"Broń obosieczna". Eksperci komentują doniesienia dot. szczepionki na raka

Przedsiębiorca z Sydney Paul Conyngham, wykorzystując sztuczną inteligencję i jednocześnie współpracując z australijskimi naukowcami, doprowadził do stworzenia szczepionki na raka dla swojego psa. Zwierzę, u którego zdiagnozowano mastocytozę (nowotwór komórek tucznych - u psów bardzo częsty, u ludzi rzadki), dostało eksperymentalną, spersonalizowaną szczepionkę mRNA. Po podaniu preparatu zaobserwowano zmniejszenie jednego z guzów.

Na lawinę medialnych doniesień na ten temat, w tym informacji o "przełomie", nie trzeba było długo czekać. Eksperci studzą jednak optymizm i tłumaczą, że stworzenie skutecznego preparatu na raka nie jest takie proste, a AI nie wyręczy w tym ludzi.

- AI, z której skorzystał właściciel psa, to algorytm statystyczny. Działa jak przewidywanie pogody. Z jednej strony jesteśmy w tym przewidywaniu coraz lepsi, ale z drugiej - jeśli pójdziemy w góry, to może być różnie i pogoda może w ogóle się nie sprawdzić - zwraca uwagę w rozmowie z WP abcZdrowie prof. Andrzej Marszałek, konsultant krajowy w dziedzinie patomorfologii.

Kluczowa jest też "naturalna" zmienność nowotworu w trakcie jego rozwoju, z powodu której terapia, która na początku mogła być skuteczna, szybko przestaje działać.

- W Niemczech prowadzone są eksperymentalne terapie. W przypadku niektórych guzów mózgu wykorzystuje się nośnik wirusowy, by zakazić nowotwór i pobudzić układ immunologiczny, który zacznie rozpoznawać nowotwór jako zły, czyli będzie go zwalczać. Pamiętajmy jednak, że "majstrujemy" przy genomie nowotworu, a on jest niestabilny, zmienia się - zwraca uwagę ekspert.

- Z tego powodu taka terapia może dać efekt na początku, ale nie jesteśmy w stanie utrzymać go na dłużej. Niestabilność genomu oznacza, że mechanizm namnażania DNA jest "popsuty". Dzięki tym zmianom nowotwór może "uciekać" przed próbami jego zwalczenia, szuka możliwości przeżycia. Można to porównać do niesprawnego auta - jeśli dolejemy benzyny, na początku pojedzie, ale na dłuższą metę nic to nie da - wyjaśnia prof. Marszałek.

Tłumaczy, że tak naprawdę w kolejnych etapach rozwoju nowotworu nie działamy na to, na co działaliśmy pierwotnie, bo nowotwór ewoluuje. - Świetnym przykładem jest rak piersi. Pierwotny guz może być potrójnie ujemny, ale już guz w przerzutach może być podwójnie dodatni, hormonozależny. Tu nie ma więc cudownego strzału, który też działałby na wszystkich pacjentów tak samo, dlatego jedynym wyjściem jest reagowanie na te zmiany i podawanie możliwie najskuteczniejszego leku w danym momencie - wyjaśnia.

Prof. Marcin Czech z Politechniki Warszawskiej, były wiceminister zdrowia ds. polityki lekowej, tłumaczy, że odkrycie i badania nad szczepionkami, tak jak w przypadku każdego innego leku, to wieloletni proces.

- Obowiązują konkretne regulacje. Nie ma szans, by to skrócić i zrobić w kilka miesięcy. W tak krótkim czasie nie jesteśmy w stanie wyznaczyć targetu, czyli celu, w który preparat ma uderzać, wykonać badania przedkliniczne, a potem klinicznych trzech faz. To trwa lata, do czasu rejestracji, a procent niepowodzeń jest bardzo duży - zaznacza w rozmowie z WP abcZdrowie prof. Marcin Czech.

Wyjaśnia, że w przypadku cząsteczek chemicznych, które finalnie mogą stać się lekami, "szansa na taki strzał to 10 tys. do jednego". - Musimy mieć 10 tys. pomysłów na potencjalny lek, by mieć jedno trafienie. W technologii mRNA dzieje się to szybciej, bo na starcie wiemy, na jakim łańcuchu genetycznym działamy, więc na trafne dopasowanie jest większa szansa. Nadal to nie jest jednak tak, że przy każdym podejściu od razu mamy sukces. Stworzone w tej technologii cząsteczki są nietrwałe, wymagają stworzenia specjalnych osłonek - tłumaczy prof. Czech.

Ważny jest też inny aspekt. Fakt, że coś zadziała na jednostkę, nie oznacza, że przyniesie efekty populacyjnie. - Po drodze jest mnóstwo zmiennych. Znalezienie uniwersalnej terapii, która sprawdzi się u ludzi w różnych miejscach na świecie, zajmuje lata i jest niezwykle kosztochłonne. Gdyby to była metoda kosztowo efektywna, to na pewno big pharma już by się za to wzięła - zauważa prof. Marszałek.

- Zbadanie genomu, by wiedzieć, na co konkretnie chcemy zadziałać, zaprojektowanie mRNA dla konkretnej osoby i stworzenie preparatu to koszt idący w tysiące, jeśli nie setki tysięcy dolarów lub euro. Tymczasem za kilka miesięcy taka terapia może być już nieaktualna - dodaje.

