Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

מציאת האינדיקציות המבטיחות ביותר לטיפולים חדשניים באונקולוגיה

· חזרה לאינדקס

מדוע חשוב למצוא את המטופלים הנכונים

תרופות סרטן מודרניות יכולות להציל חיים, אבל לקבוע אילו קבוצות מטופלים בדיוק יפיקו מהן תועלת הוא תהליך איטי, יקר ומלא חוסר ודאות. כל תרופה חדשה חייבת להיבדק בסוגי וסאב-סוגי סרטן ספציפיים, ובחירה שגויה עלולה לבזבז שנים של מחקר ומיליוני דולרים — בעוד מטופלים מחכים. המחקר הזה מציג גישה מונחית-נתונים שתנחה את הבחירות האלה מוקדם ובאופן שיטתי יותר, באמצעות מידע ממיליוני מטופלים אמיתיים במקום להיעזר בעיקר באינטואיציות ובתגליות מקריות.

Figure 1
Figure 1.

הפיכת נתוני רפואיים יומיומיים למפה

המחברים בונים שיטה שהם קוראים לה INSPIRE, קיצור של "INdication Selection and Prioritization In Real-world data and Evaluation." במקום להתחיל רק מניסויים במעבדה, INSPIRE לומדת ממאגרי נתונים גדולים מעולם־המציאות שנאספו במהלך הטיפול השגרתי בארצות הברית — רשומות בריאות אלקטרוניות ותביעות ביטוח של יותר משני מיליון אנשים עם סרטן. הרשומות האלה מכילות שרשרת ארוכה של אירועים לכל מטופל: אבחנות, טיפולים, בדיקות מעבדה, דגימות גידול ועוד. הצוות ממיר כל אחד מהאירועים האלה ל"מאפיין" מתמטי ואז משתמש בלמידת מכונה כדי למקם אותם במרחב משותף שבו אירועים רפואיים שנוטים להתרחש אצל מטופלים דומים מסתיימים קרובים זה לזה.

מסתכלים מעבר לתוויות הרחבות של סרטן

ברוב מערכות בתי החולים והחיוב מתארים מחלות באמצעות קודים מנהליים המדגישים היכן ממוקם הגידול (למשל, איזה חלק מהריאה) ולא כיצד הוא נראה תחת המיקרוסקופ. עבור פיתוח תרופות לסרטן, זה לרוב אינו מדויק מספיק, משום ששני גידולים באותו איבר עלולים להתנהג בצורה שונה ולהגיב לטיפולים שונים. INSPIRE מתמודד עם זה על ידי עבודה ישירה עם דוחות פתולוגיה — התיאורים המפורטים של רקמת הגידול. מתוך דוחות אלה, השיטה בונה קטגוריות סרטן מעודנות כגון תת-סוגים מסוימים של סרטן ריאה ומבדילה בין מחלה מוקדמת למחלה מתקדמת ומטסטטית. לאחר מכן היא "משדרת" את המידע על הגידול לאורך ציר הזמן של המטופל כך שניתן לקשרו לטיפולים, תוצאות בדיקות ואירועים אחרים המתרחשים מאוחר יותר.

בדיקת השיטה על אימונותרפיה מרכזית

כדי לבחון אם INSPIRE הייתה יכולה להנחות החלטות בעולם האמיתי, החוקרים התמקדו בתרופות החוסמות PD‑1, נקודת בקרה חיסונית המטרה של אימונותרפיות רבות לשימוש נרחב בסרטן. הם חיקו מצב שבו תרופות אלה עדיין היו חדשות על ידי שימוש רק בנתונים מ-2012 עד 2015 והחריגו את כל המטופלים שקיבלו תרופת PD‑1 או עברו את בדיקת הביומרקר הנלוות. הם בחרו בשלושה סוגי סרטן שהיו בין הראשונים שקיבלו אישור לטיפול ב-PD‑1 כ"מחלות ייחוס". INSPIRE מדד אז עד כמה כל תת-סוג סרטן אחר בנתונים דומה לאותן מחלות ייחוס, בהתבסס על דפוסים במסלולי המטופלים, והפיק רשימה מדורגת של אינדיקציות מבטיחות מבלי לדעת אילו מהן יאושרו רשמית מאוחר יותר.

Figure 2
Figure 2.

מה החשיפות חשפו

כאשר המחברים "חשפו" את התוצאות והשוו את רשימת הדרוג של INSPIRE לאישורים שהרגולטורים נתנו לאחר 2015, כ-70 אחוז מהאינדיקציות הסרטניות שזכו בסופו של דבר לאישור ל-PD‑1 הופיעו בעשירייה החמישית העליונה. סרטן שבו תרופות PD‑1 נכשלו שוב ושוב בניסויים נטה להופיע במקומות נמוכים יותר בדירוג. השיטה הראתה ביצועים דומים כאשר החוקרים הרחיבו את חלון הזמן לכלול שנים עתידיות יותר וכאשר שינו את הפרמטרים הפנימיים של המודל, מה שמרמז שהגישה די איתנה. ניתוחים נוספים הראו שמפת המאפיינים הפנימית של INSPIRE קיבצה יחד פריטים הקשורים מבחינה רפואית — כגון סוגי גידול, טיפולים וביומרקרים — ותמך ברעיון שהיא תופסת מבנה קליני משמעותי במקום דפוסים אקראיים.

כיצד זה יכול לשנות את פיתוח תרופות הסרטן

INSPIRE אינה מיועדת להחליף את המדע במעבדה או את השיפוט הקליני, אלא להוסיף קו נוסף של ראיות. בפועל, חברה או צוות אקדמי המפתחים תרופת סרטן חדשה יכולים להזין מספר קטן של סוגי גידול שבהם כבר קיימת ראיה חזקה שהתרופה עובדת. INSPIRE תשתמש אז במפת נתוני העולם-האמיתי כדי להדגיש תת־סוגים סרטניים אחרים שנראים דומים מבחינת אופן הופעת המטופלים, ההתקדמות והטיפול בהם. אינדיקציות אלה יכולות להיות מתועדפות ללימוד ביולוגי נוסף ולבסוף לניסויים קליניים. על ידי שיפור הסיכויים לבחור את סוגי הסרטן הנכונים לבדיקה ראשונה, גישות כמו INSPIRE יכולות לקצר לוחות זמנים של פיתוח, להפחית עלויות ולעזור למטופלים לקבל טיפולים יעילים מוקדם יותר.

ציטוט: Eckhoff, M., Klingelschmitt, S., Van Ruijssevelt, L. et al. Finding the most promising indications for novel treatments in oncology. npj Precis. Onc. 10, 135 (2026). https://doi.org/10.1038/s41698-026-01352-x

מילות מפתח: פיתוח תרופות לסרטן, נתוני עולם-אמיתי, למידת מכונה באונקולוגיה, אימונותרפיה, בחירת אינדיקציה לטיפול