Un gruppo di scienziati della Tianjin Medical University (Tmu), in Cina, ha appena messo a punto uno strumento digitale, che si basa su un algoritmo di intelligenza artificiale, in grado di analizzare le immagini di cellule metastatiche e identificare la posizione del tumore primario con una precisione superiore a quella degli oncologi umani. Un modello, scrivono gli autori della ricerca sulle pagine della rivista Nature Medicine, che potrebbe aiutare a migliorare la diagnosi e il trattamento dei tumori negli stadi più avanzati, e potenzialmente ad aumentare l’aspettativa di vita dei pazienti.
Da dove viene il cancro?
La conoscenza dell’origine di una certa metastasi è un fattore cruciale per aumentare la probabilità di successo delle terapie. Purtroppo, molti tumori sono in grado di crescere senza dare alcun sintomo e senza essere rilevati, e di diffondersi in organi e regioni del corpo anche molto lontane da quella di origine: per questo motivo, in alcuni casi è molto difficile ricostruire all’indietro il “percorso” della metastasi e risalire al tumore primario. In circa cinque casi su cento non si riesce a identificare l’origine del tumore, e quasi sempre la prognosi per il paziente è sfavorevole. Al momento, il metodo diagnostico più efficace per “smascherare” le metastasi si basa su una ricerca per somiglianza: le cellule di una metastasi polmonare proveniente da un tumore al seno, per esempio, “assomigliano” in qualche modo alle cellule del tumore al seno. È analizzando queste somiglianze, per l’appunto, che gli oncologi cercano di inferire la posizione del tumore primario.
Lo sguardo dell’Ai
È qui che entra in scena l’intelligenza artificiale, che – tra le altre cose – negli ultimi anni è diventata sempre più abile nel campo del riconoscimento e della classificazione delle immagini: Tian Li Xiangchun e colleghi, un gruppo di bioinformatici della Tmu specializzati nel deep learning, hanno messo a punto un algoritmo specializzato nell’analisi di immagini di cellule metastatiche. Il modello è stato addestrato su circa 30mila immagini di cellule prelevate dal liquido polmonare o addominale di oltre 21mila pazienti oncologici in cui l’origine del tumore primario era conosciuta: in questo modo l’algoritmo ha “imparato” ad associare a una determinata immagine una specifica origine; successivamente, è stato testato su altre 27mila immagini – sempre relative a pazienti con tumore primario conosciuto – risultando in grado di identificare correttamente la sorgente tumorale nell’83% dei casi. Il modello, in verità, fornisce una lista di possibili “candidati” per il tumore primario, ordinata per probabilità: nel 99% dei casi la risposta corretta è risultata essere nelle prime tre risposte dell’algoritmo.
Un elenco di possibilità
Avere a disposizione una lista di possibilità per il tumore primario, spiegano su Nature, è molto utile per gli oncologi, perché riduce il numero di esami aggiuntivi – e spesso invasivi – necessari alla corretta diagnosi. Nello studio appena pubblicato le previsioni erano limitate a 12 tipi di tumore (tra cui polmone, ovaio, stomaco e seno) perché altri tipi (tra cui prostata e reni) di solito non si diffondono nei fluidi polmonari e addominali; ma si potrebbe pensare, in futuro, di estendere l’analisi anche a cellule prelevate altrove, in modo da ampliare le possibilità diagnostiche del sistema, così come di integrarlo con strumenti che funzionano con principi analoghi ma analizzano altre informazioni (per esempio campioni di tessuti o dati genomici) per migliorarne ulteriormente la precisione.
www.repubblica.it 2024-04-26 12:34:57