar återaktiveras genom genetiska och epigenetiska förändringar. Metastasering står för de flesta dödsfall vid tjocktarms-, bröst- och lungcancer, men tidig upptäckt är fortsatt utmanande då processen ofta inleds innan cellerna kan identifieras i blod eller lymfsystem. Ingen enskild mutation förklarar fullt ut varför vissa celler migrerar medan andra inte gör det. För att hantera detta isolerade, klonade och odlade teamet ett trettiotal cellkloner från två primära tjocktarmstumörer. Dessa testades in vitro och i musmodeller för migration och metastasbildning. Analys av hundratals gener avslöjade uttrycksmönster som kopplade grupper av cancerceller till metastatisk potential, snarare än enskilda celler. Dessa mönster integrerades i MangroveGS, ett AI-verktyg som använder dussintals eller hundratals gensignaturer för robusta förutsägelser. Aravind Srinivasan konstaterade: 'Den stora nyheten med vårt verktyg, kallat Mangrove Gene Signatures (MangroveGS), är att det utnyttjar dussintals, till och med hundratals, gensignaturer. Detta gör det särskilt motståndskraftigt mot individuella variationer.' Modellen förutser metastasering och återfall av tjocktarmscancer med nästan 80 procents noggrannhet, vilket överträffar tidigare metoder, och kan appliceras på mag-, lung- och bröstcancer. Systemet bearbetar tumörprover från sjukhus via RNA-sekvensering och genererar riskpoäng som delas säkert med läkare och patienter. Ruiz i Altaba uppgav: 'Denna information kommer att förhindra överbehandling av patienter med låg risk, vilket begränsar biverkningar och onödiga kostnader, samtidigt som monitorering och behandling av högriskpatienter intensifieras.' Studien finns publicerad i Cell Reports (2026; 45(1):116834).
