Un team di ricercatori dell’Università del Wisconsin-Madison è riuscito a combinare con successo genomica e apprendimento automatico nel tentativo di realizzare test diagnostici accessibili per lo screening oncologico. Nello studio, pubblicato questa settimana su Science Translational Medicine e guidato da Muhammed Murtaza, professore di chirurgia presso la UW School of Medicine and Public Health, i ricercatori hanno utilizzato un modello di apprendimento automatico per esaminare il plasma sanguigno alla ricerca di frammenti di DNA di cellule tumorali. La tecnica, che utilizza materiali di laboratorio facilmente reperibili, ha individuato i tumori in fase iniziale nella maggior parte dei campioni studiati. L’approccio si basa sull’analisi dei frammenti di DNA senza cellule, comunemente presenti nel plasma, la parte liquida del sangue. Il modello è riuscito a distinguere con precisione le persone con qualsiasi stadio di cancro da quelle sane nel 91% dei casi. Inoltre, il modello ha identificato con precisione i campioni di pazienti con cancro allo stadio 1 nell’87% dei casi, suggerendo che è promettente per individuare il cancro nelle fasi iniziali. “La mia speranza”, aggiunge Murtaza, “è che, con ulteriori sviluppi, questo lavoro porti a un esame del sangue per la rilevazione e il monitoraggio del cancro che sarà disponibile a livello clinico nei prossimi 2-5 anni per almeno alcune condizioni e, in ultima analisi, sarà accessibile ai pazienti con risorse sanitarie limitate negli Stati Uniti e in tutto il mondo”.
