Saúde
Aprendizagem de máquina acelera terapias personalizadas em casos de câncer
Criar terapias personalizadas com células T para tratar o câncer é um processo longo e complexo, principalmente devido à dificuldade inicial de identificar receptores de linfócitos com funções imunológicas específicas ao tumor. Para facilitar isso, cientistas alemães criaram o PredicTCR, um sistema de aprendizagem de máquina que acelera a identificação desses receptores.
Esse sistema usa uma técnica chamada sequenciamento de RNA para analisar células do tumor e encontrar as células T que podem atacar o câncer. Com esse método de aprendizagem de máquina, o tempo para identificar os linfócitos T (como também são conhecidas as células T) necessários para a terapias imunológicas é reduzido significativamente.
Leia também:
- CAR-T Cell: estudo revolucionário contra o câncer entrará em nova etapa
- Robô-cuidador ajuda pessoas a se vestirem
- Novo tratamento de câncer transforma células doentes em macrófagos
Antes, identificar os receptores certos de células T em um vasto conjunto de células era como procurar uma agulha no palheiro. O processo era demorado e precisava de muitos detalhes sobre o tumor.
Terapia mais rápida e personalizada
Agora, com o PredicTCR, esse passo se torna mais rápido e menos dependente de informações detalhadas sobre o câncer, segundo os cientistas. Isso, em especial, agiliza a criação de imunoterapias personalizadas.
![Estratégia de treinamento do classificador PredicTCR](https://informe360.com.br/wp-content/uploads/2024/03/aprendizagem-1024x843-1.jpg)
Os pesquisadores testaram o sistema em células de um paciente com melanoma e conseguiram identificar com precisão os receptores de linfócitos que reagem ao tumor. Esse avanço é um grande passo para tornar a imunoterapia personalizada com células T mais rápida e acessível, abrindo caminho para novas possibilidades de tratamento do câncer.
Via Genetic Engineering & Biotechnology News
O post Aprendizagem de máquina acelera terapias personalizadas em casos de câncer apareceu primeiro em Olhar Digital.