I ricercatori dell’Università di Waterloo hanno creato un modello computazionale per prevedere con maggiore precisione la crescita di tumori cerebrali mortali. Il glioblastoma multiforme (GBM) è un tumore al cervello con un tasso di sopravvivenza medio di un solo anno. È difficile da trattare a causa del nucleo estremamente denso, della crescita rapida e della posizione nel cervello. La stima della diffusività e del tasso di proliferazione di questi tumori è utile per i medici, ma queste informazioni sono difficili da prevedere in modo rapido e accurato per un singolo paziente. I ricercatori dell’Università di Waterloo e dell’Università di Toronto hanno collaborato con il St. Michael’s Hospital di Toronto per analizzare i dati della risonanza magnetica di più pazienti affetti da GBM unitamente all’apprendimento automatico, per analizzare completamente il tumore di un paziente, e per prevederne la progressione del cancro.
I ricercatori hanno analizzato due serie di risonanze magnetiche di cinque pazienti anonimi affetti da GBM. I pazienti sono stati sottoposti a risonanze magnetiche complete, hanno atteso diversi mesi e poi hanno ricevuto una seconda serie di risonanze. Poiché questi pazienti, per ragioni non rivelate, hanno scelto di non ricevere alcun trattamento o intervento durante questo periodo, le loro risonanze magnetiche hanno fornito agli scienziati un’opportunità unica per capire come cresce il GBM quando non viene controllato. I ricercatori hanno utilizzato un modello di deep learning per trasformare i dati della risonanza magnetica in stime dei parametri specifici del paziente, che producono un modello predittivo della crescita del GBM. Questa tecnica è stata applicata ai tumori dei pazienti e a quelli sintetici, di cui si conoscevano le caratteristiche reali, consentendo di convalidare il modello. “Ci sarebbe piaciuto fare questa analisi su un enorme insieme di dati”, ha dichiarato Cameron Meaney, dottorando in Matematica applicata e ricercatore principale dello studio. Tuttavia, data la natura della malattia, è molto difficile, perché l’aspettativa di vita non è lunga e le persone tendono a iniziare il trattamento”. Ecco perché l’opportunità di confrontare cinque tumori non trattati era così rara – e preziosa”.
Ora che gli scienziati dispongono di un buon modello di crescita del GBM non trattato, il prossimo passo sarà quello di espandere il modello per includere l’effetto del trattamento sui tumori. In questo modo il set di dati passerebbe da una manciata di risonanze magnetiche a migliaia. Meaney sottolinea che l’accesso ai dati della risonanza magnetica e la collaborazione tra matematici e medici possono avere un impatto enorme sui pazienti. “L’integrazione dell’analisi quantitativa nell’assistenza sanitaria è il futuro”, ha dichiarato Meaney.