- Jeśli mówimy tylko o komercyjnych badaniach klinicznych, to nawet miliard dolarów, a gdzie koszty produkcji na szeroką skalę, koszty transportu? To nie jest takie proste - zwraca uwagę prof. Czech.

- Trwają badania nad szczepionką na raka, najbardziej zaawansowane są prace w przypadku czerniaka i raka płuc. W przypadku takich doniesień warto mówić o tym, że jest to obiecująca gałąź medycyny, a jednocześnie studzić nadmierny entuzjazm - przyznaje.

- Nie zapominajmy też o efektach ubocznych i ich faktycznym zbadaniu. Na to też potrzeba czasu. Mówimy o sukcesie terapii CAR-T, jednej z najbardziej zaawansowanych form immunoterapii personalizowanej w onkologii, która polega na wykorzystaniu własnych komórek odpornościowych pacjenta do walki z nowotworem. By jednak zbadać efekty uboczne, potrzeba co najmniej 5-10 lat, więc w tym momencie w całości ich nie znamy - zwraca uwagę prof. Marszałek.

Zauważa też, że przy tworzeniu indywidualnej szczepionki dla psa nie wymyślono niczego nowego. Skorzystano z mechanizmu, który jest znany od 20 lat.

- Technologia mRNA była też wykorzystana do produkcji szczepionek przeciwko COVID-19. Znamy fragment wirusa, który odpowiada za produkcję konkretnego białka, przeciwko któremu trzeba zadziałać i tak "projektujemy" mRNA w szczepionce - przypomina ekspert. I wyjaśnia, że w szczepionce omawianego przypadku nowotworu u psa było dokładnie to samo, tylko że chodziło o białko, które było markerem rozpoznania komórek tucznych.

Prof. Czech przyznaje, że w weterynarii technologia mRNA jest często stosowana, co nie znaczy, że ma to przełożenie na ludzi. - W omawianym przypadku mówimy o preparacie kompletnie nieprzebadanym w rozumieniu cyklu badań klinicznych, trochę na zasadzie "garażowej" produkcji. Nie mamy pewności ani co do faktycznej skuteczności, ani bezpieczeństwa. A trzeba mieć świadomość, że wszystko, co działa na nasz układ immunologiczny, to broń obosieczna i w grę wchodzą zawsze skutki uboczne - wskazuje ekspert.

Jak twierdzą eksperci, AI ma jednak potencjał, by przyspieszyć badania kliniczne i cykl produkcji leku. - Jest na to teraz ogromne zapotrzebowanie. Aktualnie taki proces wymaga lat. Do wejścia leku na rynek mija 12-15 lat, jeśli lek ma być skuteczny i bezpieczny. Po drodze jest bardzo dużo ślepych uliczek, AI może pomóc w ich ograniczaniu - wskazuje w rozmowie z WP abcZdrowie Jakub Chwiećko, lekarz, twórca Medical Innovation Institute, który wspiera innowacyjne rozwiązania w sektorze zdrowia, związane również z technologiami AI.

- Chodzi o minimalizowanie sytuacji, gdy pracujemy nad lekiem, który ostatecznie okaże się nieskuteczny. To już jest rozwijane, ale na razie nie ma spektakularnych sukcesów. O takich moglibyśmy mówić, jeśli udałoby się skrócić cykl o połowę, czyli do siedmiu lat - dodaje.

Krótszy proces to mniejsze koszty, a finalnie także niższa cena leku. - W tym momencie taki 10-15-letni proces potrzebny do wprowadzenia leku na rynek to koszt nawet miliarda dolarów - zaznacza Chwiećko.

Wyjaśnia, że AI wykorzystuje się też do pomocy w tworzeniu sztucznego środowiska do hodowli komórkowych. - Jeśli udałoby się to rozwinąć i stosować na szerszą skalę, docelowo można byłoby ominąć fazę badań na zwierzętach i takie są też dążenia firm biotechnologicznych - wskazuje ekspert.

Dodaje, że rozwijane są też prace nad wykorzystywaniem AI w tworzeniu tzw. cyfrowych bliźniaków - wirtualnych modeli pacjentów, na którym można by testować skuteczność leków.

- W Polsce jest to jednak na razie bardzo ograniczone. Potrzeba do tego wielu danych, a w naszym systemie są one rozproszone. Część dokumentacji jest w AOS, część w POZ, część w szpitalach, nie ma jednej bazy, a to utrudnia ich płynną analizę - tłumaczy ekspert.

Wyjaśnia, że stworzenie cyfrowego modelu pacjenta byłoby pomocne przy rekrutacji do badań klinicznych. - Moglibyśmy skrócić czas, bo wiedzielibyśmy precyzyjnie, kogo potrzebujemy. Zdarza się, że część pacjentów z powodu konkretnych parametrów ostatecznie wypada z badania i trzeba szukać innych. Ten proces może być żmudny. AI może pomóc w bardziej precyzyjnym dopasowaniu - wskazuje Chwiećko. 

- Fakt, że udało się stworzyć szczepionkę w ciągu kilku miesięcy, nie oznacza, że jest to możliwe w przypadku tworzenia uniwersalnych terapii, tym bardziej dla ludzi. Zapominamy też o skutkach ubocznych takiej terapii. Część guzów udało się zmniejszyć, ale pytanie, jakim kosztem - tego nie wiemy, nie znamy faktycznych skutków ubocznych - podsumowuje.

Katarzyna Prus, dziennikarka Wirtualnej Polski

Źródła: WP abcZdrowie, X