CƠ SỞ DỮ LIỆU GEN VÀ GIẢI TRÌNH TỰ THẾ HỆ MỚI PHÁT HIỆN ĐỘT BIẾN ĐÁP ỨNG THUỐC UNG THƯ PHỔI TẠI VIỆT NAM

Vũ Thị Huyền1, Nguyễn Thị Trang1, Hoàng Công Minh1, Lê Tú Linh1,2, Vũ Thị Lan Anh3, Lê Thị Minh Phương1,4,
1 Trường Đại học Y Hà Nội
2 Bệnh viện Phổi Trung Ương
3 Bệnh viện Đại học Y Hà Nội
4 Trường Đại học Y Dược, Đại học Quốc Gia Hà Nội

Nội dung chính của bài viết

Tóm tắt

Mục tiêu: Xây dựng cơ sở dữ liệu gen ung thư phổi phù hợp cho bệnh nhân Việt Nam, ứng dụng trí tuệ nhân tạo (AI) và giải trình tự gen thế hệ mới (NGS) nhằm phát hiện các biến thể liên quan đến điều trị. Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang trên dữ liệu Y văn PubMed và 21 bệnh nhân ung thư phổi không tế bào nhỏ giai đoạn tiến triển (2024-2025). Kỹ thuật NGS được áp dụng trên mẫu mô ung thư, đồng thời sử dụng AI và xử lý ngôn ngữ tự nhiên (NLP) để sàng lọc dữ liệu từ các cơ sở quốc tế (ClinVar, COSMIC, OncoKB…). Kết quả: Hệ thống đã sàng lọc >400.000 tài liệu, trích xuất >9 triệu thực thể và xác định 97 gen liên quan đến sinh bệnh, tiên lượng và đáp ứng điều trị, trong đó có EGFR, KRAS, ALK, BRAF, TP53. Ở 21 bệnh nhân được giải trình tự, phát hiện 663 biến thể; 12 biến thể ở 11 bệnh nhân được xác định là gây bệnh và có thể gây bệnh liên quan điều trị đích, phổ biến nhất là EGFR del19 (66,7%) và EGFR L858R (16,7%). Ngoài ra, ghi nhận 1 trường hợp đồng biến thể del19 và T790M liên quan kháng thuốc TKI. Tần số alen biến thể (VAF) dao động 5-66%, phản ánh tính dị hợp của khối u. Kết luận: Ứng dụng AI và NGS cho thấy hiệu quả trong khai thác dữ liệu gen ung thư phổi, bước đầu tạo nền tảng cho cơ sở dữ liệu đặc thù người Việt.

Chi tiết bài viết

Tài liệu tham khảo

Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: A Cancer Journal for Clinicians. n/a(n/a). doi:10.3322/caac.21834
2. Alsharif F. Artificial Intelligence in Oncology: Applications, Challenges and Future Frontiers. Int J Pharm Investigation. 2024;14(3):647-656. doi:10.5530/ijpi.14.3.76
3. Lee JH, Hwang EJ, Kim H, Park CM. A narrative review of deep learning applications in lung cancer research: from screening to prognostication. Transl Lung Cancer Res. 2022;11(6):1217-1229. doi:10.21037/tlcr-21-1012
4. Shi Y, Li J, Zhang S, et al. Molecular Epidemiology of EGFR Mutations in Asian Patients with Advanced Non-Small-Cell Lung Cancer of Adenocarcinoma Histology - Mainland China Subset Analysis of the PIONEER study. PLoS One. 2015;10(11):e0143515. doi:10.1371/journal.pone.0143515
5. Shi H, Seegobin K, Heng F, et al. Genomic landscape of lung adenocarcinomas in different races. Front Oncol. 2022;12:946625. doi:10.3389/ fonc.2022.946625