AI hjælper forskere med at finde nyt mål for CAR-T cellebehandling mod solide kræftformer

Den 25. juni 2026 offentliggjorde forskere fra Penn Medicine under ledelse af Daniel Baker, Carl June og Zoltan Arany et studie i Cell, der beskriver en human-in-the-loop AI-ramme (AI med menneskelig ekspertise), som integrerer store sprogmodeller (LLM'er) med enkeltcelle-RNA-sekventeringsdata for systematisk at opdage og prioritere nye mål for CAR-T-celleterapi . Deres topkandidatantigen var GPNMB (glycoprotein non-metastatic melanoma protein B), og GPNMB-rettede CAR-T-celler viste effekt i musemodeller af modermærkekræft, leukæmi og tyktarmskræft . Rammen er designet til at være modulær, sygdomsagnostisk og tilpasselig til enhver LLM og sigter mod at accelerere opdagelsen af mål for solide tumorer dramatisk – en proces, der kan tage måneder eller år, reduceres til blot få uger .

Sådan fungerer AI-rammen med menneskelig ekspertise

• Dataintegration: Holdet kombinerede fire offentligt tilgængelige enkeltcelle-RNA-sekventeringsdatasæt for hudkræft med data fra offentlige databaser og anvendte specifikke biologiske retningslinjer for at prioritere mere end 10.000 potentielle overfladeantigener for CAR-T-relevante egenskaber (f.eks. tumorspecifik ekspression, overfladetilgængelighed) .
• LLM-baseret nominering: Adskillige store sprogmodeller blev brugt til at nominere ideelle mål fra den prioriterede liste .